[发明专利]一种基于神经网络的用于汽车的太阳能电池MPPT系统及控制方法

权利要求书

1.一种基于神经网络的用于汽车的太阳能电池MPPT系统，其特征在于，包括太阳能电池板，太阳能电池板通过至少四根液压杆将车顶与车体框架结构相连，通过在智能追踪最强光照度过程中对四根液压杆长度的控制，实现车顶倾角调节，实现最大功率点跟踪；太阳能电池板包括滑杆，设置在滑杆上的三角立体折叠太阳能子电池板组和可滑动平面太阳能子电池板，所述三角立体折叠太阳能子电池板组和可滑动平面太阳能子电池板能够组成一块平面的电池板，或能够组成由多个三角立体折叠子电池板组和多个可滑动平面子电池板组成的电池板；所述太阳能电池板上设有若干用于跟踪太阳移动状态的光传感器；

三角立体折叠太阳能子电池板组包括至少三块三角立体折叠太阳能子电池板，三块三角立体折叠太阳能子电池板两端能够在滑杆上滑动，中间一块三角立体折叠太阳能子电池板能够升起并与相邻两个三角立体折叠太阳能子电池板成0～180°倾角构成一个三角立体折叠太阳能子电池板组。

2.根据权利要求1所述的一种基于神经网络的用于汽车的太阳能电池MPPT系统，其特征在于，滑杆为两个，平行设置在车体顶端，滑杆为可伸缩结构，每个可滑动平面太阳能子电池板的一端的两角设有安置在滑轨上的滑块，滑块为带电磁铁，在展开过程中使相邻滑块带同极磁性互斥，快速展开，在收拢过程中，使相邻滑块带异极磁性相吸，将太阳能电池板的四个角与滑杆的顶端固定，四个角设有永磁铁。

3.根据权利要求1所述的一种基于神经网络的用于汽车的太阳能电池MPPT系统，其特征在于，传感器为至少8个，其中四个布置在远离太阳能电池板中心的四个角，另外四个布置在靠近太阳能电池板中心的四个角。

4.根据权利要求1所述的一种基于神经网络的用于汽车的太阳能电池MPPT系统，其特征在于，所述太阳能汽车的车体前盖后盖以及两边均覆盖一层轻薄的薄膜电池。

5.一种根据权利要求1-4任意一项所述的基于神经网络的用于汽车的太阳能电池MPPT系统的控制方法，其特征在于，包括以下步骤：

步骤1，在汽车运动过程中，启用靠近中心的四个光敏传感器，在汽车静止过程中，启用外围四个光敏传感器；

步骤2，光敏传感器,将光信号转化为数字信号即电压值进行比对，在允许的误差范围±d以内时，d为用户自行设定，单位为伏特(V)，表示电池板已经处于光照度最强的倾角；若误差范围大于±d，需要通过控制电机的正反转来控制四根液压杆的长度变化。

6.根据权利要求5所述的一种用于汽车的太阳能电池MPPT系统的控制方法，其特征在于，所述步骤2中，通过控制电机的正反转来控制四根液压杆的长度变化的具体方法包括以下步骤：

步骤1-1，在汽车静止或运动过程中，通过光传感器数据对比之后，将电池板调整到辐照度最强的位置，具体包括：

步骤101，定义光传感器为R1,R2,R3,R4，处于对角线的光传感器R1,R3或R2,R4分为一组两两比较，同理，处于对角线的一组液压杆由一个步进电机控制，通过光传感器可将光线强度转化为电压值；

步骤102，通过电压跟随器将信号传递到电压比较器进行比较，电压比较器即可直接比较输入端输入电压值，若同相输入大于反相输入则输出高电平，步进电机正转控制液压杆长度变化，若同相输入小于反相输入则输出低电平，步进电机反转控制液压杆长度变化；直到四个光敏电阻的感光强度一致，电池板到达辐照度最强的位置；

步骤1-2，进行最大功率点跟踪，具体包括：

步骤201，检测电池板的开路电压U_oc和时间参数T_p；

步骤202，基于神经网络寻优算法确认输出最大功率点处电压值U^*_mpp；

所述步骤202中，经神经网络寻优算法确认输出最大功率点处电压值U^*_mpp的具体方法包括：

步骤A，确定输入层参数：输入层包括开路电压U_oc，时间参数T_p，前一周同一时刻发电功率均值P以及偏差E；步骤A中所述偏差y(k)为实际输出功率，y_m(k)为理想状态预测输出功率，输出最大功率点处电压值即为U^*_mpp；

步骤B，在隐层部分进行学习和数值处理；若输入U_oc小于临界设定值ΔU_oc，则判定处于阴雨天，停止最大功率点跟踪过程；若输入U_oc大于临界设定值ΔU_oc，则判定处于晴天，开始进行权值计算记录数据；

步骤C，通过y(k)＝h₁w₁+h₂w₂+…+h_iw_i得出输出功率y(k)，其中，W＝[w₁,w₂,…,w_i]^T为隐层到输出层权向量，根据输出功率y(k)得出最大功率点处电压值U^*_mpp；

步骤203，随意选取一点A测量电压U_A，电流I_A,将U^*_mpp与U_A比较，直到U_A的值与U^*_mpp在预设允许的误差范围±a之内，计算A点最大功率P_A并储存；

步骤204，在A点左右两侧寻找B、C两点，令U_B＝U_A+b，检测U_B，I_B，U_C＝U_A-b，检测U_C，I_C，b的值为初始确定的较大的电压范围，计算P_A，P_B，P_C并储存；

步骤205，对ABC三点处的功率值进行比较，将B、C两点的功率分别与A点的功率比较，然后对结果进行分析：

情形A：若P_B≥P_A且P_A>P_C则可以确定功率点正在向最大处靠近，可以继续按照原方向靠近，且B点离最大功率点最近，于是选择B为下一次扰动的初始点；

情形B：若仅有P_B≥P_A或P_A>P_C成立，则证明已经到了最大功率点或者光照变化太快出现了误差，于是可以将扰动的初始值保持在A点不变以减小损耗；

情形C：若P_B≥P_A和P_A>P_C均不成立，证明预估的功率点和跟踪方向正在远离最大功率点，因此需要改变扰动方向；

考虑到情形C中一直按同样的电压变量b搜寻可能出现跟踪功率点一直在最大功率点附近震荡的情况，为了避免这一情况降低系统损耗，每次在确认需要改变扰动方向之后，便将原有电压变量b缩小为原有的二分之一，提高跟踪精度。