亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于GA-BPNN的MPPT控制方法與P&O的比較

        2016-09-19 01:13:37金焱飛張會林史超然李榮偉
        電子科技 2016年8期
        關(guān)鍵詞:控制算法遺傳算法觀測

        金焱飛,張會林,張 松,史超然,李榮偉

        (上海理工大學(xué) 光電信息與計算機(jī)工程學(xué)院,上海 200093)

        ?

        基于GA-BPNN的MPPT控制方法與P&O的比較

        金焱飛,張會林,張松,史超然,李榮偉

        (上海理工大學(xué) 光電信息與計算機(jī)工程學(xué)院,上海 200093)

        針對傳統(tǒng)光伏電池陣列控制方式在復(fù)雜天氣環(huán)境下,對最大功率點(diǎn)跟蹤效果不理想的現(xiàn)象。設(shè)計了一種基于GA-BPNN的改進(jìn)型恒壓光伏MPPT控制算法,并通過搭建基于GA-BPNN的改進(jìn)型恒壓光伏MPPT的仿真模型,再與傳統(tǒng)P&O控制方法進(jìn)行比較分析。仿真結(jié)果證明,該算法能準(zhǔn)確快速地在復(fù)雜天氣環(huán)境下進(jìn)行最大功率點(diǎn)跟蹤,且性能穩(wěn)定。

        光伏電池陣列;BP神經(jīng)網(wǎng)絡(luò);遺傳算法;干擾觀測法

        由于傳統(tǒng)能源的消耗給生態(tài)環(huán)境帶來了重大的破壞,使國家經(jīng)濟(jì)社會發(fā)展面臨資源匱乏和污染加劇的雙重考驗[1]。太陽能作為可再生綠色能源,因其無污染、低成本、易獲取的特點(diǎn),已成為代替?zhèn)鹘y(tǒng)能源的首選能源[2]?,F(xiàn)如今光伏陣列作為光伏發(fā)電系統(tǒng)中不可或缺的一個組成部分,其轉(zhuǎn)換效率和穩(wěn)定性顯得尤為重要。為了使光伏陣列達(dá)到最佳轉(zhuǎn)換效率,且能應(yīng)對各種復(fù)雜的氣象環(huán)境,本文設(shè)計了一種基于GA-BPNN的最大功率點(diǎn)跟蹤技術(shù)。最后,通過搭建Matlab/Simulink仿真模型,分析比較了干擾觀測法和基于GA-BPNN的控制方法,結(jié)果表明基于GA-BPNN的控制方法可以彌補(bǔ)干擾觀測法的不足。

        1 光伏電池板的等效模型

        本文采用一種新型的四參數(shù)光伏陣列模型[3],模型的等效電路如圖1所示,其數(shù)學(xué)表達(dá)式

        (1)

        其中,Iph表示光生電流;I0表示反向飽和電流;Rs表示光伏電池串聯(lián)等效電阻;n是理想因子,Ut=kq/T,其中k是波爾茲常數(shù),k=1.381×10-23J/K,q是電子電荷量,q=1.602×10-19C,T是光伏電池溫度。

        圖1 光伏電池等效電路

        當(dāng)光伏電池短路時,I=Isc,U=0,由此可得

        Iph=Isc

        (2)

        當(dāng)光伏電池開路時,I=0,U=Uoc,由此可得

        (3)

        當(dāng)光伏電池的輸出處于最大功率點(diǎn)時,I=Im,U=Um,由此可得

        (4)

        (5)

        為應(yīng)對各種復(fù)雜環(huán)境,需不斷對光照強(qiáng)度和溫度公式進(jìn)行修正,修正公式如下[4]

        (6)

        (7)

        (8)

        (9)

        其中,M為修正系數(shù);a為短路電流溫度系數(shù);b為開路電壓溫度系數(shù),其他具體參數(shù)均可由制造商提供的技術(shù)文件獲得,本文將光照強(qiáng)度Gref=1 000 W/m2,溫度Tref=25 ℃設(shè)置為外部環(huán)境的參考狀態(tài)。

        基于上述數(shù)學(xué)模型,本文在Simulink上搭建了帶修正的新型光伏電池仿真模型,并通過此光伏電池模型得到電流I-電壓V,功率P-電壓V的特性如圖2所示。

        圖2 不同光強(qiáng)和溫度時的特性曲線

        2 干擾觀測法

        干擾觀測法是目前使用最多的MPPT方法之一,其原理是光伏電池先給出一個輸出電壓Uo,接著再調(diào)節(jié)升壓電路開關(guān)管的占空比,來實現(xiàn)對輸出電壓的周期性擾動,比較前后功率的大小[5]。若功率隨著輸出電壓的變化而相向變化,則說明此時的功率點(diǎn)在最大功率點(diǎn)的左側(cè),反之亦然。經(jīng)過反復(fù)的擾動判斷,工作點(diǎn)會越來越接近最大的功率點(diǎn)[6]。

