【技术实现步骤摘要】
MPPT控制方法、装置、光伏发电设备及可读存储介质
本专利技术涉及新能源发电控制系统
，具体涉及一种MPPT控制方法、装置、光伏发电设备及计算机可读存储介质。
技术介绍
最大功率点跟踪(MaximumPowerPointTracking，简称为MPPT)控制器可以智能调节太阳能发电板的工作电压，使太阳能板始终工作在I-V特性工作曲线的最大功率点，比较传统太阳能充放电控制器对太阳能电池板发电功率的利用率提高了10-30％，对光伏系统的稳定高效工作起到了至关重要的作用。现有薄膜太阳能电动车电池MPPT的控制方法例如有恒定电压法、干扰观测法和电导增量法。对于恒定电压法，当系统工作在最大功率点时电压大小几乎为一个固定值，与其对应的输出功率即为最大功率。然而，上述MPPT的控制方法各自存在一些问题，恒定电压法如果在温差变化较大的地区，那么最大功率的输出误差会增大，造成经济损失。
技术实现思路
有鉴于此，本专利技术实施例提供了一种MPPT控制方法、装置、光伏发电设备及计算机可读存储介质，以提高预...
【技术保护点】
1.一种最大功率点跟踪MPPT控制方法，其特征在于，包括：/n采集包括以下至少之一的参数信息：光照强度、环境温度、光照时间；/n将所述参数信息输入预设RBF神经网络，得到光伏系统全局最大的功率点对应的电压值；其中，所述预设RBF神经网络是通过如下步骤训练得到的：获取正样本信息；其中，所述正样本信息包括所述参数信息；利用所述正样本信息对RBF神经网络进行训练，直至RBF神经网络的输出与目标输出的差值小于预定阈值；将所述RBF神经网络作为所述预设RBF神经网络。/n
【技术特征摘要】
1.一种最大功率点跟踪MPPT控制方法，其特征在于，包括：
采集包括以下至少之一的参数信息：光照强度、环境温度、光照时间；
将所述参数信息输入预设RBF神经网络，得到光伏系统全局最大的功率点对应的电压值；其中，所述预设RBF神经网络是通过如下步骤训练得到的：获取正样本信息；其中，所述正样本信息包括所述参数信息；利用所述正样本信息对RBF神经网络进行训练，直至RBF神经网络的输出与目标输出的差值小于预定阈值；将所述RBF神经网络作为所述预设RBF神经网络。
2.根据权利要求1所述的最大功率点跟踪MPPT控制方法，其特征在于，将所述参数信息输入预设RBF神经网络，得到光伏系统全局最大的功率点对应的电压值之后，还包括：
对所述电压值进行直流-直流转换。
3.根据权利要求1所述的最大功率点跟踪MPPT控制方法，其特征在于，将所述参数信息输入预设RBF神经网络之前，还包括：
利用混沌粒子群对所述预设RBF神经网络的隐含层神经元对应的RBF函数中心和权值进行优化；其中，所述权值为所述预设RBF神经网络的隐含层与输出层之间的权值。
4.根据权利要求3所述的最大功率点跟踪MPPT控制方法，其特征在于，利用混沌粒子群对所述预设RBF神经网络的隐含层神经元对应的RBF函数中心和权值进行优化包括：
设置混沌粒子群算法的相关参数和各粒子初始位置；
根据迭代公式更新各粒子的位置和速度；
计算粒子的适应度值，记录个体极值，群体极值；
计算混沌搜索得到的粒子的适应度值，更新个体极值，群体极值。
5.根据权利要求1至4中任一所述的最大功率点跟踪MPPT控制方法，其特征在于，采集以下至少之一的参数信息包括：
通过安装于薄膜发电组件的传感器采集所述参数信息。
6.一种最大功率点跟踪MPPT控制装置，其特征在于，包括：
采集模块，用于采集包括以下至少之一的参数信息：光照强度、环境温度、光照时间；
获取模...
【专利技术属性】
技术研发人员：谢知非，刘丹丹，杨晓飞，
申请(专利权)人：汉能移动能源控股集团有限公司，
类型：发明
国别省市：北京;11
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。