[发明专利]基于神经网络的光伏储能并网控制方法

权利要求书

1.一种基于神经网络的光伏储能并网控制方法，其特征在于，包括以下步骤：

采集光伏发电单元的实时最大光伏发电功率；

神经网络预测系统根据光伏发电单元的实时最大光伏输出功率和历史数据进行预测计算得到预测光伏发电功率；

根据预测光伏发电功率和实际误差来生成储能单元的输出功率参考值，并根据该输出功率参考值计算光伏分布式电源主电路中低通滤波器的时间常数；该储能单元通过DC/DC转换器与光伏分布式电源的主电路连接；

电池储能单元根据输出功率参考值控制DC/DC变换器进行充放电，低通滤波器根据时间常数调整，最终将波动性在一定范围内的功率送入并网系统。

2.根据权利要求1所述的基于神经网络的光伏储能并网控制系统，其特征在于，通过最大功率点追踪控制器采集太阳能光伏面板的最大光伏发电功率。

3.根据权利要求1所述的基于神经网络的光伏储能并网控制方法，其特征在于，神经网络预测系统具体利用BP神经网络进行训练，根据气象数据，对光照时间和强度下的最大光伏功率进行神经网络学习预测，采用贝叶斯正则化算法BR进行训练；根据光伏发电单元的实时最大光伏功率P_A所处时间逐一提取历史统一时间的历史数据作为输入集A，提供给输入层神经元，逐层将信号向前传递，直到产生输出结果预测光伏发电功率P_B；然后计算输出层的偏差σ ²，再将偏差逆向传递至隐藏层神经元，最后根据隐藏层神经元的误差来对隐藏层激活函数中的连接权ω和阈值θ进行调整，迭代过程循环进行，直到全部数据集训练完成，且误差已达到一定范围为止，之后输出预测结果。

4.根据权利要求1所述的基于神经网络的光伏储能并网控制方法，其特征在于，神经网络预测系统预先对预测过程中涉及的历史数据进行归一化处理，剔除奇异离散数据。

5.根据权利要求1所述的基于神经网络的光伏储能并网控制方法，其特征在于，神经网络预测系统对输出的预测光伏发电功率也进行归一化处理，剔除奇异离散数据。

6.一种基于神经网络的光伏储能并网控制系统，其特征在于，包括：

光伏分布式电源主电路，包括顺次连接的光伏发电单元、低通滤波器、并网DC/AC转换器，该并网DC/AC转换器的输出与并网系统连接；该主电路还包括DC/DC转换器，其输出端与并网DC/AC转换器的输入端连接，其输入端与一储能单元连接；

神经网络预测系统，与储能单元和低通滤波器连接；该神经网络预测系统根据光伏发电单元的实时最大光伏输出功率和历史数据进行预测计算得到预测光伏发电功率，并根据预测结果和实际误差来生成储能单元的输出功率参考值，再根据该输出功率参考值计算光伏分布式电源主电路中低通滤波器的时间常数；电池储能单元根据输出功率参考值控制DC/DC变换器进行充放电，低通滤波器根据时间常数调整，最终将波动性在一定范围内的功率送入并网系统。

7.根据权利要求6所述的基于神经网络的光伏储能并网控制系统，其特征在于，该低通滤波器由电容C和电阻R构成。

8.根据权利要求6所述的基于神经网络的光伏储能并网控制系统，其特征在于，光伏发电单元包括太阳能光伏面板阵列、太阳能电池阵列和最大功率点追踪控制器，该最大功率点追踪控制器持续调整太阳能电池阵列的等效阻抗，控制太阳能光伏面板在峰值功率点或与其接近的功率点运行。