自适应BP神经网络在光伏MPPT中的应用.pdf

第33卷第3期 太阳能学报 V01．33，No．3 2012年3月 ACTAENERGIAESOLARISSINICA Mar．，2012 文章编号：0254-0096(2012)034)468-05 自适应BP神经网络在光伏MPPT中的应用 胥 芳，张 任，吴乐彬，徐红伟 (特种装备制造与先进加工技术教育部／浙江省重点实验室，浙江工业大学，杭州310014) 摘要：根据光伏电池的内部结构和输出伏安特性建立Maflab仿真模型。比较了扰动观察法(P&O)、电导增量 法、恒定电压法、开路电压法和寄生电容法等几种光伏系统最大功率跟踪(MPPT)算法。由于这些算法存在在最大 功率点附近扰动较大、且受环境影响、鲁棒性较差等问题，提出一种基于神经网络的MPPT算法。将温度和光强作 为输入变量，通过神经网络识别后可得到最大功率点。仿真表明所提出的方法具有良好的适应性，显著提高了光 伏系统的转换效率。 关键词：太阳能；光伏系统；最大功率跟踪(MPPT)；神经网络；仿真 中图分类号：TM615 文献标识码：A 电阻组成‘¨。 0 引 言 一l一 一l—◆ 常用的太阳能光伏电池主要是硅太阳电池。太 阳能光伏电池在不同温度和光照作用下，其输出功 h。s 率呈非线性特征。为了提高输出效率和降低发电成 z∥釜■ 本，进而广泛推广光伏发电技术。为使光伏电池始 终工作在最大功率输出点，出于成本、难度、复杂性 图1光伏电池板等效电路图 circuitofPV 和稳定性考虑，研究一种高效的最大功率输出 Fig．1Equivalent panels (MPPT)算法具有重大现实意义。 光伏电池的数学模型可表示为∽]： 目前，国内外学者提出了多种MPPT算法。常 ，=，PH一厶Ie1I广一|-≠(1) 用的有扰动观察法(P&0)、电导增量法¨J、恒定电压 Ⅲ旷厶[e掣一1】一掣(1) 法、开路电压法旧。和寄生电容法。这些算法结构简 理想情况下R。可近似为零，R。H近似为无穷大， 单，但在最大功率点附近扰动较大，且受环境影响， 式(1)可简化为： 鲁棒性较差。近几年，神经网络理论的应用取得了 ，=Ipn一，0(e祈一1) (2) 较大发展，神经网络具有自适应特点，可以很好地拟 P=VI (3) 合光伏电池的非线性特性。本文设计了神经网络控 式中，，二—一输出电流；，PH——光生电流；，o——反向 制器，使神经网络MPPT控制器具有参数自适应调饱和电流；q——电子电荷；卜输出电压；R。—— 整，控制效果通过仿真和试验加以证实。 串联电阻；n——二极管品质因子；七——玻尔兹曼常 1光伏电池的特性 数；卜开氏温度；R。H——并联电阻。 公式(2)表明光伏电池的输出功率是日照强度 1．1光伏电池的等效模型 和温度的非线性函数。 根据光伏太阳电池板的内部结构和输出伏安特 1．2光伏电池的输出特性 性得到光伏方阵的等效电路如图1，它由一个受光 为了更好地理解光伏电池的特性，根据公式