本发明专利技术公开了一种基于最小二乘支持向量机的最大功率跟踪控制方法，该方法包括以下步骤：(1)选择太阳光辐射度、环境温度作为辅助变量，选择光伏发电系统最大工作点电压作为关键状态变量；(2)根据选择的辅助变量和关键状态变量建立样本数据库；(3)利用样本数据进行训练，确定最小二乘支持向量机的模型结构；(4)利用步骤(3)得到的最小二乘支持向量机模型对关键状态变量进行预测；(5)利用步骤(4)得到的关键状态变量预测值对恒电压控制法的参考电压值进行修正，实现光伏发电系统最大功率点的准确、快速跟踪控制。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了，该方法包括以下步骤：(1)选择太阳光辐射度、环境温度作为辅助变量，选择光伏发电系统最大工作点电压作为关键状态变量；(2)根据选择的辅助变量和关键状态变量建立样本数据库；(3)利用样本数据进行训练，确定最小二乘支持向量机的模型结构；(4)利用步骤(3)得到的最小二乘支持向量机模型对关键状态变量进行预测；(5)利用步骤(4)得到的关键状态变量预测值对恒电压控制法的参考电压值进行修正，实现光伏发电系统最大功率点的准确、快速跟踪控制。【专利说明】
本专利技术涉及光伏发电利用研究领域，特别涉及。
技术介绍
随着全球范围内化石能源消耗量的急剧增加，世界性的能源危机已经来临。化石能源的大规模开发和利用，也给人类赖以生存的自然环境造成了严重破坏。能源已经成为人类社会进步、经济发展与地球生态环境保护的瓶颈问题。可再生能源的开发和利用引起了全世界的广泛关注，其中太阳能具有取之不尽、用之不竭、分布广泛、清洁无污染等一系列优势，是解决世界能源危机和环境污染最可靠和行之有效的绿色能源。因此，光伏发电技术得到了广泛应用。然而光伏阵列输出特性易受太阳光辐射度、光伏阵列工作温度等外部因素的影响，呈强烈的非线性特性，导致光伏发电系统输出功率极不稳定。为了进一步提高光伏发电系统的稳定性和发电利用率，降低系统成本，就必须根据外部环境的变化而实时调整光伏阵列的工作点，使其一直稳定在最大功率点附近。传统的光伏发电最大功率点跟踪控制大部分基于干扰观测法，采用干扰观测法来不断调整输出电压值，但是无法准确判断光伏阵列输出功率变化是由扰动还是由外界环境的变化而引起，所以在太阳光辐射度剧烈变化情况下，容易发生误跟踪现象，从而造成最大功率跟踪控制系统性能下降，系统能量损失。因此，需要一种新的最大功率点跟踪控制方法解决上述问题。
技术实现思路
针对现有技术存在的问题，本专利技术的目的是提供，该方法利用最小二乘支持向量机对最大工作点电压进行回归预测，并将预测结果对恒电压控制法的参考电压进行修正，实现光伏发电系统最大功率点的准确跟踪控制。为实现上述专利技术目的，本专利技术可采用如下技术方案:，步骤包括:1)选取能直接测量且与光伏发电过程密切相关的太阳光辐射度和环境温度作为最小二乘支持向量机回归模型的输入向量，选择最小二乘支持向量机模型的输出向量为光伏发电系统最大工作点电压，之后执行步骤2)；2)建立样本数据库，采集晴、多云、雾天太阳光辐射度和环境温度、光伏发电系统最大工作点电压，构造输入输出向量对的集合，生成静态训练样本数据库，其中输入向量为太阳光辐射度和环境温度，输出向量为光伏发电系统最大工作点电压，之后执行步骤3)；3)建立最小二乘支持向量机模型，将从步骤2)得到训练样本映射到高维核空间中，选择核函数，采用k_折交叉验证法确定最小二乘支持向量机模型的最优参数，之后执行步骤4);4)光伏发电系统最大工作点电压的预测，利用已训练好的最小二乘支持向量机模型，根据当前测量的太阳光辐射度和环境温度，获得光伏发电系统最大工作点电压的预测值，之后执行步骤5);5)利用步骤4)的预测结果对恒电压控制法的参考电压进行修正，实现光伏发电系统最大功率点的准确跟踪控制。步骤3)所述的最小二乘支持向量机模型最优参数的确定按以下步骤进行:选择高斯核函数K(x, X) = exp (- | x_xk | 22 σ 2)作为核函数,将归一化后的训练样本{xk，yk}随机分为k个子集S1, S。