吳翠娟(蘇州經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院機(jī)電與信息技術(shù)學(xué)院，江蘇蘇州215009)

基于神經(jīng)網(wǎng)絡(luò)的光伏電源功率控制設(shè)計(jì)

吳翠娟
(蘇州經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院機(jī)電與信息技術(shù)學(xué)院，江蘇蘇州215009)

在分析光伏系統(tǒng)發(fā)電特性的基礎(chǔ)上，以最大功率控制為目標(biāo)，神經(jīng)網(wǎng)絡(luò)技術(shù)為支撐，構(gòu)建了基于三層BP(反向傳播)神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率控制模型。該模型采取四季氣候子模型分類計(jì)算的方式，以四季歷史氣候數(shù)據(jù)為樣本，形成四個(gè)統(tǒng)一而又相互有一定隔離的子模型訓(xùn)練庫(kù)，從而實(shí)現(xiàn)了光伏電源發(fā)電的功率預(yù)測(cè)及控制功能。實(shí)驗(yàn)結(jié)果表明，該方法建立的功率預(yù)測(cè)與控制模型具有精度高、反應(yīng)速度快的優(yōu)勢(shì)。

光伏系統(tǒng)；發(fā)電功率預(yù)測(cè)；神經(jīng)網(wǎng)絡(luò)；四季氣候參數(shù)

日益突出的環(huán)境問(wèn)題使再生性能源得到了越來(lái)越廣泛的應(yīng)用，而太陽(yáng)能以其可持續(xù)性強(qiáng)、無(wú)污染的特性成為可再生性能源中利用率最高的綠色能源之一。由于我國(guó)大部分地區(qū)都屬于太陽(yáng)能資源較為豐富的地區(qū)，因此光伏發(fā)電得到了很大的發(fā)展。

光伏發(fā)電容易受到外界環(huán)境如光照和溫度等因素的影響，因此，建立相應(yīng)的模型對(duì)光伏系統(tǒng)的發(fā)電功率進(jìn)行有效的預(yù)測(cè)和控制，是光伏發(fā)電系統(tǒng)并網(wǎng)發(fā)電的前提條件，是提高光伏發(fā)電系統(tǒng)運(yùn)行穩(wěn)定性、減少隨機(jī)性的重要基礎(chǔ)。

1 光伏系統(tǒng)發(fā)電功率特性分析

光伏系統(tǒng)所處的外界環(huán)境復(fù)雜而多變，就天氣而言，可以分為晴天、多云、陰天、雨天等情況，就四季而言，可以分為春、夏、秋、冬；就每日所處的時(shí)間，可以分為白天和晚上，因此，其功率的預(yù)測(cè)和控制具有相應(yīng)的復(fù)雜性。

通常而言，光伏發(fā)電系統(tǒng)的出力時(shí)間為06：00～19：00，以睛天為例，具體輸出功率曲線如圖1所示。

陰天、雨天時(shí)的輸出功率形狀大致與晴天相同，但具體的輸出功率數(shù)值卻有較大的變化，有時(shí)只能達(dá)到晴天輸出功率的10％左右。

圖1　光伏系統(tǒng)的晴天輸出功率

除天氣類型所造成的輸出功率差異之外，四季對(duì)于光伏發(fā)電的影響也是比較大的，一般都是夏季輸出功率高，而冬季白天短，輸出功率低。因此，針對(duì)不同的季節(jié)及相應(yīng)的氣候條件建立其相應(yīng)的子功率控制模型具有一定的必要性。

2 功率預(yù)測(cè)方式分析

為了使光伏系統(tǒng)達(dá)到最優(yōu)的工作狀態(tài)，整個(gè)系統(tǒng)往往需要工作在最大功率點(diǎn)附近。為了達(dá)到這一效果，就需要對(duì)光伏電池的輸出特性進(jìn)行分析。

光伏電池的輸出特性是指在一定的光照強(qiáng)度和溫度下電池的輸出電流和電壓之間的關(guān)系，由于光伏電池基本材料的特性不變，因此，光伏電池隨著光照強(qiáng)度與溫度的變化呈一定的變化趨勢(shì)，圖2和圖3所示為基本變化曲線[1]。

從圖2、圖3中可知，在一定的光照和溫度條件下，輸出功率會(huì)在某一點(diǎn)達(dá)到最大值，因此，選擇一種合適的方式，使光伏電池在外界環(huán)境發(fā)生變化時(shí)能夠有效地跟蹤上最大功率點(diǎn)，盡可能實(shí)現(xiàn)輸出功率最大值，以提高光伏發(fā)電系統(tǒng)的效率。

應(yīng)用于最大功率點(diǎn)跟蹤的技術(shù)很多，常用的有固定電壓法、擾動(dòng)觀察法、電導(dǎo)增量法等。這些方法中，固定電壓法對(duì)電壓的因素考慮較多，卻沒(méi)有考慮溫度等其他因素的影響，因此結(jié)果的準(zhǔn)確性不高。擾動(dòng)觀察法主要是對(duì)陣列輸出電壓在固定時(shí)間施加擾動(dòng)，再根據(jù)輸出功率的變化決定下一步的動(dòng)作以實(shí)現(xiàn)最大功率跟蹤，在實(shí)際應(yīng)用中，擾動(dòng)步長(zhǎng)的選擇對(duì)跟蹤精度有較大的影響，當(dāng)環(huán)境變化較快時(shí)，擾動(dòng)觀察法易產(chǎn)生較大的誤差。電導(dǎo)增量法具有控制效果好、穩(wěn)定性高的優(yōu)點(diǎn)，但是設(shè)備成本高，運(yùn)行不夠經(jīng)濟(jì)[2]。

