基于BP神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)多峰最大功率點(diǎn)跟蹤策略

姚遠(yuǎn)

摘要：針對(duì)在實(shí)際發(fā)電過(guò)程中光伏陣列P-U特性曲線(xiàn)呈現(xiàn)多個(gè)功率峰值點(diǎn)問(wèn)題，本文在光伏電池的結(jié)構(gòu)、原理和模型的基礎(chǔ)上，分析了在非均勻光照條件下光伏系統(tǒng)的輸出特性，根據(jù)復(fù)雜光照條件下最大功率點(diǎn)呈現(xiàn)多峰的特性，提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的最大功率點(diǎn)跟蹤策略。仿真結(jié)果表明：將BP神經(jīng)網(wǎng)絡(luò)用于多峰最大功率跟蹤控制精度高，響應(yīng)迅速，且系統(tǒng)適應(yīng)性良好。

關(guān)鍵詞：光伏系統(tǒng)；多峰最大功率點(diǎn)跟蹤；BP神經(jīng)網(wǎng)絡(luò)；輸出特性

中圖分類(lèi)號(hào)：TP183 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）06-0070-04

太陽(yáng)能資源豐富，分布廣泛，開(kāi)發(fā)利用前景廣闊。光伏發(fā)電是一種簡(jiǎn)易而清潔的太陽(yáng)能利用方式，近年來(lái)受到廣泛青睞，發(fā)展迅速。但在發(fā)展過(guò)程中也存在許多問(wèn)題，其中效率是其主要問(wèn)題[1]。提高光伏系統(tǒng)效率的主要措施之一是最大功率點(diǎn)跟蹤控制[2]。然而在光伏發(fā)電時(shí)，光伏陣列易受到建筑、樹(shù)木等造成的陰影影響，使其P-U特性曲線(xiàn)呈現(xiàn)多個(gè)功率峰值點(diǎn)，導(dǎo)致傳統(tǒng)的MPPT算法（如恒壓法、導(dǎo)電增量法、擾動(dòng)觀(guān)察法等）易陷入局部極值點(diǎn)，從而無(wú)法尋找到全局最大功率點(diǎn)[3-5]。BP神經(jīng)網(wǎng)絡(luò)具有魯棒性高，適應(yīng)性良好，追蹤速度快等優(yōu)點(diǎn)，能夠有效避免算法陷入局部極值點(diǎn)[6]?；谝陨戏治?，本文擬采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行光伏陣列多峰MPPT控制，以達(dá)到提高光伏系統(tǒng)效率的目的。最終通過(guò)仿真分析，并與傳統(tǒng)跟蹤方法進(jìn)行對(duì)比，該方案能夠快速準(zhǔn)確地跟蹤最大功率點(diǎn)，有效提高了光伏陣列的輸出功率，具有良好的實(shí)用價(jià)值。

1 局部陰影條件下光伏陣列的輸出特性

1.1 光伏電池的等效模型

光伏電池的等效模型，如圖1所示。

Sref、Tref分別代表標(biāo)準(zhǔn)情況下的參考光強(qiáng)與參考溫度；Isc、Usc、Im、Um為標(biāo)準(zhǔn)情況下光伏電池的四個(gè)參數(shù)；S、T為任意時(shí)刻的光強(qiáng)與溫度；a、c代表溫度補(bǔ)償系數(shù)，b代表光強(qiáng)補(bǔ)償系數(shù)。

1.2 復(fù)雜光照條件下光伏陣列的輸出特性

1.2.1 不同光照分布下光伏陣列的輸出特性

本文以10塊光伏電池板串聯(lián)構(gòu)建光伏陣列。假設(shè)在標(biāo)準(zhǔn)環(huán)境溫度下，該陣列受到A、B、C三類(lèi)光照分布。分布情況如表1所示。

仿真采用型號(hào)為DPL5M36-85的光伏電池。在溫度T=25℃，光照強(qiáng)度C=1kW/m2下，其參數(shù)為：開(kāi)路電壓Uoc=22.2V，短路電流Isc=5.45A，最大功率點(diǎn)電壓Um=17.2V，最大功率點(diǎn)電流Im=4.95A。三種不同光照條件下光伏陣列的I-V特性、P-V特性仿真曲線(xiàn)如圖2所示。

圖2（a）表明當(dāng)光照條件不均勻時(shí)，光伏陣列的I-U曲線(xiàn)會(huì)出現(xiàn)拐點(diǎn)；由圖2（b）可知，當(dāng)光伏陣列處于光照條件A下時(shí)，只存在一個(gè)最大功率點(diǎn)：P1=852.79W，U1=174.93V；當(dāng)光伏陣列處于光照條件B下時(shí)，出現(xiàn)兩個(gè)功率極值點(diǎn)（U2，P2），（U3，P3），P2=607.19W，U2=124.55V，P3=755.20W，U3=181.42V，其中極值點(diǎn)（U3，P3）為全局最大功率點(diǎn)。

當(dāng)光伏陣列處于光照條件C下時(shí)，出現(xiàn)三個(gè)功率極值點(diǎn)（U4，P4），（U5，P5），（U6，P6），其中極值點(diǎn)（U6，P6）為全局最大功率點(diǎn)。P6=405.45W，U6=192.27V。

處于不同陰影分布時(shí)，光伏陣列的輸出特性曲線(xiàn)不同。串聯(lián)光伏陣列受到的不同光照強(qiáng)度數(shù)目決定了I-V，P-V特性曲線(xiàn)拐點(diǎn)的數(shù)目，即有幾種不同的入射光照，P-V特性曲線(xiàn)就有幾個(gè)局部峰值功率點(diǎn)，呈現(xiàn)多峰特性[7]。