        本文根據(jù)干擾觀測法的控制算法,在Matlab/Simulink中建立了一個定步長的干擾觀測法控制的MPPT仿真模型。

        3 基于GA-BPNN的MPPT控制系統(tǒng)

        擾動觀測法由于需不斷地擾動來判斷是否在最大功率點(diǎn),所以并不能穩(wěn)定在該點(diǎn)處。當(dāng)外部環(huán)境發(fā)生突變,P&O控制方法就不能準(zhǔn)確判斷出輸出功率的變化原因,從而導(dǎo)致最大功率點(diǎn)的跟蹤方向出現(xiàn)錯誤,最終使電壓和功率崩潰,使系統(tǒng)出現(xiàn)嚴(yán)重的震蕩現(xiàn)象,所以本文提出基于GA-BPNN的新型最大功率點(diǎn)跟蹤方式。

        圖3 基于GA-BPNN的光伏MPPT結(jié)構(gòu)圖

        首先通過采樣當(dāng)前的環(huán)境溫度和光照強(qiáng)度,再將這兩組數(shù)據(jù)傳給經(jīng)BP遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò),得到最優(yōu)電壓值,最后再將獲得的優(yōu)化電壓值作為恒電壓控制方法的恒定電壓參數(shù),從而實現(xiàn)復(fù)雜環(huán)境下仍能準(zhǔn)確快速的追蹤到最大功率點(diǎn)。其結(jié)構(gòu)圖如圖3所示。

        3.1BP神經(jīng)網(wǎng)絡(luò)

        BP神經(jīng)網(wǎng)絡(luò)可通過從真實的具有廣泛代表性的數(shù)據(jù)中歸納出基于采樣數(shù)據(jù)的預(yù)測模型,BP神經(jīng)網(wǎng)絡(luò)的算法可分為神經(jīng)網(wǎng)絡(luò)的構(gòu)建、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、神經(jīng)網(wǎng)絡(luò)的預(yù)測3部分。本文中是根據(jù)外界的溫度和光照強(qiáng)度來預(yù)測此時的最佳工作電壓,既輸入層有溫度和光照強(qiáng)度兩個節(jié)點(diǎn),輸出層是最佳電壓一個節(jié)點(diǎn)。本文通過試湊法來確定隱含層的最佳節(jié)點(diǎn)數(shù),試湊法的公式如下[7]

        (10)

        其中,M是輸入層神經(jīng)元個數(shù);L是輸出層神經(jīng)元個數(shù);α是1~10之間的常數(shù);Q是隱含層的神經(jīng)元個數(shù)。經(jīng)過反復(fù)測試和結(jié)合實際情況,最終確定了隱含層有5個節(jié)點(diǎn)。

        文中采用上述新型光伏電池仿真模型,記錄了60組在不同時刻下環(huán)境溫度、光照強(qiáng)度和最大功率點(diǎn)的電壓。再通過Matlab訓(xùn)練光伏MPPT控制的神經(jīng)網(wǎng)絡(luò),將光照強(qiáng)度和外界環(huán)境的溫度作為輸入,最大功率點(diǎn)的電壓作為輸出,隨機(jī)選取51組數(shù)據(jù)作為網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù),其余的9組作為網(wǎng)絡(luò)測試數(shù)據(jù),構(gòu)建好的神經(jīng)網(wǎng)絡(luò)。

        文中選用Trainlm函數(shù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練,隱含層的傳輸函數(shù)選為Tansing函數(shù),輸出層的傳輸函數(shù)選為Purelin函數(shù),最大訓(xùn)練設(shè)置為3 000步,誤差指標(biāo)為0.01。

        3.2遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)

        本文采用遺傳算法對神經(jīng)網(wǎng)絡(luò)的3個部分進(jìn)行優(yōu)化[8]:首先通過輸入和輸出參數(shù)的個數(shù)來確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu);然后使用遺傳算法計算出適應(yīng)度值和一系列遺傳操作得到最優(yōu)個體,且其可對神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行賦值;最后通過優(yōu)化的神經(jīng)網(wǎng)絡(luò)預(yù)測輸出。

        上文已經(jīng)確立了網(wǎng)絡(luò)結(jié)構(gòu)為2-5-1型,共有2×5+5×1=15個權(quán)值,5+1=6個閾值,本文選擇的遺傳算法的個體編碼長度為15+6=21。采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出與期望輸出的誤差絕對值和作為適應(yīng)度函數(shù)F公式如下

        F=k(abs(yi-oi))

        (11)

        文中采用輪盤賭法作為遺傳算法的選擇操作,每個個體的選擇概率Pi為

        (12)

        對實數(shù)編碼個體進(jìn)行交叉操作的方法如下[9]

