基于BP和RBF神經(jīng)網(wǎng)絡(luò)的光伏最大功率跟蹤對(duì)比研究.pdf

1、由于常規(guī)能源逐漸面臨枯竭，清潔的可再生的太陽能越來越受到人們的重視，并且在未來光伏電池的應(yīng)用有著良好的發(fā)展前景。但由于光伏電池的轉(zhuǎn)換效率較低，且價(jià)格較高，嚴(yán)重阻礙了光伏系統(tǒng)的推廣和應(yīng)用，因此必須最大限度的利用光伏電池所產(chǎn)生的功率，以降低光伏發(fā)電的成本。因此本文研究的重點(diǎn)是使光伏組件工作在最大功率點(diǎn)處，以獲得最大的輸出功率。
　　 本文針對(duì)光伏系統(tǒng)的非線性特性及最大功率跟蹤的特點(diǎn)，將BP(back propagation)神經(jīng)網(wǎng)絡(luò)

2、技術(shù)應(yīng)用于光伏陣列的最大功率點(diǎn)跟蹤中，對(duì)常用的BP神經(jīng)網(wǎng)絡(luò)的各種學(xué)習(xí)算法和訓(xùn)練算法在MATLAB7.0中進(jìn)行了仿真驗(yàn)證，通過對(duì)仿真結(jié)果的對(duì)比分析，最后本文把神經(jīng)網(wǎng)絡(luò)工具箱中的Levenberg-Marquadt反傳學(xué)習(xí)算法，trainlm訓(xùn)練函數(shù)應(yīng)用在光伏陣列最大功率跟蹤中，并分析了仿真結(jié)果。
　　 而徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Based Function Neural Network，RBFNN)在泛化能力、逼近能力和

3、學(xué)習(xí)速度等方面均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)，所以本文又將RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用于光伏系統(tǒng)的研究中，并且詳細(xì)分析了它的各種訓(xùn)練算法，然后在MATLAB7.0中實(shí)現(xiàn)了各種訓(xùn)練算法，對(duì)比各種算法的不足，本文提出隨機(jī)選取RBF中心(直接計(jì)算法)應(yīng)用到RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，最后應(yīng)用神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)建立了RBF神經(jīng)網(wǎng)絡(luò)，仿真結(jié)果說明了這一方法的可行性和有效性。
　　 最后，本文從兩種神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)方面：隱節(jié)點(diǎn)、訓(xùn)練步數(shù)、預(yù)測(cè)結(jié)果的網(wǎng)絡(luò)逼近誤差、泛化能力