1.2.2 不同溫度下光伏陣列的輸出特性

處于光照條件C下的光伏陣列，當(dāng)外界溫度變化時(shí)（0℃，25℃，40℃），其P-V、I-V輸出特性曲線(xiàn)如圖3所示。

由上述分析可知，在復(fù)雜環(huán)境條件下，功率電壓特性將出現(xiàn)多峰關(guān)系，峰值隨環(huán)境情況而變動(dòng)，具有不確定性。傳統(tǒng)的MPPT方法，如擾動(dòng)觀(guān)察法、電導(dǎo)增量法和恒壓法等將無(wú)法有效追蹤最大功率點(diǎn)，從而導(dǎo)致整個(gè)光伏系統(tǒng)效率的下降[8]。

2 BP神經(jīng)網(wǎng)絡(luò)在多峰最大功率點(diǎn)跟蹤中的應(yīng)用

2.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型圖4所示。

2.2 BP神經(jīng)網(wǎng)絡(luò)在多峰最大功率點(diǎn)跟蹤中的應(yīng)用

本文采用三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸入層與輸出層個(gè)數(shù)分別3和1。其輸入量分別為時(shí)間（t）、溫度（T）、光照強(qiáng)度（S），輸出量為最大功率點(diǎn)功率P。

經(jīng)過(guò)反復(fù)測(cè)試比較，隱含層神經(jīng)元個(gè)數(shù)設(shè)置為10個(gè)。隱含層的初始權(quán)值設(shè)置為0.1*randn（4， 10）；輸出層的初始權(quán)值設(shè)置為[+1，-1，+1，-1，+1，-1，+1，-1，+1，-1]。設(shè)定網(wǎng)絡(luò)學(xué)習(xí)步長(zhǎng)為0.35，動(dòng)量系數(shù)為0.8，網(wǎng)絡(luò)訓(xùn)練次數(shù)為8000，網(wǎng)絡(luò)訓(xùn)練精度為le-1。采用TRAINGDM算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。訓(xùn)練結(jié)果如圖5所示。

3 仿真分析

利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真預(yù)測(cè)。得到最大功率點(diǎn)跟蹤曲線(xiàn)，如圖6所示。

由圖6可知，與傳統(tǒng)預(yù)測(cè)方法對(duì)比，BP神經(jīng)網(wǎng)絡(luò)跟蹤速度快，并且?guī)缀鯖](méi)有穩(wěn)態(tài)誤差。能夠快速越過(guò)局部極值點(diǎn)，尋找到全局最大功率點(diǎn)，具有良好的動(dòng)態(tài)性及魯棒性。

圖7為恒壓法與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差曲線(xiàn)。由圖7可知，在04h后，恒壓法產(chǎn)生了很大的誤差，無(wú)法準(zhǔn)確追蹤最大功率點(diǎn)；而B(niǎo)P神經(jīng)網(wǎng)絡(luò)則保持著良好的追蹤效果，實(shí)際值與預(yù)測(cè)值的平均誤差為6.8277。

4 結(jié)語(yǔ)

本文研究了光伏電池的結(jié)構(gòu)及輸出特性，以及在復(fù)雜光照條件下的光伏系統(tǒng)最大功率點(diǎn)出現(xiàn)多峰的現(xiàn)象，提出采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行多峰情況下MPPT的跟蹤。經(jīng)仿真分析可知該方法可以快速準(zhǔn)確地跟蹤陰影和陰影情況下的最大功率點(diǎn)，從而顯著提高光伏系統(tǒng)的輸出功率以及光伏系統(tǒng)的效率。

參考文獻(xiàn)

[1]林虹江，周步祥，冉伊，詹長(zhǎng)杰，楊昶宇.基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法的光伏系統(tǒng)最大功率點(diǎn)跟蹤研究[J].電測(cè)與儀表，2015，（5）：35-40.

[2]郭亮.基于粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)最大功率點(diǎn)跟蹤研究[D].西南交通大學(xué)，2011.

[3]王志兵.基于恒壓法結(jié)合變步長(zhǎng)電導(dǎo)增量法的最大功率點(diǎn)跟蹤[J].科學(xué)技術(shù)與工程，2012，（19）：4638-4642.

[4]熊遠(yuǎn)生，俞立，徐建明.固定電壓法結(jié)合擾動(dòng)觀(guān)察法在光伏發(fā)電最大功率點(diǎn)跟蹤控制中應(yīng)用[J].電力自動(dòng)化設(shè)備，2009，（6）：85-88.

[5]馮濤，陳華.固定電壓法結(jié)合電導(dǎo)增量法在光伏發(fā)電最大功率點(diǎn)跟蹤控制中的應(yīng)用[J].電源技術(shù)應(yīng)用，2011，（6）：23-27.

[6]李騰飛.復(fù)雜光照條件下光伏發(fā)電系統(tǒng)輸出特性及最大功率點(diǎn)跟蹤研究[D].太原理工大學(xué)，2014.

[7]朱艷偉，石新春，但揚(yáng)清，等.粒子群優(yōu)化算法在光伏陣列多峰最大功率點(diǎn)跟蹤中的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012，（4）：42-48+20.

[8]崔巖，白靜晶.光伏陣列多峰最大功率點(diǎn)跟蹤研究[J].電機(jī)與控制學(xué)報(bào)，2012，（6）：87-91.