[发明专利]MPPT控制方法、装置、光伏发电设备及可读存储介质

说明书

本发明提供了一种MPPT控制方法、装置、光伏发电设备及计算机可读存储介质，采集以下至少之一的参数信息：光照强度、环境温度、光照时间；将该参数信息输入预设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，该预设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，该正样本信息包括该参数信息；利用该正样本信息对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；将该RBF神经网络作为该预设RBF神经网络。通过本发明解决了现有技术中MPPT控制方法的精度不高，响应较慢的问题，同时也避免了神经网络寻优时的局部最优问题，以及提高了预测控制的精度与速度。

技术领域

本发明涉及新能源发电控制系统技术领域，具体涉及一种MPPT控制方法、装置、光伏发电设备及计算机可读存储介质。

背景技术

最大功率点跟踪(Maximum Power Point Tracking，简称为MPPT)控制器可以智能调节太阳能发电板的工作电压，使太阳能板始终工作在I-V特性工作曲线的最大功率点，比较传统太阳能充放电控制器对太阳能电池板发电功率的利用率提高了10-30％，对光伏系统的稳定高效工作起到了至关重要的作用。

现有薄膜太阳能电动车电池MPPT的控制方法例如有恒定电压法、干扰观测法和电导增量法。对于恒定电压法，当系统工作在最大功率点时电压大小几乎为一个固定值，与其对应的输出功率即为最大功率。

然而，上述MPPT的控制方法各自存在一些问题，恒定电压法如果在温差变化较大的地区，那么最大功率的输出误差会增大，造成经济损失。

发明内容

有鉴于此，本发明实施例提供了一种MPPT控制方法、装置、光伏发电设备及计算机可读存储介质，以提高预测控制的精度与速度。

本发明第一方面，提供了一种最大功率点跟踪MPPT控制方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

本发明第二方面，提供了一种最大功率点跟踪MPPT控制装置，包括：采集模块，用于采集以下包括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。

可选地，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。