standard library
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211330599.6 (22)申请日 2022.10.25 (71)申请人 东莞南方半导体科技有限公司 地址 523000 广东省东莞 市松山湖园区新 竹路4号12栋601室 (72)发明人 曹海军 黄伟樑 赵途 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 赵贯杰 (51)Int.Cl. G05F 1/67(2006.01) G06N 3/02(2006.01) G06N 3/08(2006.01) H02J 3/38(2006.01) (54)发明名称 基于神经网络的光伏模块最大功率点跟踪 方法及系统 (57)摘要 本发明公开一种基于神经网络的光伏模块 最大功率点跟踪方法及系统, 该方法包括: 构建 基于神经网络的预测模型; 提供基于迭代函数架 构的光照估计器和电压跟踪器; 预测模型读取输 入参数集中的参数, 以输出预测电流; 电压跟踪 器进行迭代计算, 以获得参考电压; 光照估计器 进行迭代计算, 以得到参考光照强度; 确认参考 光照强度与当前输入参数集中的光照强度之间 的差值是否小于预设值, 如果是, 则将参考电压 作为最大功率点工作电压, 如果否, 则采用光照 估计器和电压跟踪器的计算结果对输入参数集 进行更新; 通过上述方法, 使得光伏模块实时工 作在最大功率点状态, 而且避免陷入电压调整 过 程中的局部峰值, 具有收敛速度快、 精确度高、 实 施成本低的优点。 权利要求书3页 说明书7页 附图3页 CN 115543006 A 2022.12.30 CN 115543006 A 1.一种基于神经网络的光伏模块 最大功率 点跟踪方法, 其特 征在于, 包括: 构建基于神经网络的预测模型, 所述预测模型的输入参数包括光伏模块所处的环境温 度、 估计光强以及所述光伏模块的输出电压, 所述预测模型 的输出参数包括所述光伏模块 输出的预测电流; 提供基于迭代函数架构的光照估计 器和电压跟踪器; 通过温度传感器实时检测光伏模块所处的环境温度; 构建包括所述 光伏模块当前时刻的输出电压、 环境温度以及光照强度的输入参数集; 所述预测模型读取 所述输入参数集中的参数, 以输出 预测电流; 所述电压跟踪器以所述预测电流和所述输入参数集中的参数为输入参数进行迭代计 算, 以获得参 考电压; 同时, 所述光照估计器以所述预测电流与 所述光伏模块当前输出的实时电流之间的差 值和所述输入参数集中的参数为输入参数进行迭代计算, 以得到参 考光照强度; 确认所述参考光照强度与当前所述输入参数集中的所述光照强度之间的差值是否小 于预设值, 如果是, 则将所述参考电压作为所述光伏模块的最大功率点工作电压, 如果否, 则分别采用所述参考光照 强度和所述参考电压对所述输入参数集中的所述光照 强度和所 述输出电压进行 更新。 2.根据权利要求1所述的基于神经网络的光伏模块最大功率点跟踪方法, 其特征在于, 所述预测模型的参数式为: 其中, 为所述预测模型输出的预测电流, u为环境温度、 输出电压和光照强度所构成的 输入矩阵, w1、 w2、 b1和b2是在所述预测模型训练过程中学习的权 重系数。 3.根据权利要求2所述的基于神经网络的光伏模块最大功率点跟踪方法, 其特征在于, 所述光照估计 器的参数式为: 其中, 为输入参数集中的光照强度, 为参考光照强度, k为迭代次数, 为权重 系数w1中对应光照强度的部分, I为所述光伏模块当前输出的实时电流, δ为大于零的已知 系数, uk为当前时刻输入参数集构成的输入矩阵。 4.根据权利要求2所述的基于神经网络的光伏模块最大功率点跟踪方法, 其特征在于, 所述电压跟踪器的参数式为: 其中, 为输入参数集中的输出电压, 为参考电压, μ为迭代计算过程中控制收敛 速度的步长, k为迭代次数, 为权重系数w1中对应输出电压的部分, uk为当前时刻输入参 数集构成的输入矩阵。 5.