        (13)

        再選取第i個個體的第j個基因aij進(jìn)行如下的變異操作

        (14)

        其中,yi和oi分別是第i個節(jié)點(diǎn)的期望輸出和神經(jīng)網(wǎng)絡(luò)預(yù)測輸出;fi=k/Fi;N是種群個體數(shù)目;b和r是[0,1]之間的隨機(jī)數(shù)[10],f(t)=r(1-t/Tmax);t是指當(dāng)前迭代的次數(shù),Tmax是指最大進(jìn)化的次數(shù)。

        遺傳算法的具體運(yùn)行的參數(shù)如下:種群規(guī)模數(shù)為10,交叉概率為0.4,終止進(jìn)化次數(shù)為30,變異概率為0.2。進(jìn)化結(jié)束后將遺傳算法得到的最優(yōu)個體賦值到神經(jīng)網(wǎng)絡(luò)中。

        4 仿真分析

        為驗證所設(shè)計基于GA-BPNN控制的MPPT比傳統(tǒng)的控制方式要優(yōu)越,文中搭建了基于GA-BPNN控制的光伏系統(tǒng)MPPT仿真模型如圖4所示。仿真參數(shù)具體設(shè)置為:環(huán)境溫度為25 ℃,光照強(qiáng)度設(shè)置為1 000 W/m2和800 W/m2,仿真時間設(shè)置為0.02 ,在啟動時光照強(qiáng)度設(shè)置為1 000 W/m2,接著在0.01 后將光照強(qiáng)度轉(zhuǎn)換成800 W/m2。

        該系統(tǒng)采用GA-BPNN控制方式,使光伏電池輸出電壓始終保持在其最大功率點(diǎn)處。光伏電池與后續(xù)的升壓電路之間用一個容量為100 μF大電容連接,將此大電容作為Boost電路的直流源。本文中考慮到一定的裕量將Boost電感設(shè)置為10 mH,整個系統(tǒng)的負(fù)載設(shè)置為5 Ω。仿真結(jié)果如圖5(a)所示,圖5(b)是基于干擾觀測法控制的系統(tǒng)仿真圖。

        圖4 基于GA-BPNN控制算法的光伏系統(tǒng)MPPT仿真模型

        (a) 基于GA-BPNN的仿真圖

        (b) 基于干擾觀測法的仿真圖圖5 干擾觀測法控制系統(tǒng)仿真圖

        比較圖5(a)與圖5(b)可發(fā)現(xiàn),在1 000 W/m2光照強(qiáng)度的環(huán)境下,系統(tǒng)還沒有追蹤到最大功率點(diǎn),光照強(qiáng)度突然從1 000 W/m2轉(zhuǎn)換成800 W/m2時,系統(tǒng)會出現(xiàn)嚴(yán)重的震蕩現(xiàn)象,而基于GA-BPNN控制的系統(tǒng)則會較為平穩(wěn)的過渡,并相比于干擾觀測法,其還可快速的追蹤到最大功率點(diǎn)。究其原因,基于GA-BPNN的控制算法,正是由于擁有遺傳算法的過程,從而能克服P&O控制方法不能適應(yīng)各種復(fù)雜環(huán)境的缺點(diǎn)。

        比較兩圖發(fā)現(xiàn)時間經(jīng)過0.01 s后,圖5(a)中的功率值能夠穩(wěn)定在100 W處,然而在圖5(b)中的功率值卻總在100 W左右擺動。這是由于基于GA-BPNN的控制算法需通過不斷的擾動來判斷其現(xiàn)在是否處于最大功率點(diǎn),所以在光照強(qiáng)度穩(wěn)定時,輸出的最大功率也較為穩(wěn)定。

        5 結(jié)束語

        本文針對復(fù)雜氣象環(huán)境下傳統(tǒng)的MPPT控制方法不能準(zhǔn)確的追蹤到最大功率點(diǎn)問題,設(shè)計了基于GA-BPNN的MPPT控制系統(tǒng)。通過對比和分析兩種控制方式下的最終仿真波形圖,結(jié)果驗證了GA-BPNN具有應(yīng)對復(fù)雜氣象環(huán)境的能力。

        [1]李營.基于分段模糊控制方法的光伏MPPT控制策略研究[J].機(jī)電工程技術(shù),2015, 44(8):82-86.

        [2]張正文,譚文龍,潘甲,等.狼群搜索算法在光伏陣列MPPT中的應(yīng)用[J].河南科技大學(xué)學(xué)報:自然科學(xué)版,2015,36(5):57-61.

        [3]楊永恒,周克亮.光伏電池建模及MPPT控制策略[J].電工技術(shù)學(xué)報,2011,26(S1):229-234.