, L，Sk，各子集中的元素个数可以不等；然后给定最小二乘支持向量机的初始参数值YO A，分别使用k-1个子集对最小二乘支持向量机进行训练，并用剩下的集合作为测试集，分别对k-Ι个最小二乘支持向量机进行测试，得到k-Ι个最小二乘支持向量机输出值先，毛丄Xk并分别计算平方和误差【权利要求】1.，其特征在于步骤包括: 1)选取能直接测量且与光伏发电过程密切相关的太阳光辐射度和环境温度作为最小二乘支持向量机回归模型的输入向量，选择最小二乘支持向量机模型的输出向量为光伏发电系统最大工作点电压，之后执行步骤2)； 2)建立样本数据库，采集晴、多云、雾天太阳光辐射度和环境温度、光伏发电系统最大工作点电压，构造输入输出向量对的集合，生成静态训练样本数据库，其中输入向量为太阳光辐射度和环境温度，输出向量为光伏发电系统最大工作点电压，之后执行步骤3)； 3)建立最小二乘支持向量机模型，将从步骤2)得到训练样本映射到高维核空间中，选择核函数，采用k-折交叉验证法确定最小二乘支持向量机模型的最优参数，之后执行步骤4)； 4)光伏发电系统最大工作点电压的预测，利用已训练好的最小二乘支持向量机模型，根据当前测量的太阳光辐射度和环境温度，获得光伏发电系统最大工作点电压的预测值，之后执行步骤5)； 5)利用步骤4)的预测结果对恒电压控制法的参考电压进行修正，实现光伏发电系统最大功率点的准确跟踪控制。2.根据权利要求1所述的，其特征在于，步骤3)所述的最小二乘支持向量机模型最优参数的确定按以下步骤进行: 选择高斯核函数K(x, X) = exp (- x-xk |22σ2)作为核函数,将归一化后的训练样本Ixk，YkI随机分为k个子集S1, S2，L, Sk，各子集中的元素个数可以不等；然后给定最小二乘支持向量机的初始参数值Y O, CT02，分别使用k-Ι个子集对最小二乘支持向量机进行训练，并用剩下的集合作为测试集，分`别对k-Ι个最小二乘支持向量机进行测试，得到k-Ι个最小二乘支持向量机输出值尤,毛，L，毛，并分别计算平方和误差_x/)2 / - 1,2,L ,k — \ V kA M 调整最小的Ei所对应的最小二乘支持向量机参数为Y 1; σ按此迭代k次则确定最小二乘支持向量机的最优参数值，选取k = 5，将训练集随机分为5个子集，对每个子集按照min./(cO =的原则进行迭代，选定目标函数最小值所对应的参数为最小二乘支 /-1 k — I持向量机最优参数。【文档编号】G05F1/67GK103823504SQ201410105280【公开日】2014年5月28日 申请日期:2014年3月20日 优先权日:2014年3月20日 【专利技术者】蔡纪鹤, 李蓓, 俞霖 申请人:常州工学院本文档来自技高网...
【技术保护点】
一种基于最小二乘支持向量机的最大功率跟踪控制方法，其特征在于步骤包括：1）选取能直接测量且与光伏发电过程密切相关的太阳光辐射度和环境温度作为最小二乘支持向量机回归模型的输入向量，选择最小二乘支持向量机模型的输出向量为光伏发电系统最大工作点电压，之后执行步骤2）；2）建立样本数据库，采集晴、多云、雾天太阳光辐射度和环境温度、光伏发电系统最大工作点电压，构造输入输出向量对的集合，生成静态训练样本数据库，其中输入向量为太阳光辐射度和环境温度，输出向量为光伏发电系统最大工作点电压，之后执行步骤3）；3）建立最小二乘支持向量机模型，将从步骤2）得到训练样本映射到高维核空间中，选择核函数，采用k?折交叉验证法确定最小二乘支持向量机模型的最优参数，之后执行步骤4）；4）光伏发电系统最大工作点电压的预测，利用已训练好的最小二乘支持向量机模型，根据当前测量的太阳光辐射度和环境温度，获得光伏发电系统最大工作点电压的预测值，之后执行步骤5）；5）利用步骤4）的预测结果对恒电压控制法的参考电压进行修正，实现光伏发电系统最大功率点的准确跟踪控制。
【技术特征摘要】
【专利技术属性】
技术研发人员：蔡纪鹤，李蓓，俞霖，
申请(专利权)人：常州工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。