一种基于神经网络的光伏模块 最大功率 点跟踪系统, 其特 征在于, 包括:权 利 要 求 书 1/3 页 2 CN 115543006 A 2预测模型, 其基于神经网络构建, 所述预测模型的输入参数包括光伏模块所处的环境 温度、 估计光强以及所述光伏模块的输出电压, 所述预测模型的输出参数包括所述光伏模 块输出的预测电流; 基于迭代函数架构的光照估计 器和电压跟踪器; 所述电压跟踪器用于根据所述预测模型输出的预测电流和所述输入参数集中的参数 进行迭代计算, 以获得参 考电压; 所述光照估计器设置于所述预测模型的输出端和输入端之间, 所述光照估计器用于根 据所述预测模型输出 的预测电流与所述光伏模块当前输出的实时电流之间的差值和所述 输入参数集中的参数进行迭代计算, 以得到参 考光照强度; 确认模块, 所述确 认模块用于确 认所述参考光照强度与当前所述输入参数集中的所述 光照强度之间的差值是否小于预设值, 如果是, 则输出第一结果, 如果否, 则输出第二结果; 输出模块, 其用于当所述确认模块输出第一结果时, 所述电压跟踪器将当前计算出的 所述参考电压作为所述 光伏模块的最大功率 点工作电压而输出; 更新模块, 其用于当所述确认模块输出第二结果时, 分别采用所述参考光照强度和所 述参考电压对所述输入参数集中的所述 光照强度和所述输出电压进行 更新。 6.根据权利要求5所述的基于神经网络的光伏模块最大功率点跟踪系统, 其特征在于, 所述预测模型的参数式为: 其中, 为所述预测模型输出的预测电流, u为环境温度、 输出电压和光照强度所构成的 输入矩阵, w1、 w2、 b1和b2是在所述预测模型训练过程中学习的权 重系数。 7.根据权利要求6所述的基于神经网络的光伏模块最大功率点跟踪系统, 其特征在于, 所述光照估计 器的参数式为: 其中, 为输入参数集中的光照强度, 为参考光照强度, k为迭代次数, 为权重 系数w1中对应光照强度的部分, I为所述光伏模块当前输出的实时电流, δ为大于零的已知 系数, uk为当前时刻输入参数集构成的输入矩阵。 8.根据权利要求6所述的基于神经网络的光伏模块最大功率点跟踪系统, 其特征在于, 所述电压跟踪器的参数式为: 其中, 为输入参数集中的输出电压, 为参考电压, μ为迭代计算过程中控制收敛 速度的步长, k为迭代次数, 为权重系数w1中对应输出电压的部分, uk为当前时刻输入参 数集构成的输入矩阵。 9.一种基于神经网络的光伏模块 最大功率 点跟踪系统, 其特 征在于, 包括: 一个或多个处 理器;权 利 要 求 书 2/3 页 3 CN 115543006 A 3
专利 基于神经网络的光伏模块最大功率点跟踪方法及系统
文档预览
中文文档
14 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
赞助2.5元下载(无需注册)
温馨提示:本文档共14页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2.5元下载
本文档由 SC 于
2024-02-18 22:24:45
上传分享
举报
下载
原文档
(659.7 KB)
分享
友情链接
GB-T 20984-2022 信息安全技术 信息安全风险评估方法.pdf
GB-T 43436-2023 智能工厂 面向柔性制造的自动化系统 通用要求.pdf
DB13-T 5217-2020 河道人工湿地设计规范 河北省.pdf
ISO IEC 27007-2020.pdf
GB-T 20985.2-2020 信息技术 安全技术 信息安全事件管理 第2部分:事件响应规划和准备指南.pdf
T-CAGHP 016—2018 地质灾害监测仪器物理接口规定 试行.pdf
GB-T 43048-2023 智慧城市 城市运行指标体系 总体框架.pdf
T-XCCX 001—2022 大佛龙井数字化茶园建设与管理.pdf
DB52-T 1523-2020 经果林园区套种大豆栽培技术规程 贵州省.pdf
GB-T 13591-2009 溶解乙炔气瓶充装规定.pdf
GB-T 6890-2012 锌粉.pdf
DB4404-T 13-2021 中小企业卓越绩效评价准则 珠海市.pdf
专利 一种用于堡垒机的数据库高危指令审核方法和系统.PDF
YD-T 3838-2021 通信制造业绿色工厂评价细则.pdf
信通院 开源软件知识产权风险防控研 究报告-2019.pdf
GBT 33132-2016 信息安全技术 信息安全风险处理实施指南.pdf
GB-T 40665.2-2021 中医四诊操作规范 第2部分:闻诊.pdf
T-ZZB 1495—2019 便利贴.pdf
GB-T 16632-2019 水处理剂阻垢性能的测定 碳酸钙沉积法.pdf
GB-T 42209-2022 液晶显示屏用点对点 P2P 信号接口 传输协议.pdf
1
/
14
评价文档
赞助2.5元 点击下载(659.7 KB)
回到顶部
×
微信扫码支付
2.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。