基于遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)在光伏發(fā)電MPPT中的應(yīng)用.pdf

1、隨著傳統(tǒng)燃料的日漸消耗與能源需求量的不斷提升，可再生能源逐漸受到關(guān)注。由于太陽(yáng)能具有綠色、安全、可再生等特點(diǎn)，近年來(lái)，太陽(yáng)能光伏發(fā)電已經(jīng)在我國(guó)得到了飛速發(fā)展。但光伏電池具有生產(chǎn)成本高、光電轉(zhuǎn)換效率低的缺點(diǎn)，因此如何使光伏電池持續(xù)有效地輸出最大功率以提高發(fā)電效率和降低發(fā)電成本則成為了當(dāng)下研究的重點(diǎn)。針對(duì)該問(wèn)題，本文利用神經(jīng)網(wǎng)絡(luò)的非線性擬合能力以及遺傳算法突出的尋優(yōu)特點(diǎn)，提出了遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)對(duì)光伏發(fā)電系統(tǒng)最大功率點(diǎn)進(jìn)行預(yù)測(cè)控制

2、。
　　首先，本文對(duì)光伏發(fā)電的研究背景及國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了綜述，介紹了目前光伏發(fā)電MPPT技術(shù)的判斷標(biāo)準(zhǔn)及不足。詳細(xì)說(shuō)明了光伏電池的工作原理，通過(guò) MATLAB搭建光伏電池模型獲得了U-I及P-V動(dòng)態(tài)變化曲線，并在此基礎(chǔ)上得出光照強(qiáng)度和溫度為影響最大功率點(diǎn)輸出的主要因素。
　　接著，闡述了光伏發(fā)電最大功率點(diǎn)跟蹤的原理，分析了傳統(tǒng)跟蹤方法及其改進(jìn)方法的優(yōu)缺點(diǎn)。針對(duì)傳統(tǒng)方法的不足，介紹了基于現(xiàn)代控制理論的神經(jīng)網(wǎng)絡(luò)控制法，通過(guò)R

3、BF神經(jīng)網(wǎng)絡(luò)函數(shù)逼近能力的分析，選擇其對(duì)光伏發(fā)電最大功率點(diǎn)進(jìn)行預(yù)測(cè)控制。
　　然后，對(duì)于RBF神經(jīng)網(wǎng)絡(luò)中存在的不足，本文使用了遺傳算法對(duì)其數(shù)據(jù)中心、擴(kuò)展常數(shù)及權(quán)值進(jìn)行優(yōu)化。通過(guò)將RBF神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)中心和其對(duì)應(yīng)的擴(kuò)展常數(shù)以及權(quán)值統(tǒng)一編碼，加強(qiáng)了隱含層和輸出層的合作關(guān)系，并利用遺傳算法全局搜索的功能特性，使得整個(gè)網(wǎng)絡(luò)模型達(dá)到全局最優(yōu)。此外，對(duì)遺傳算法本身的機(jī)制作出相應(yīng)的改進(jìn)，使遺傳操作更加完善。
　　最后，將遺傳算法優(yōu)化后的R