【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及光伏最大功率点跟踪优化控制方法及装置。
技术介绍
1、本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、由于太阳能电池在发电过程中受到环境温度与辐照度的影响，呈现出非线性的输出特性曲线，为保持太阳能电池在最大功率点输出，达到光资源最高的利用效率，需要对系统最大功率点进行跟踪。为实现光伏系统最大功率点的跟踪，技术人员往往利用mppt(maximum power point tracking，最大功率点跟踪)优化控制方法预测当前最大功率点的电压值，从而实时控制阻抗变换器，调节占空比，实现最大功率点的跟踪。目前mppt优化控制方法主要有两类：第一类是传统的mppt优化控制方法，包括扰动观察法、恒定电压法、增量电导法、多级增量电导法等，这类传统mppt控制方法结构简单、易于产品集成，应用较为广泛。第二类是基于仿生元启发式算法的新型mppt优化控制方法，包括神经网络法、遗传算法、灰狼算法、粒子群优化算法、进化算法、金枪鱼算法、蝴蝶算法等，这类算法借鉴了自然世界的客观规律，通过建立不同的算法模型得到最大功率点对应的电压值，预测效果及最大功率点跟踪精度得到了有效提升。
3、当前跟踪最大功率点所利用的mppt的优化控制方法主要有以下问题：一是对于传统优化控制方法来说，不同环境条件下，太阳能电池温度与辐照度往往会在短时间内快速变化，传统方法对最大功率点的收敛速度过慢，甚至会在一些情况下产生最大功率点的摆动现象，鲁棒性较差，预测
技术实现思路
1、本专利技术实施例提供一种光伏最大功率点跟踪优化控制方法，用以提高电压值预测精度，该方法包括：
2、获取同一时刻太阳能电池的辐照度数据、温度数据、最大功率点电压数据；
3、将同一时刻太阳能电池的辐照度数据、温度数据、最大功率点电压数据划分为训练集及验证集；
4、在训练集中，以最大功率点电压跟踪误差为目标函数，通过鲸鱼优化算法woa算法确定基于混合copula函数的最大功率点跟踪优化控制模型的最优参数；
5、构建最优参数下的基于混合copula函数的最大功率点跟踪优化控制模型；
6、将待测的太阳能电池的辐照度数据、温度数据输入最优参数下的基于混合copula函数的最大功率点跟踪优化控制模型，得到最大功率点的预测电压值。
7、本专利技术实施例还提供一种光伏最大功率点跟踪优化控制装置，用以提高电压值预测精度，该装置包括：
8、模型构建模块，用于获取同一时刻太阳能电池的辐照度数据、温度数据、最大功率点电压数据；将同一时刻太阳能电池的辐照度数据、温度数据、最大功率点电压数据划分为训练集及验证集；在训练集中，以最大功率点电压跟踪误差为目标函数，通过鲸鱼优化算法woa算法确定基于混合copula函数的最大功率点跟踪优化控制模型的最优参数；构建最优参数下的基于混合copula函数的最大功率点跟踪优化控制模型；
9、预测模块，将待测的太阳能电池的辐照度数据、温度数据输入最优参数下的基于混合copula函数的最大功率点跟踪优化控制模型，得到最大功率点的预测电压值。
10、本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述光伏最大功率点跟踪优化控制方法。
11、本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述光伏最大功率点跟踪优化控制方法。
12、本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述光伏最大功率点跟踪优化控制方法。
13、本专利技术实施例中，获取同一时刻太阳能电池的辐照度数据、温度数据、最大功率点电压数据；将同一时刻太阳能电池的辐照度数据、温度数据、最大功率点电压数据划分为训练集及验证集；在训练集中，以最大功率点电压跟踪误差为目标函数，通过鲸鱼优化算法woa算法确定基于混合copula函数的最大功率点跟踪优化控制模型的最优参数；构建最优参数下的基于混合copula函数的最大功率点跟踪优化控制模型；将待测的太阳能电池的辐照度数据、温度数据输入最优参数下的基于混合copula函数的最大功率点跟踪优化控制模型，得到最大功率点的预测电压值，与现有技术相比，利用copula函数可以挖掘不同变量之间的相关关系的特点，考虑最大功率点对应的电压值与辐照度、温度之间的关联分布信息。以最大功率点电压跟踪误差为目标函数，通过woa算法寻找最优的基于混合copula函数的最大功率点跟踪优化控制模型的参数，对于数据量的需求小，适用于温度、辐照度易发生突变等特殊环境条件，提高了预测精度。提升了跟踪精度，缩短了跟踪时间，从而更好地跟踪最大功率点。
本文档来自技高网...【技术保护点】
1.一种光伏最大功率点跟踪优化控制方法，其特征在于，包括：
2.如权利要求1所述的光伏最大功率点跟踪优化控制方法，其特征在于，还包括：
3.如权利要求2所述的光伏最大功率点跟踪优化控制方法，其特征在于，预设的气象场景数据包括无云气象场景、少云气象场景、多云气象场景；其中，无云气象场景表示温度、太阳辐照度固定的气象场景；少云气象场景表示温度固定，太阳辐照度发生突变的气象场景；多云气象场景表示温度、太阳辐照度均变化的气象场景。
4.如权利要求2所述的光伏最大功率点跟踪优化控制方法，其特征在于，在基于混合Copula函数的最大功率点跟踪优化控制模型中输入预设的气象场景数据，得到预设的气象场景数据对应的最大功率跟踪曲线，包括：
5.如权利要求2所述的光伏最大功率点跟踪优化控制方法，其特征在于，计算验证集的最大功率平均绝对跟踪精度的具体公式如下：
6.如权利要求2所述的光伏最大功率点跟踪优化控制方法，其特征在于，计算预设的气象场景数据对应的跟踪精度的具体公式如下：
7.一种光伏最大功率点跟踪优化控制装置，其特征在于，包
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一项所述方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一项所述方法。
...【技术特征摘要】
1.一种光伏最大功率点跟踪优化控制方法，其特征在于，包括：
2.如权利要求1所述的光伏最大功率点跟踪优化控制方法，其特征在于，还包括：
3.如权利要求2所述的光伏最大功率点跟踪优化控制方法，其特征在于，预设的气象场景数据包括无云气象场景、少云气象场景、多云气象场景；其中，无云气象场景表示温度、太阳辐照度固定的气象场景；少云气象场景表示温度固定，太阳辐照度发生突变的气象场景；多云气象场景表示温度、太阳辐照度均变化的气象场景。
4.如权利要求2所述的光伏最大功率点跟踪优化控制方法，其特征在于，在基于混合copula函数的最大功率点跟踪优化控制模型中输入预设的气象场景数据，得到预设的气象场景数据对应的最大功率跟踪曲线，包括：
5.如权利要求2所述的光伏最大功率点跟踪优化控制方法，其特征在于...
【专利技术属性】
技术研发人员：李智轩，李嘉丰，程晓绚，叶晓华，仇鹏飞，熊显智，张家宁，
申请(专利权)人：西安西电电力系统有限公司，
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。