[发明专利]一种基于LSSVM的光伏最大功率点跟踪的控制方法

说明书

技术领域

本发明属于光伏发电领域，具体涉及一种基于LSSVM的光伏最大功率点跟踪的控制方法。

背景技术

随着社会的快速发展，能源危机和环境污染成为亟待解决的问题。可再生能源的利用成为近年来各个领域研究的热点。太阳能具有普遍的存在性、储量的无限性、使用的清洁性等优点，是人类社会很理想的未来能源。利用太阳能进行发电是可持续发展能源战略的重要决策。

为了实现光能的最大利用率，需要对光伏电池进行最大功率点跟踪。目前，常用的实现最大功率点跟踪的方法主要有以下几种：恒定电压法、扰动观察法、电导增量法、最优梯度法、神经网络法等。其中，恒定电压法在温度变化不大时具有良好的可靠性和稳定性，但实际中，一年四季或每天晨午温差较大，该方法会降低系统运行效率。扰动观察法结构简单，测量参数少。电导增量法在外界温度和光照等环境发生变化时，其动态特性和跟踪特性较好。但扰动观察法和电导增量法由于步长固定，都存在一个缺点，即步长过小，则导致光伏电池长时间停留在低功率工作状态；如果步长过大，则导致光伏发电系统输出振荡加剧。针对此缺点，有学者提出变步长方法，当离最大功率点较远时，采用较大步长，加快寻优速度；当离最大功率点较近时，采用较小步长，保证跟踪精度，利于系统稳定。最优梯度法是一种以梯度法为基础的多维无约束最优化问题的数值计算法，该方法中需要选择电压增量系数，相当于扰动观察法和电导增量法中的步长。神经网络具有大规模并行处理能力、容错性、自组织及自适应能力强等特点，但也有易陷入局部最小、神经网络结点个数难以确定等不可避免的缺点。

发明内容

针对现有技术的不足，本发明提出一种基于MATLAB/Simulink中LSSVM工具箱的光伏最大功率点跟踪的控制方法，能够有效避免系统在最大功率点处震荡运行。

本发明提供的一种基于LSSVM的光伏最大功率点跟踪的控制方法，其改进之处在于，所述方法包括如下步骤：

（1）建立光伏电池模型；

（2）确定模型中设定温度值和太阳辐射强度下MPPT对应的电压和电流；

（3）根据温度、太阳辐射强度、电压及电流序列，得到最小二乘支持向量机模型中的训练集和测试集样本；

（4）利用交叉验证方法选择最小二乘支持向量机的训练集的训练参数；

（5）利用训练集的样本数据，通过选择的所述训练参数对最小二乘支持向量机进行训练，并根据最优参数得到训练模型；

（6）根据所述训练模型对所述测试集进行测试并对结果进行评价。

其中，步骤（1）所述建立光伏电池模型是指根据光伏电池的工程数学模型，在MATLAB中建立其仿真模型。

其中，步骤（3）训练集和测试集样本的数据集为：

D‾={X(n),Y(n)},n=1,2,···,M---1)]]>

其中，