基于模糊聚类和自适应神经模糊推理的mppt研究

基于模糊聚类和自适应神经模糊推理的mppt研究

ID:20735469

大小:55.58 KB

页数:8页

时间:2018-10-15

基于模糊聚类和自适应神经模糊推理的mppt研究_第1页
基于模糊聚类和自适应神经模糊推理的mppt研究_第2页
基于模糊聚类和自适应神经模糊推理的mppt研究_第3页
基于模糊聚类和自适应神经模糊推理的mppt研究_第4页
基于模糊聚类和自适应神经模糊推理的mppt研究_第5页
资源描述:

《基于模糊聚类和自适应神经模糊推理的mppt研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于模糊聚类和自适应神经模糊推理的MPPT研究摘要:针对光伏系统最大功率点跟踪过程中电导增量法和模糊控制法存在的不足,结合模糊聚类和自适应神经模糊推理系统提出一种新型MPPT算法,对实测数据模糊聚类后,提取模糊控制规则,确定隶属函数,通过神经网络训练生成模糊推理系统。仿真结果表明,该算法能够实现对最大功率点的快速跟踪,对环境变化的抗干扰能力强,控制效果良好,具有一定的应用价值。关键词:最大功率点跟踪;模糊聚类;自适应神经模糊推理系统;模糊控制规则提取中图分类号:TN911734;TM461文献标识码:A文章编号:1004?373X(2016)1470154704Resear

2、chonMPPTbasedonfuzzyclusteringandANFISGUOPeng,SUNJianqi,LIUZhenyong,GENGLiang(CollegeofElectricalandInformationEngineering,ShijiazhuangUniversity,Shijiazhuang050035,China)基于模糊聚类和自适应神经模糊推理的MPPT研究摘要:针对光伏系统最大功率点跟踪过程中电导增量法和模糊控制法存在的不足,结合模糊聚类和自适应神经模糊推理系统提出一种新型MPPT算法,对实测数据模糊聚类后,提取模糊控制规则,确定隶属函数,通过

3、神经网络训练生成模糊推理系统。仿真结果表明,该算法能够实现对最大功率点的快速跟踪,对环境变化的抗干扰能力强,控制效果良好,具有一定的应用价值。关键词:最大功率点跟踪;模糊聚类;自适应神经模糊推理系统;模糊控制规则提取中图分类号:TN911734;TM461文献标识码:A文章编号:1004?373X(2016)1470154704ResearchonMPPTbasedonfuzzyclusteringandANFISGUOPeng,SUNJianqi,LIUZhenyong,GENGLiang(CollegeofElectricalandInformationEngineer

4、ing,ShijiazhuangUniversity,Shijiazhuang050035,China)Abstract:Forthedeficiencyofconductanceincrementandfuzzycontrolmethodsforthemaximumpowerpointtracking(MPPT)ofphotovoltaicsystem,anovelMPPTalgorithmisproposedincombinationwithfuzzyclusteringandadaptiveneuro?fuzzyinferencesystem(ANFIS).Theal

5、gorithmextractsfuzzycontrolrulesandconfirmsmembershipfunctionbyusingfuzzyclustering,andthenafuzzyinferencesystemisgeneratedbymeansoftrainofneuralnetwork.ThesimulationresultsshowthatthealgorithmcanrealizefastMPPT,andhasstronganti?jammingcapabilityagainstenvironmentalchanges,goodcontroleffec

6、tandacertainpracticalvalue.Keywords:maximumpowerpointtracking;fuzzyclustering;adaptiveneuro?fuzzyinferencesystem;fuzzycontrolruleextraction光伏发电在我国的应用日益广泛,仅2015年我国光伏发电新增装机容量17.8GW。由于光伏组件输出特性随日照强度和环境温度不断变化,因此,提高光伏系统的发电效率实现最大功率点跟踪(MaximumPowerPointTracking,MPPT)成为研究热点。目前,常见MPPT算法可分为数学模型优化、扰动自

7、寻优、输出端控制和智能控制四类,包括恒压法、电流扫描法、扰动观察法、电导增量法、模糊控制法、神经网络法、单周控制法、极值周期法和滑膜控制法等[1?2]。各种算法均具有不同的优缺点。其中,模糊控制算法作为仿专家控制系统,无需精确被控系统模型、抗干扰能力强、鲁棒性好,但学习能力差、模糊规则及隶属函数设计困难。神经网络算法对系统环境变化自学能力强但需要长期训练,且输入/输出数据关系难以表达。由于可以实现优势互补,近年来将上述两者相结合的MPPT算法研究很多[3?4]。但是,随着相关研究的进行,模糊神经网络算法也显现出一些

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。