基于广义动态模糊神经网络的光伏电池MPPT控制.pdf

《基于广义动态模糊神经网络的光伏电池MPPT控制.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷第13期电力系统保护与控制Vb1．38NO．132010年7月1日PowerSystemProtectionandControlJu1．1，2010基于广义动态模糊神经网络的光伏电池MPPT控制杨旭，曾成碧，陈宾(四川大学电气信息学院，四川成都610065)摘要：依照最大功率点跟踪(MPPT)的原理，在综合考虑各种不同的控制方法优缺点的基础上，提出了一种新的基于椭圆基的广义动态模糊神经网络(GD-FNN)的光伏电池的智能控制方法。通过GD-FNN算法调节PWM的占空比来控制光伏电池的输出电压，实现阻抗匹配，达到能量的最优化仿真结果表明，这种控制

2、方法能够有效地跟踪到电池的最大功率，并且具有较好的稳定性。关键词：光伏电池；MPPT；椭圆基；广义动态模糊神经网络；智能控制MPPTcontrolofphotovoltaiccellsbasedongeneralizeddynamicfuzzyneuralnetworkYANGXu，ZENGCheng—bi，CHENBin(CollegeofElectricalandEngineering，SichuanUniversity，Chengdu610065，China)Abstract：Consideringavarietyofadvantagesandd

3、isadvantagesofdifferentcontrolmethods，thispaperproposesanewellipse—basedgeneralizeddynamicfuzzyneuralnetwork(GD—FNN)intelligentcontrolm~hodofphotovoltaiccellsbasedontheprincipleofthemaximumpowerpointtracking(MPPT)．Bycontrollingtheoutputvoltageofphotovoltaiccellsbymeansofregulati

4、ngthedutycycleofPWMbasedonGD—FNNalgorithm，itcanachieveimpedancematchingandenergyoptimization．Thesimulationresultsshowthatthiscontrolmethodcarleffectivelyfollow-upthemaximumpowerofthebattery，what’Smore，ithasgoodstability．Keywords：photovolmiccells；maximumpowerpointtracking(MPPT)；e

5、llipse—based；GD·FNN；intelligentcontrol中图分类号：TP273文献标识码：A文章编号：1674．3415(2010)13-0022—04该算法中，高斯函数的宽度可以通过训练实施在线0引言自适应调整，并提出了模糊s一完备性作为在线参数智能电网是近年来国际上备受关注的未来电力分配机制，避免初始化选择的随机性，提高了系统系统发展方向的热门话题。分布式电源是智能电网的自适应能力。中一个很重要的分支。光伏电池作为一种新兴的分1光伏电池的特性及MPPT原理布式电源越来越受人类的青睐J。因此对光伏电池的研究具有相当重要的意义。1．

6、1光伏电池的特性分析光伏发电系统LzJ的电流一电压的输出特性是非光伏电池是通过光电效应或者光化学效应直接线性的，再加上其输出功率受光照和环境温度的影把光能转化成电能的装置。其输出特性方程式是【4J：响很大，为了提高能源的利用效率，人们提出了最，=一／otexpf_l一(+z)f—l}1)大功率点跟踪(MPPT)理论。MPPT这种理论目前LLAKJj已经有这几种算法：电压回授法，增量电导法，扰其中：。是指光电流密度，与照射时的光照强度有动与观察法[31等。但是这些方法存在着对环境的适关，与所加电压无关；是逆饱和电流，是由PN应性差，算法不严谨等缺点。目前

7、神经网络和模糊结两端的少量载流子和载流子的扩散常数决定的；q系统在这方面的应用比较广泛，而且取得了较好的指单位电流，取值1．6x10C；A是理想因子，取效果。模糊标记的权值是在训练之前选定的，只能值为1；k是波尔兹曼系数，取值是1．38x10J／K；对特定的情况实现最优控制。为了克服这些缺点，是电池表面温度；是输出电压；，是输出电流；本文提出了基于椭圆基的广义动态模糊神经网络。为串联等效电阻。杨旭，等基于广义动态模糊神经网络的光伏电池MPPT控制．23．根据光伏电池的数学模型在Matlab／Simulink能。建立模型，得到P．V曲线如图1所示。2．2

8、GD—FNN的结构咖广义动态模糊神经网络是由输入层，隶属函数层，模糊推理层和输出层构成的网络。