本文在分析以上方法的基礎(chǔ)上，選用神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)最大功率點(diǎn)的跟蹤。

圖3　不同溫度下光伏電池輸出特性曲線

3 光伏系統(tǒng)發(fā)電功率控制系統(tǒng)

本設(shè)計(jì)采用BP神經(jīng)網(wǎng)絡(luò)來(lái)設(shè)計(jì)發(fā)電功率的控制系統(tǒng)。BP網(wǎng)絡(luò)是一種按預(yù)測(cè)值和實(shí)際結(jié)果進(jìn)行對(duì)比分析后，按誤差的程度進(jìn)行逆向傳播糾正的多層前饋網(wǎng)絡(luò)，其結(jié)構(gòu)如圖4所示。從圖4中可知，該網(wǎng)絡(luò)由三部分組成，分別為輸入層、隱含層及輸出層。具體的操作過(guò)程為：首先，選擇四季中的某一組數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)，通過(guò)中間隱含層的非線性函數(shù)產(chǎn)生輸出信號(hào)，并將輸出信號(hào)與實(shí)際系統(tǒng)中的結(jié)果進(jìn)行對(duì)比分析，適度改變隱含層的函數(shù)，反復(fù)訓(xùn)練，直至輸出結(jié)果與實(shí)際值相匹配為止。

圖4　BP神經(jīng)網(wǎng)絡(luò)的三層結(jié)構(gòu)

由于光伏系統(tǒng)所處的環(huán)境情況多變，依據(jù)四季和天氣情況的不同，應(yīng)該在輸入變量、隱含層函數(shù)的構(gòu)造上形成不同的子模型，來(lái)提高系統(tǒng)的精確性。在本系統(tǒng)中，隱含層函數(shù)可采用S形函數(shù)，表達(dá)式為：f(x)=1/[1+exp(－x)]，隱含層的每一個(gè)節(jié)點(diǎn)選擇不同的權(quán)值w來(lái)影響輸出結(jié)果，w值在0至1之間選擇，當(dāng)輸出結(jié)果與實(shí)際結(jié)果有誤差時(shí)，可以調(diào)整w值，不斷訓(xùn)練，直至輸出結(jié)果與實(shí)際結(jié)果相近為止。

基于神經(jīng)網(wǎng)絡(luò)的功率控制系統(tǒng)主要借助DSP芯片來(lái)完成，本系統(tǒng)選擇TMS320F2812DSP芯片為主控芯片，其他部分包括了采樣電路、總線擴(kuò)展接口部分、LED顯示模塊、通信模塊、復(fù)位電路、時(shí)鐘電路、驅(qū)動(dòng)電路、電源輔助電路、保護(hù)電路等，總體框圖如圖5所示。

圖5　系統(tǒng)總體框圖

在TMS320F2812DSP芯片中，利用C語(yǔ)言對(duì)基于四季的光伏系統(tǒng)功率控制功能進(jìn)行開(kāi)發(fā)，具體的實(shí)現(xiàn)流程如圖6所示。

4 結(jié)語(yǔ)

本文以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，以DSP芯片TMS320F2812為核心，實(shí)現(xiàn)了光伏發(fā)電系統(tǒng)的功率控制功能。由于系統(tǒng)采用四季多子模式的算法，因此具用精度高、變換快的特點(diǎn)。

圖6　算法流程

[1]馬曼.光伏電源最大功率點(diǎn)跟蹤控制方法的研究[D].西安：西安理工大學(xué)，2013：11-13.

[2]張嵐，張艷霞，郭嫦敏，等．基于神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)發(fā)電功率[J]．中國(guó)電力，2010(9)：75-77.

Design of PV power control based on neural network

WU Cui-juan
(Mechatronics＆amp;Information,Suzhou Institute of Trade＆amp;Commerce,Suzhou Jiangsu 215009,China)

The neural network control model of photovoltaic power based on three layers BP(back propagation)was constructed.Maximum power control was the target,the neural network technology was taken as the support,and photovoltaic power generation system was analyzed.The form of four seasons climate classification sub-model calculations was taken by the model.In four seasons historical climate data sample,four sub-models unified were designed and had some training library isolated from each other in order to achieve the power to predict and control functions photovoltaic power generation.Experimental results show that the power prediction and control model established by this method has a high precision,and reflects the speed advantage.

photovoltaic systems;power generation forecast;neural network;four seasons climate parameters

TM 914

A

1002-087 X(2016)01-0147-02

2015-08-14

吳翠娟(1968—)，女，廣東省人，碩士，副教授，主要研究方向?yàn)殡娮有畔ⅰ?/p>