[发明专利]一种面向船舶的光伏发电系统最大功率点跟踪控制方法有效
申请号: | 201911146849.9 | 申请日: | 2019-11-21 |
公开(公告)号: | CN110865679B | 公开(公告)日: | 2020-09-08 |
发明(设计)人: | 唐若笠;林巧;张尚煜;周锦翔 | 申请(专利权)人: | 武汉理工大学 |
主分类号: | G05F1/67 | 分类号: | G05F1/67 |
代理公司: | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人: | 许莲英 |
地址: | 430070 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 面向 船舶 发电 系统 最大 功率 跟踪 控制 方法 | ||
1.一种面向船舶的光伏发电系统最大功率点跟踪控制方法,其特征在于,包括以下步骤:
步骤S1:将船舶光伏系统中光伏电池板分割为多组,得到分组后光伏电池板;
步骤S1中所述将船舶光伏系统中光伏电池板分割为多组,具体为:
在船舶光伏系统设计之初,将M块光伏电池板构成的光伏阵列分割为g组,各组的光伏电池板数量及其安装位置可根据目标船舶甲板来定;
步骤S2:将分组后每组光伏电池板内部按照n×m进行全交叉连接;
步骤S2中所述将分组后每组光伏电池板内部按照n×m进行全交叉连接,具体为:
对于步骤S1中分割而成的每组光伏电池板内部,各光伏电池板按照n块电池板串联,m条串联支路并联的n×m结构进行全交叉连接;各组内部n×m块电池板全交叉连接中n和m的具体取值,可根据实际情况统筹硬件成本灵活设计;
步骤S3:对于全交叉连接的每一电池板组,每组电池板路端连接DC/DC控制电路,每条并联支路分别安装光照强度传感器和电池温度传感器;
步骤S3中所述对于全交叉连接的每一电池板组,每组电池板路端连接DC/DC控制电路,每条并联支路分别安装光照强度传感器和电池温度传感器,具体为:对于步骤S2中以全交叉方式连接的由n×m块光伏电池板构成的电池板组,每组路端单独连接DC/DC控制电路以调节该组电池板的工作电压,进而实现对该组光伏电池板的独立MPPT控制;此外,组内各并联支路单独安装光照强度传感器和电池温度传感器,m条并联支路共需m套光照强度传感器和电池温度传感器,每一套传感器单独采集其所覆盖的n块光伏电池板串联的光照强度和电池温度参数;
步骤S4:将分组后的每组电池板内部遮阴情况进行分类,具体分类方法为:
对于步骤S2中的每一个电池板组,由步骤S3中的m套光照强度传感器和电池温度传感器可采集m组光照强度和电池温度数据;根据m个光照强度数据,可将该组内的电池板分为未遮阴、轻度遮阴、中度遮阴以及重度遮阴四个类别;
设当天正常光照强度为Sr,第i条并联支路的光照强度传感器采集到的电池板光照强度为Si,则分类可按照如下规则进行:
步骤S5:基于BP神经网络,对步骤S2中的每一光伏电池板组构建离线MPPT预测模型,具体方法如下:
基于步骤S4中对每组电池板内部遮阴情况的分类统计结果,以该电池板组内未遮阴电池板光照强度Su、电池温度Tu和电池板数量Nu,轻度遮阴电池板光照强度Ss、电池温度Ts和电池板数量Ns,中度遮阴电池板光照强度Sm、电池温度Tm和电池板数量Nm,以及重度遮阴电池板光照强度Sh、电池温度Th和电池板数量Nh为神经网络输入层节点;以该电池板组的最大功率点电压值为神经网络输出层节点,构建基于神经网络的光伏电池板组离线MPPT模型;
步骤S6:设计模拟实验,得到BP神经网络的初始训练样本;
步骤S7:根据训练完成的神经网络模型,直接获得当前环境下该电池板组的最大功率点电压近似值;
步骤S8:路端DC/DC电路驱动该电池板组工作在最大功率点电压近似值位置处,并开始基于扰动观察法的在线MPPT,直至电池板组工作于最大功率点;
步骤S9:记录当前环境参数及最大功率点数值,作为最新获取的数据样本,反馈并存储于光伏系统控制器中的数据样本库;
步骤S9中所述记录当前环境参数及最大功率点Vm数值,作为最新获取的数据样本Mn,反馈并存储于光伏系统控制器中的数据样本库,具体为:
步骤S9.1:在光伏系统的运行过程中,每次光照条件变化后,各光伏电池板组都将通过传感器采集当前光照强度及电池温度参数,也都将通过运行步骤S7-步骤S8中的离线/在线混合MPPT控制算法得出当前遮阴下的最大功率点电压值;这些光伏系统实际运行数据将作为有效数据被反馈并存储于整套光伏系统的控制器当中,不断扩充步骤S7中用于训练离线MPPT神经网络模型的数据样本库;
步骤S9.2:每Tm分钟,运行一次步骤S7-步骤S8中的离线/在线混合MPPT算法,并获得一组最新的运行数据样本Mn;
步骤S9.3:如果控制器中存储的历史运行数据未达到设定的时间窗长度Lt,则将最新的运行数据样本Mn直接反馈添加到数据库中;
步骤S9.4:在下一个Tm分钟后,再次执行步骤S7-步骤S8中的离线/在线混合MPPT算法,此时用于训练离线MPPT神经网络的数据样本,为步骤S9.2中添加了最新样本Mn后的数据库;
步骤S9.5:控制器中存储的历史运行数据达到设定的时间窗长度Lt,则消除当前数据库中的第一个数据样本,再将Mn添加到数据库中,然后转到步骤S9.3。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911146849.9/1.html,转载请声明来源钻瓜专利网。