准最小二乘的神经网络在光伏MPPT中的应用
来源期刊:控制工程2018年第12期
论文作者:张海洲 张正江 胡桂廷 陈倩 闫正兵 郑崇伟
文章页码:2257 - 2262
关键词:光伏发电系统;最大功率点跟踪;测量误差;准最小二乘;神经网络;
摘 要:传统的神经网络以最小二乘(LS)为学习函数,对训练数据的准确性有较高要求。考虑存在测量误差的训练数据对传统神经网络的影响,提出了一种基于准最小二乘的神经网络(QLS-NN)并应用于光伏发电系统的最大功率点跟踪(MPPT)上。根据光伏电池的内部结构和伏安特性建立其数学模型。根据模型所反映的规律,将温度和照度作为输入变量,最大功率与对应的电压作为输出变量,构建了用于MPPT的QLS-NN。神经网络训练后对最大功率点进行预测与跟踪。仿真结果表明QLS-NN具有较高的鲁棒性,可显著提高了光伏发电系统MPPT的精度。
张海洲,张正江,胡桂廷,陈倩,闫正兵,郑崇伟
温州大学电气数字化设计技术国家地方联合工程实验室
摘 要:传统的神经网络以最小二乘(LS)为学习函数,对训练数据的准确性有较高要求。考虑存在测量误差的训练数据对传统神经网络的影响,提出了一种基于准最小二乘的神经网络(QLS-NN)并应用于光伏发电系统的最大功率点跟踪(MPPT)上。根据光伏电池的内部结构和伏安特性建立其数学模型。根据模型所反映的规律,将温度和照度作为输入变量,最大功率与对应的电压作为输出变量,构建了用于MPPT的QLS-NN。神经网络训练后对最大功率点进行预测与跟踪。仿真结果表明QLS-NN具有较高的鲁棒性,可显著提高了光伏发电系统MPPT的精度。
关键词:光伏发电系统;最大功率点跟踪;测量误差;准最小二乘;神经网络;