[发明专利]一种光伏系统最大功率点追踪方法及系统

权利要求书

1.一种光伏系统最大功率点追踪方法，应用于MPPT设备，包括多个光伏电池，其特征在于，包括以下方法：

获得任一光伏电池的目标机器学习模型；

接收采集的测点数据；

并基于所述目标机器学习模型、测点数据构建最优输出功率阈值范围，并基于所述最优输出功率阈值范围确定最优输出电压；

控制光伏电池工作在所述最优输出电压；

所述获得任一光伏电池的目标机器学习模型包括：

基于预先建立的数据库获取多个键，得到候选键集合；基于所述候选键集合进行采样，得到多个目标特征数据；基于所述目标特征从所述数据库中查询对应的功率值，基于所述目标特征与所述对应的功率值建立独立特征曲线，融合多个独立特征曲线获得特征表达模型；将所述特征表达模型与最优曲线进行比对，确定影响参数，基于所述影响参数、所述最优曲线得到功率目标数据；所述目标功率数据用于作为训练样本训练目标机器学习模型；

还包括确定对应的MPPT设备，具体为以下方法：

确定MPPT设备的实时输出功率是否为预设输出功率，当所述实时输出功率达到所述预设输出功率时进行所述MPPT设备的切换，包括：

处于预设输出功率的第一MPPT设备向未处于预设输出功率的第二MPPT设备发送启动指令，切换所述第二MPPT设备对所述光伏电池设备进行最大功率点追踪；所述第二MTTP设备基于上述过程对最大功率进行追踪。

2.根据权利要求1所述的光伏系统最大功率点追踪方法，其特征在于，所述数据库中，源数据对应的标识信息存储为键，所述源数据对应的特征数据存储为对应的值；所述源数据为功率曲线。

3.根据权利要求1所述的光伏系统最大功率点追踪方法，其特征在于，所述目标功率数据用于作为训练样本训练目标机器学习模型包括：

根据所述目标功率数据获取已知信息和私有信息；根据所述已知信息生成第一类环境特征和向量特征，以及根据所述已知信息和私有信息生成第二类环境特征；通过预设的第一模型基于所述第一类环境特征和向量特征，获取第一预测值；通过预设的第二模型基于第二类环境特征和向量特征，获取第二预测值；基于所述第一预测值和第二预测值对所述第一模型进行训练，得到训练后的第一模型。

4.根据权利要求3所述的光伏系统最大功率点追踪方法，其特征在于，所述根据所述目标功率数据获取已知信息包括：根据所述目标功率数据获取所述目标参与方的未公布信息、各个参与方的历史公布信息、以及除所述目标参与方之外的其他参与方的未公布信息，得到第一信息；根据所述目标功率数据获取各个参与方的角色信息、各个参与方的未公布信息数量、上一轮所公布信息的数量、当前轮是否存在比上一轮所公布的更大面值的信息、已公布的预设组合信息的数量、以及未公布的信息中可能出现的预设组合信息，得到第二信息；将所述第一信息和第二信息设置为已知信息。

5.根据权利要求3所述的光伏系统最大功率点追踪方法，其特征在于，所述根据所述已知信息生成第一类环境特征和向量特征，以及根据所述已知信息和私有信息生成第二类环境特征包括：

对第一信息进行特征提取，生成多通道的第一类环境特征；对所述第二信息进行特征转换，生成向量特征；对第一信息和所述私有信息进行特征提取，生成多通道的第二类环境特征。

6.根据权利要求1所述的光伏系统最大功率点追踪方法，其特征在于，处于预设输出功率的第一MPPT设备向未处于预设输出功率的第二MPPT设备发送启动指令，切换所述第二MPPT设备对所述光伏电池设备进行最大功率点追踪，包括：

若所述输出功率达到所述最优输出功率阈值，则保持所述第一MPPT设备以所述预设输出功率进行输出；利用所述第一MPPT设备向第二目标光伏发送启动指令，以便切换到所述第二MTTP对所述光伏电池设备进行最大功率点追踪。

7.根据权利要求6所述的光伏系统最大功率点追踪方法，其特征在于，所述第一MTTP设备与所述第二MTTP设备之间通过干接点传递指令。