[发明专利]一种基于预测模型的光伏MPPT控制方法及系统

权利要求书

1.一种基于预测模型的光伏MPPT控制方法，包括：

步骤一、实时采集预测模型输入数据，其中，所述预测模型输入数据包括光照强度数据和环境温度数据；

步骤二、根据所述预测模型输入数据，确定预设的组合预测模型中每个子模型预测的最大功率点电压参数，并根据每个子模型对应的分配权值，进一步将每个子模型的预测结果和相应的分配权值进行组合计算，得到最大功率点组合预测电压参数，以预测跟踪当前光伏阵列运行的最大输出功率点；

步骤三、根据当前所述最大功率点组合预测电压参数生成相应的脉冲控制信号，并将所述脉冲控制信号输入到升压驱动电路中，进一步控制并网逆变器完成逆变处理，以使得光伏系统运行在最大功率点处。

2.根据权利要求1所述的光伏MPPT控制方法，其特征在于，所述组合预测模型包括：光伏阵列BP神经网络子模型、最小二乘支持向量机子模型和极限学习机子模型。

3.根据权利要求1或2所述的光伏MPPT控制方法，其特征在于，在所述步骤二中，

根据历史数据库中存储的每次历史预测控制周期对应的训练样本数据，以及每个训练样本数据对应的针对每种子模型的训练样本预测结果，计算每个子模型单独预测结果的方差，其中，所述训练样本数据包括每个历史预测控制周期采集到的所述预测模型输入数据和相应时刻采集到的光伏阵列的输出电压数据；

根据所述每个子模型单独预测结果的方差，采用方差协方差权值动态分配法，得到每个子模型单独预测对应的所述分配权值。

4.根据权利要求3所述的光伏MPPT控制方法，其特征在于，按照预设的模型更新时间间隔，利用当前历史数据库中已存储的所述训练样本数据对每种子模型进行训练，进一步利用训练好的每种子模型，计算所述每个子模型单独预测结果的方差，以调整相应的分配权值。

5.根据权利要求1～4中任一项所述的光伏MPPT控制方法，其特征在于，所述预测模型输入数据还包括：风速数据。

6.根据权利要求3或4所述的光伏MPPT控制方法，其特征在于，

确定当前历史数据库中所述训练样本数据的样本容量；

计算每个所述训练样本数据经过每个子模型预测后得到的所述训练样本预测结果与相应的所述输出电压数据的绝对百分误差，进一步计算每个子模型的平均绝对百分误差，基于此，得到所述每个子模型单独预测结果的方差。

7.一种基于预测模型的光伏MPPT控制系统，其利用如权利要求1～6中任一项所述的光伏MPPT控制方法来实现光伏阵列最大输出功率点的跟踪控制，其中，所述系统包括：

光伏阵列；

数据采集模块，其用于实时采集预测模型输入数据，其中，所述预测模型输入数据包括光照强度数据和环境温度数据；

组合预测模块，其用于根据所述预测模型输入数据，确定预设的组合预测模型中每个子模型预测的最大功率点电压参数，并根据每个子模型对应的分配权值，进一步将每个子模型的预测结果和相应的分配权值进行组合计算，得到最大功率点组合预测电压参数，以预测跟踪当前光伏阵列运行的最大输出功率点；

脉冲发生器，其用于根据当前所述最大功率点组合预测电压参数生成相应的脉冲控制信号，并将所述脉冲控制信号输入到升压驱动电路中；

所述升压驱动电路，其与所述光伏阵列连接，用于利用所述脉冲控制信号，控制并网逆变器完成逆变处理，以使得光伏系统运行在最大功率点处；和

所述并网逆变器。

8.根据权利要求7所述的光伏MPPT控制系统，其特征在于，所述组合预测模型包括：光伏阵列BP神经网络子模型、最小二乘支持向量机子模型和极限学习机子模型。