[发明专利]MPPT控制方法、装置、光伏发电设备及可读存储介质

权利要求书

1.一种最大功率点跟踪MPPT控制方法，其特征在于，

包括：

采集包括以下至少之一的参数信息：光照强度、环境温度、光照时间；

将所述参数信息输入预设RBF神经网络，得到光伏系统全局最大的功率点对应的电压值；其中，所述预设RBF神经网络是通过如下步骤训练得到的：获取正样本信息；其中，所述正样本信息包括所述参数信息；利用所述正样本信息对RBF神经网络进行训练，直至RBF神经网络的输出与目标输出的差值小于预定阈值；将所述RBF神经网络作为所述预设RBF神经网络；

将所述参数信息输入预设RBF神经网络，得到光伏系统全局最大的功率点对应的电压值之后，还包括：

对所述电压值进行直流-直流转换；

将所述参数信息输入预设RBF神经网络之前，还包括：

利用混沌粒子群对所述预设RBF神经网络的隐含层神经元对应的RBF函数中心和权值进行优化；其中，所述权值为所述预设RBF神经网络的隐含层与输出层之间的权值；

利用混沌粒子群对所述预设RBF神经网络的隐含层神经元对应的RBF函数中心和权值进行优化包括：

设置混沌粒子群算法的相关参数和各粒子初始位置；

根据迭代公式更新各粒子的位置和速度；

计算粒子的适应度值，记录个体极值，群体极值；

计算混沌搜索得到的粒子的适应度值，更新个体极值，群体极值；

采集以下至少之一的参数信息包括：

通过安装于薄膜发电组件的传感器采集所述参数信息。

2.一种最大功率点跟踪MPPT控制装置，其特征在于，

包括：

采集模块，用于采集包括以下至少之一的参数信息：光照强度、环境温度、光照时间；

获取模块，用于将所述参数信息输入预设RBF神经网络，得到光伏系统全局最大的功率点对应的电压值；其中，所述预设RBF神经网络是通过如下步骤训练得到的：获取正样本信息；其中，所述正样本信息包括所述参数信息；利用所述正样本信息对RBF神经网络进行训练，直至RBF神经网络的输出与目标输出的差值小于预定阈值；将所述RBF神经网络作为所述预设RBF神经网络；

所述装置还包括：

转换模块，用于对所述电压值进行直流-直流转换；

所述装置还包括：

优化模块，用于利用混沌粒子群对所述预设RBF神经网络的隐含层神经元对应的RBF函数中心和权值进行优化；其中，所述权值为所述预设RBF神经网络的隐含层与输出层之间的权值；

所述优化模块还用于：

设置混沌粒子群算法的相关参数和各粒子初始位置；

根据迭代公式更新各粒子的位置和速度；

计算粒子的适应度值，记录个体极值，群体极值；

计算混沌搜索得到的粒子的适应度值，更新个体极值，群体极值；

所述采集模块，用于通过安装于薄膜发电组件的传感器采集所述参数信息。

3.一种光伏发电设备，其特征在于，

包括：

至少一个处理器；

以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述权利要求1所述的最大功率点跟踪MPPT控制方法。

4.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，

该指令被处理器执行时实现上述权利要求1所述的最大功率点跟踪MPPT控制方法的步骤。