基于遗传算法优化的RBF神经网络在光伏发电MPPT中的应用-电气工程专业论文.docxVIP

万方数据 万方数据 湖南工业大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本 论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 作者签名： 日期： 年 月 日 湖南工业大学论文版权使用授权书 本人了解湖南工业大学有关保留、使用学位论文的规定，即：学 校有权保留学位论文，允许学位论文被查阅和借阅；学校可以公布学 位论文的全部或部分内容，可以采用复印、缩印或其他手段保存学位 论文；学校可根据国家或湖南省有关部门规定送交学位论文。 作者签名： 导师签名： 日期： 年 月 日 摘 要 随着传统燃料的日渐消耗与能源需求量的不断提升，可再生能 源逐渐受到关注。由于太阳能具有绿色、安全、可再生等特点，近 年来，太阳能光伏发电已经在我国得到了飞速发展。但光伏电池具 有生产成本高、光电转换效率低的缺点，因此如何使光伏电池持续 有效地输出最大功率以提高发电效率和降低发电成本则成为了当下 研究的重点。针对该问题，本文利用神经网络的非线性拟合能力以 及遗传算法突出的寻优特点，提出了遗传算法优化的 RBF 神经网络 对光伏发电系统最大功率点进行预测控制。 首先，本文对光伏发电的研究背景及国内外研究现状进行了综 述，介绍了目前光伏发电 MPPT 技术的判断标准及不足。详细说明 了光伏电池的工作原理，通过 MATLAB 搭建光伏电池模型获得了 U-I 及 P-V 动态变化曲线，并在此基础上得出光照强度和温度为影响 最大功率点输出的主要因素。 接着，阐述了光伏发电最大功率点跟踪的原理，分析了传统跟 踪方法及其改进方法的优缺点。针对传统方法的不足，介绍了基于 现代控制理论的神经网络控制法，通过 RBF 神经网络函数逼近能力 的分析，选择其对光伏发电最大功率点进行预测控制。 然后，对于 RBF 神经网络中存在的不足，本文使用了遗传算法 对其数据中心、扩展常数及权值进行优化。通过将 RBF 神经网络的 数据中心和其对应的扩展常数以及权值统一编码，加强了隐含层和 输出层的合作关系，并利用遗传算法全局搜索的功能特性，使得整 个网络模型达到全局最优。此外，对遗传算法本身的机制作出相应 的改进，使遗传操作更加完善。 最后，将遗传算法优化后的 RBF 神经网络与优化前的网络对同 一光伏发电系统最大功率点进行预测，结果显示优化后的 RBF 神经 网络达到目标误差的训练次数较优化前明显减少，平均误差降低了 3.7%，结果证明遗传算法优化后的 RBF 神经网络不仅提高了预测速 度，还提高了预测精确度，从而能更好地实现光伏发电最大功率点 跟踪控制。 关键词： 光伏，最大功率点跟踪，RBF 神经网络，遗传算法 I ABSTRACT With the increasing consumption of traditional fuel and rising demand for energy, renewable energy draws more and more attention. As a kind of safty and renewable energy, solar energy has a widely application prospect that has got rapid development in our country. But the low efficiency and high cost factors have seriously restricted the promotion and use of the photovoltaic power generation system at present, so how to improve the efficiency and reduce the cost of power generation becomes a key problem to research. As the maximum power point tracking (MPPT) is an important way to improve the conversion efficiency, this paper presented a new control method which is based on genetic algorithm to optimize the RBF neural network by using the neural networks' fitting and prediction