        [4]Aissa Chouder,Santiago Silvestre,Nawel Sadaoui,et al.Modelling and simulation of a grid connected PV system based on the evaluation of main PV module parameters [J].Simulation Modelling Practice and Theory,2012,20(1):46-58.

        [5]肖伸平,曾鈺,趙培哲.改進(jìn)干擾觀測法在光伏發(fā)電系統(tǒng)MPPT中的應(yīng)用[J].新型工業(yè)化,2014(4):45-50.

        [6]張毅,帕孜來·馬合木提,徐立亮.改進(jìn)3點(diǎn)權(quán)位法的光伏電池MPPT控制器的應(yīng)用研究[J].電氣傳動,2015,45(6):65-68.

        [7]Veerachary M,Senjyu T,Uezato K. Neural network based maximum power point tracking of coupled-inductor interleaved-boost-converter-suppied pv system using fuzzy controller[J].IEEE Transactions on Ind Electronics,2003,50(4):749-758.

        [8]王小川,史峰,郁磊,等.Matlab神經(jīng)網(wǎng)絡(luò)43個案例分析[M].北京:北京航空航天大學(xué)出版社,2013.

        [9]朱獻(xiàn)文.基于遺傳算法和Hopfield神經(jīng)網(wǎng)絡(luò)的字符識別方法[J].電子設(shè)計工程,2011,19(18):57-59.

        [10] 王德明,王莉,張廣明.基于遺傳BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測模型[J].浙江大學(xué)學(xué)報:工學(xué)版,2012,46(5):837-841.

        Comparison of MPPT Control Methods Based on GA-BPNN and Perturb & Observe Algorithm

        JIN Yanfei, ZHANG Huilin, ZHANG Song, SHI Chaoran, LI Rongwei

        (School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

        This paper introduces a modified constant pressure PV MPPT control algorithm based on GA-BPNN for better power point tracking effect than traditional control method under complex weather conditions. The simulation model of a modified constant pressure PV MPPT control algorithm based on GA-BPNN is constructed and compared with the P&O control method. The result shows that the algorithm can track maximum power point accurately and quickly with better stability and higher precision.

        photovoltaic array; BP neural network; genetic algorithm; disturbance observation method

        10.16180/j.cnki.issn1007-7820.2016.08.042

        2015-11-18

        滬江基金資助項目(B1402/D1402)

        金焱飛(1991-),男,碩士研究生。研究方向:電力電子與電力傳動。

        TM914.4+3; TP391

        A

        1007-7820(2016)08-145-04

        猜你喜歡
        控制算法遺傳算法觀測
        觀測到恒星死亡瞬間
        軍事文摘(2023年18期)2023-11-03 09:45:42
        基于ARM+FPGA的模塊化同步控制算法研究
        基于自適應(yīng)遺傳算法的CSAMT一維反演
        一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
        天測與測地VLBI 測地站周圍地形觀測遮掩的討論
        基于遺傳算法和LS-SVM的財務(wù)危機(jī)預(yù)測
        可觀測宇宙
        太空探索(2016年7期)2016-07-10 12:10:15
        基于改進(jìn)的遺傳算法的模糊聚類算法
        高分辨率對地觀測系統(tǒng)
        太空探索(2015年8期)2015-07-18 11:04:44
        一種優(yōu)化的基于ARM Cortex-M3電池組均衡控制算法應(yīng)用
        少妇人妻大乳在线视频不卡| 女同在线视频一区二区| 国产一区二区黄色的网站| 蜜臀亚洲av无码精品国产午夜.| 九月婷婷人人澡人人添人人爽| 亚洲色成人WWW永久在线观看| 少妇一级内射精品免费 | 日本真人添下面视频免费| 久久亚洲精品无码va白人极品| 96免费精品视频在线观看| 亚洲一区二区视频蜜桃| 中文字幕亚洲一区二区不下| 人妻有码中文字幕| 九九精品无码专区免费| 中文字幕被公侵犯的丰满人妻| 日本中文字幕有码网站| 双腿张开被9个男人调教| 亚洲av日韩av综合aⅴxxx| 精品色老头老太国产精品| 日韩av无码社区一区二区三区| 成人激情五月天| 日本女优中文字幕看片| 国产精品高清国产三级国产av| 国产乡下妇女做爰| 天码av无码一区二区三区四区 | 偷拍激情视频一区二区三区| 少妇太爽了在线观看| 日本护士一区二区三区高清热线| 婷婷色精品一区二区激情| 精品亚洲成a人片在线观看| 午夜三级网| 天堂精品人妻一卡二卡| 少妇高潮av久久久久久| 精品性高朝久久久久久久| 亚洲免费无毛av一区二区三区| 精品少妇一区二区三区免费 | 亚洲国产av一区二区三区四区| 秋霞国产av一区二区三区| 一二三区无线乱码中文在线| 婷婷五月综合丁香在线| 亚洲欧洲美洲无码精品va|