本文選題：模糊技術　切入點：非對稱基　出處：《西安電子科技大學學報》2017年05期 　論文類型：期刊論文

【摘要】：為了使光伏發(fā)電系統(tǒng)時刻工作在最大功率點處,構建了非對稱基神經(jīng)網(wǎng)絡跟蹤光伏最大功率點的方法,給出了該方法的具體實現(xiàn)步驟.依據(jù)光伏發(fā)電因素對發(fā)電效率的影響程度不同,構建了模糊因素隸屬函數(shù),計算出影響因素的模糊權值,并將該權值融入到非對稱基神經(jīng)網(wǎng)絡結構的構建中.通過固定基寬的徑向基函數(shù)方法、傳統(tǒng)的徑向基函數(shù)方法以及文中方法,并采用4種數(shù)量的樣本訓練網(wǎng)絡,通過網(wǎng)絡訓練時間及標準差進行對比,可得采用180個樣本訓練網(wǎng)絡的精度最高,且文中方法獲得網(wǎng)絡的精度高于其他方法至少1個數(shù)量級以上.使用這種神經(jīng)網(wǎng)絡時刻識別光伏系統(tǒng)的工作參數(shù),能使光伏系統(tǒng)通過滑動變阻器在任一時刻均能讓內(nèi)外電阻完全匹配,從而保證該系統(tǒng)時刻工作在最大功率點處.
[Abstract]:In order to make the photovoltaic system work at the maximum power point at all times, an asymmetric basis neural network is constructed to track the photovoltaic maximum power point. The realization steps of the method are given. According to the different influence degree of photovoltaic power generation factors on generation efficiency, the membership function of fuzzy factors is constructed, and the fuzzy weights of the influencing factors are calculated. The weight value is incorporated into the construction of asymmetric basis neural network structure. Through the fixed basis width radial basis function method, the traditional radial basis function method and the method in this paper, four kinds of samples are used to train the network. By comparing network training time and standard deviation, 180 samples can be used to train the network with the highest accuracy. The accuracy of the proposed method is at least one order of magnitude higher than that of other methods. The neural network is used to identify the working parameters of photovoltaic system at all times. The photovoltaic system can make the internal and external resistor match exactly at any time by sliding rheostat, so that the system can work at the maximum power point at all times.
【作者單位】： 信陽師范學院計算機與信息技術學院;
【基金】：國家自然科學基金資助項目(61402393) 河南省高等學校重點科研資助項目(16A535001) 河南省教師教育課程改革研究重點資助項目(2017-JSJYZD-022,2017-JSJYYB-221) 河南省高等教育教學改革資助項目(2017SJGLX260)
【分類號】：TM615;TP183

【相似文獻】

相關期刊論文 前10條

1 唐友軍;;小型風機最大功率點快速跟蹤策略的仿真研究[J];電子設計工程;2013年16期

2 李應生;孔銀昌;;光伏發(fā)電三點比較法最大功率點跟蹤控制器[J];電源技術;2013年09期

3 宋建威;;最大功率點追蹤分析與實現(xiàn)[J];中國西部科技;2011年36期

4 南忠良;張強;;太陽能水體凈化裝置的最大功率點跟蹤器設計[J];微計算機應用;2009年09期

5 高春甫;陸爽;賀新升;王彬;謝楚雄;;太陽能光伏發(fā)電最大功率點跟蹤控制器設計[J];中國測試;2014年02期

6 蔡先武;;光伏并網(wǎng)系統(tǒng)中的最大功率點追蹤控制[J];電子工業(yè)專用設備;2008年11期

7 趙磊;陳歆技;閆慶開;崔伯峰;;光伏系統(tǒng)最大功率點追蹤的一種改進方法及其仿真[J];電工電氣;2009年09期

8 陳進美;陳巒;;太陽能光伏發(fā)電最大功率點間接跟蹤算法研究[J];水電能源科學;2010年01期

9 王義飛;吳偉;楊宇;吳春華;;光伏系統(tǒng)最大功率點快速判斷和跟蹤方法[J];系統(tǒng)仿真學報;2013年02期

10 黃克亞;;模糊PID控制在光伏發(fā)電MPPT中的應用[J];計算機仿真;2013年03期

相關會議論文 前10條

1 張培銘;顏毅鵬;吳功祥;鮑光海;吳傳武;;基于神經(jīng)網(wǎng)絡的電動機繞組溫升預測的探討[A];中國電工技術學會低壓電器專業(yè)委員會第十一屆學術年會論文集[C];2002年

