基于遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡在光伏發(fā)電MPPT中的應用.pdf

1、隨著傳統(tǒng)燃料的日漸消耗與能源需求量的不斷提升，可再生能源逐漸受到關注。由于太陽能具有綠色、安全、可再生等特點，近年來，太陽能光伏發(fā)電已經(jīng)在我國得到了飛速發(fā)展。但光伏電池具有生產(chǎn)成本高、光電轉(zhuǎn)換效率低的缺點，因此如何使光伏電池持續(xù)有效地輸出最大功率以提高發(fā)電效率和降低發(fā)電成本則成為了當下研究的重點。針對該問題，本文利用神經(jīng)網(wǎng)絡的非線性擬合能力以及遺傳算法突出的尋優(yōu)特點，提出了遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡對光伏發(fā)電系統(tǒng)最大功率點進行預測控制

2、。
　　首先，本文對光伏發(fā)電的研究背景及國內(nèi)外研究現(xiàn)狀進行了綜述，介紹了目前光伏發(fā)電MPPT技術(shù)的判斷標準及不足。詳細說明了光伏電池的工作原理，通過 MATLAB搭建光伏電池模型獲得了U-I及P-V動態(tài)變化曲線，并在此基礎上得出光照強度和溫度為影響最大功率點輸出的主要因素。
　　接著，闡述了光伏發(fā)電最大功率點跟蹤的原理，分析了傳統(tǒng)跟蹤方法及其改進方法的優(yōu)缺點。針對傳統(tǒng)方法的不足，介紹了基于現(xiàn)代控制理論的神經(jīng)網(wǎng)絡控制法，通過R

3、BF神經(jīng)網(wǎng)絡函數(shù)逼近能力的分析，選擇其對光伏發(fā)電最大功率點進行預測控制。
　　然后，對于RBF神經(jīng)網(wǎng)絡中存在的不足，本文使用了遺傳算法對其數(shù)據(jù)中心、擴展常數(shù)及權(quán)值進行優(yōu)化。通過將RBF神經(jīng)網(wǎng)絡的數(shù)據(jù)中心和其對應的擴展常數(shù)以及權(quán)值統(tǒng)一編碼，加強了隱含層和輸出層的合作關系，并利用遺傳算法全局搜索的功能特性，使得整個網(wǎng)絡模型達到全局最優(yōu)。此外，對遺傳算法本身的機制作出相應的改進，使遺傳操作更加完善。
　　最后，將遺傳算法優(yōu)化后的R