基于GA-BP神经网络的光伏阵列MPPT研究.pdfVIP

学兔兔 第5l卷 第 2期 电测与仪表 Vo1．51NO．2 2014年 1月25日 ElectricalMeasurement Instrumentation Jan．25．2014 基于GA—BP神经网络的光伏阵列MPPT研究 陈年，王宏华，韩伟 (河海大学 能源与电气学院，南京 211100) 摘要：为了有效提高光伏发电系统的最大输出功率，在综合考虑传统算法优缺点的基础上 ，研究一种基于遗传 算法(GA)优化BP神经网络的光伏最大功率点跟踪(MPPT)方法。通过建立神经网络最大功率点预测模型，并将预 测模型转化为可在Simulink中直接使用的模块 ，避免了使用传统的s函数控制方法。在Matlab／Simulink环境下进 行了仿真验证，仿真结果表明在光照强度和温度迅速变化时，该新型算法较传统电导增量法明显缩短了MPPT 的跟踪时间，并且有效抑制了系统在最大功率点附近的波动。 关键词：光伏电池；神经网络；最大功率点跟踪 中图分类号：TM914 文献标识码：A 文章编号：1001—1390(2014)02—0040—05 ResearchonGA-BPBasedMPPTAlgorithm forPhotovoltaicArray CHENNian，WANGHong—hua，HANwei (CollegeofEnergyandElectricalEngineering，HohaiUniversity，Nanjing211100，China) Abstract：Toimprovethemaximum outputpowerofthephotovohaicpowergeneration system，thispaperproposesa newphotovohaicmaximumpowerpointtracking(uPer)methodaftercomprehensiveconsiderationofadvantagesand disadvantagesoftraditionalalgorithms．Themethodisbasedongeneticalgorithm (GA)optimizedBPneuralnetwork． Throughtheestablishmentofthemaximum powerpointpredictionmodelwithneuralnetworkandtheconversionof themodelto themodulethatcanbedirectlyused in Simulink，traditionalcontrolmethod using S function is avoided．Simulation resultswith MATLAB／Simulink show thatcompared with traditionalincrementalinductance method，ourmethod can trackMPP fasterandsuppressfluctuationsofthesystem atMPP moreefficientlywhen luminousintensityandtemperaturechangequickly． Keywords：photovohaicbattery，neuralnetwork，maximum powerpointtracking 0 引 言 观察法(P0)因扰动方向总是在不断变化 ，从而造 光伏电池根据光生伏打效应原理，将太阳能直接 成一定功率损失。电导增量法(Inc)虽然在光照强度 转化为电能。在转化过程中，具有环保、安全、寿命长 快速变化的情况下具有