2 陳佳;;神經(jīng)網(wǎng)絡在上海天然氣日負荷預測中的應用[A];第二屆中國城市燃氣論壇——燃氣青年工程師論壇資料匯編[C];2009年

3 易健雄;朱大奇;陳昕靜;;量子神經(jīng)網(wǎng)絡在電機轉子故障辨識中的應用研究[A];'2006系統(tǒng)仿真技術及其應用學術交流會論文集[C];2006年

4 鄒宇;王萍;邢文超;;基于Hopfield神經(jīng)網(wǎng)絡的諧波檢測方法[A];中國儀器儀表學會第九屆青年學術會議論文集[C];2007年

5 金蘇柯;朱小良;;基于神經(jīng)網(wǎng)絡的火電機組傳感器數(shù)據(jù)融合[A];2012電站自動化信息化學術和技術交流會議論文集[C];2012年

6 白連平;張巧杰;;光伏發(fā)電實驗設計探討[A];第五屆全國高校電氣工程及其自動化專業(yè)教學改革研討會論文集(2)[C];2008年

7 朱鋒;孫輝;周瑋;;基于相似日聚類的神經(jīng)網(wǎng)絡風速預測[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（下冊）[C];2008年

8 康忠健;徐麗;勾松波;金華蓉;李瑞生;;考慮分布電容的神經(jīng)網(wǎng)絡單相接地故障測距算法[A];第二十七屆中國控制會議論文集[C];2008年

9 趙春元;王存旭;張玉艷;于紅霞;;基于神經(jīng)網(wǎng)絡的模糊數(shù)學在鍋爐控制中應用[A];第十屆全國電工數(shù)學學術年會論文集[C];2005年

10 夏靖波;鄒鐵鵬;王師;吳恩庚;陸增喜;;基于神經(jīng)網(wǎng)絡微小電容測量方法的研究[A];1997中國控制與決策學術年會論文集[C];1997年

相關重要報紙文章 前1條

1 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

相關博士學位論文 前10條

1 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

2 邵海見;基于數(shù)據(jù)的風電場短期風速預測[D];東南大學;2016年

3 袁繼敏;基于混沌和神經(jīng)網(wǎng)絡的時域參數(shù)測試研究及其在示波器中的應用[D];電子科技大學;2009年

4 郭鵬;Hopfield神經(jīng)網(wǎng)絡及其在電廠中的應用研究[D];華北電力大學（河北）;2004年

5 李鴻儒;基于神經(jīng)網(wǎng)絡的永磁同步電機控制策略的研究[D];東北大學;2001年

6 譚陽紅;基于小波和神經(jīng)網(wǎng)絡的大規(guī)模模擬電路故障診斷研究[D];湖南大學;2005年

7 焦嵩鳴;計算智能及其在熱工系統(tǒng)中的應用研究[D];華北電力大學（河北）;2007年

8 王曉紅;混合時滯神經(jīng)網(wǎng)絡的穩(wěn)定性研究及在電力系統(tǒng)中的應用[D];華中科技大學;2013年

9 李磊;分布式光伏電源的并網(wǎng)控制及調(diào)度研究[D];武漢大學;2015年

10 謝宏;基于Volterra級數(shù)、小波分析與神經(jīng)網(wǎng)絡的非線性網(wǎng)絡故障診斷方法的研究[D];湖南大學;2005年

相關碩士學位論文 前10條

1 戴華夏;光伏并網(wǎng)系統(tǒng)MPPT方法及能量損失研究[D];中國礦業(yè)大學;2015年

2 蔣賽加;基于混合策略的光伏MPPT算法優(yōu)化控制[D];東北農(nóng)業(yè)大學;2015年

3 邊鳴鏑;基于改進型算法的太陽能最大功率點追蹤（MPPT）的研究與實現(xiàn)[D];吉林大學;2016年

4 劉濤;光伏發(fā)電MPPT預測控制的研究[D];南昌大學;2016年

5 種亞林;基于功率前饋的直驅永磁同步風電機組最大功率點追蹤的改進控制算法[D];華南理工大學;2016年

6 張煒;動態(tài)最大功率點的跟蹤[D];北方工業(yè)大學;2014年

7 李宏亮;并聯(lián)型MPPT技術研究與實現(xiàn)[D];電子科技大學;2013年

8 杜麗芳;獨立的光伏最大功率點跟蹤器的研制[D];上海交通大學;2008年

9 夏安俊;風力發(fā)電機組最大功率點跟蹤控制系統(tǒng)的研究[D];江南大學;2008年

10 韓嵩];變速恒頻雙饋風電機組最大功率點追蹤控制[D];沈陽工業(yè)大學;2012年

，

本文編號：1597834