【2017年整理】基于一种改进的BP神经网络光伏电池建模.docVIP

　　 23卷 　 7期第第 文章编号 : 1006 - 9348 ( 2006 ) 07 - 0228 - 03 计　 　 　 　算机仿真 2006年 7月 　　 基于一种改进的 BP神经网络光伏电池建模 李炜 ,朱新坚 ,曹广益 (上海交通大学电子信息与电气工程学院自动化系 ,上海 200030 ) 摘要 :由于光伏电池具有高度非线性特性 ,难以建模 ,而传统的数学模型难以满足光伏控制系统设计和应用的要求 。该文利 用神经网络具有逼近任意复杂非线性函数的能力 ,将神经网络技术应用到光伏阵的建模中 ,避开了该模块内部的复杂性 。 模型以太阳能日照 、温度以及负载电压作为神经网络辨识模型的输入量 ,光伏阵输出电流为输出量 ,采用改进型 BP算法 ,建 立了光伏电池的动态响应模型 ,然后预测了最大功率点 。文中给出模型的结构 ,训练步骤和仿真结果 。仿真结果表明 ,方法 可行 ,建立的模型精度较高 ,从而为设计光伏实时控制系统奠定了基础 。 关键词 :光伏电池 ;神经网络 ;建模 中图分类号 : TP273　　文献标识码 : A M odelin g of Photovolta ic - Array Ba sed on I proved BPm Neura l Networks Iden tif ica tion L IW ei, ZHU X in - jian, CAO Guang - yi ( Shanghai J iaotong University, Shanghai 200030 , China ) ABSTRACT: For the serious comp lexity of photovoltaic array ( PV ) , modeling of it is very difficult and the existing models are too comp licated to be app lied to designing and controlling the system , especially to on - line controlling. In this paper, we try to establish a voltage and current model of PV array by using neural networks identification tech2 nique. The temperature, radiation and voltage of the solar cells are taken as the input and the current as the output of the neural networks model In this way, we can avoid the internal comp lexity of PV module. The 595 group s experi2. mental data are used, and the structure and the novel BP algorithm of neural networks identification system are given. The validity and accuracy of the model are p roved by the si ulation results The neural networks modeling makes itm. possible to design on - line controller of PV system. KEYW O RD S: Photovoltaic array; Neural network; Modeling 1　引言 太阳能电池根据光生伏特效应原理 ,将太阳光能直接转 化为电能 ,在转化过程中 ,没有污染和噪声 。太阳能是可再 生能源 ,利用这种能源不仅能够减少燃料损耗 ,还可以改善 环境污染和全球变暖给人类生存所带来的威胁 ,因而越来越 受到人们的关注 。 太阳电池阵列 (也称为光伏阵 ) 本质上是一种高度非线 性功率源 。其功率输出主要随太阳能日照和电池温度的变 化而变化 。目前已建立的模型大多是基于光伏阵的物理模 型进行建模 ,对系统功率流进行计算 ,从而对系统的长期稳 态性能进行评价 。然而 ,这种方法需要有太阳电池和生产规 格等详细的物理参数 。对于用户而言 ,这些参数不容易获 得 ,而且推导出的数学模型不一定准确 ,因此基于此法预测 的最大功率点与实际情况相差较大 [ 1 ] 。其建模精度极为有 限 ,而且这些模型表达式过于复杂 ,