准最小二乘的神经网络在光伏MPPT中的应用
作者:
张海洲
张正江
胡桂廷
陈倩
闫正兵
郑崇伟
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
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.
上一篇: 模糊关联规则结合动态树重建的数据流挖掘
下一篇: 双层RBF核快速鲁棒DAISY典型遥感图像配准