文档名：基于APIDRBF神经网络的光伏MPPT方法
摘要：针对光照强度急速变化和局部阴影时光伏发电系统最大功率点追踪响应速度慢、多峰值等问题,提出一种基于RBF神经网络与自适应PID控制相结合的控制方法.首先,采用RBF神经网络对环境的实时变化直接跟踪光伏最大功率点.然后,利用自适应PID的辅助修正,抑制光伏电池输出功率的波动.神经网络能提升在复杂环境下的跟踪速度,自适应PID能增强对神经网络误差的消除能力,提升跟踪精度.仿真结果表明,APID-RBF双控策略具有稳态性能高和控制精度高等优点,能有效提高光伏发电效率和稳定性.
Abstract：Aimedatproblemssuchasslowresponseandmultiplepeaksintrackingthemaximumpowerpointofphoto-voltaic(PV)powergenerationsystemwhenthereexistpartialshadingandrapidchangesinlightintensity,acontrolmethodbasedonthecombinationofradialbasisfunction(RBF)neuralnetworkandadaptiveproportionintegrationdif-ferentiation(PID)controlisproposed.First,theRBFneuralnetworkisusedtodirectlytrackthemaximumpowerpointofPVaccordingtothereal-timechangesintheenvironment.Then,theauxiliarycorrectionofadaptivePIDisusedtosuppressthefluctuationsofoutputpowerfromthePVcell.Theneuralnetworkcanimprovethetrackingspeedinacom-plexenvironment,whiletheadaptivePIDcanenhancethecapabilitytoeliminatetheneuralnetworkerrorsandim-provethetrackingaccuracy.SimulationresultsshowthattheAPID-RBFdual-controlstrategyhasadvantagessuchasahighsteady-stateperformanceandahighcontrolaccuracy,whichcaneffectivelyimprovetheefficiencyandstabilityofPVpowergeneration.
作者：赵子睿 潘鹏程 吴婷Author：ZHAOZirui PANPengcheng WUTing
作者单位：三峡大学电气与新能源学院,宜昌443002
刊名：电力系统及其自动化学报
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2024, 36(2)
分类号：TM615
关键词：局部阴影 径向基函数神经网络 自适应PID 最大功率点跟踪 光伏发电效率
Keywords：partialshading radialbasisfunction(RBF)neuralnetwork adaptiveproportionintegrationdifferentiation(PID) maximumpowerpointtracking(MPPT) photovoltaic(PV)powergenerationefficiency
机标分类号：TH166TG506TM615
在线出版日期：2024年3月26日
基金项目：国家水运安全工程技术研究中心开放基金资助项目，宜昌市自然科学基金资助项目基于APID-RBF神经网络的光伏MPPT方法[
期刊论文] 电力系统及其自动化学报--2024, 36(2)赵子睿 潘鹏程 吴婷针对光照强度急速变化和局部阴影时光伏发电系统最大功率点追踪响应速度慢、多峰值等问题,提出一种基于RBF神经网络与自适应PID控制相结合的控制方法.首先,采用RBF神经网络对环境的实时变化直接跟踪光伏最大功率点.然后,...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于APID-RBF神经网络的光伏MPPT方法 Photovoltaic MPPT Method Based on APID-RBF Neural Network
基于APID-RBF神经网络的光伏MPPT方法.pdf
- 文件大小:
- 1.57 MB
- 下载次数:
- 60
-
高速下载
|
