准最小二乘的神经网络在光伏MPPT中的应用

• 作者: 张正江 张海洲 胡桂廷 郑崇伟 闫正兵 陈倩
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 光伏发电系统 最大功率点跟踪 测量误差 准最小二乘 神经网络
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 人工智能驱动的自动化
• 页码范围: 2257-2262
• 页数: 6页
• 分类号: TP29
• 字数: 4825字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.160863

摘要

传统的神经网络以最小二乘(LS)为学习函数,对训练数据的准确性有较高要求.考虑存在测量误差的训练数据对传统神经网络的影响,提出了一种基于准最小二乘的神经网络(QLS-NN)并应用于光伏发电系统的最大功率点跟踪(MPPT)上.根据光伏电池的内部结构和伏安特性建立其数学模型.根据模型所反映的规律,将温度和照度作为输入变量,最大功率与对应的电压作为输出变量,构建了用于MPPT的QLS-NN.神经网络训练后对最大功率点进行预测与跟踪.仿真结果表明QLS-NN具有较高的鲁棒性,可显著提高了光伏发电系统MPPT的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张正江	温州大学电气数字化设计技术国家地方联合工程实验室	22	51	4.0	6.0
2	陈倩	温州大学电气数字化设计技术国家地方联合工程实验室	4	3	1.0	1.0
3	闫正兵	温州大学电气数字化设计技术国家地方联合工程实验室	10	7	2.0	2.0
4	胡桂廷	温州大学电气数字化设计技术国家地方联合工程实验室	5	8	2.0	2.0
5	张海洲	温州大学电气数字化设计技术国家地方联合工程实验室	1	3	1.0	1.0