一种气象时序ANN耦合JAYA-SMC混合MPPT的光伏功率预测与控制方法与流程
本发明涉及光伏发电技术与智能控制交叉,具体为一种气象时序ann耦合jaya-smc混合mppt的光伏功率预测与控制方法。
背景技术:
1、随着全球能源危机与环境问题日益突出,光伏发电作为清洁、可再生能源的核心形式,其应用规模持续扩大。然而,光伏系统的发电效率受太阳辐射、温度等气象因素影响显著,存在输出功率波动大、稳定性差、能量转换效率低等问题,严重制约了其大规模并网与离网应用。光伏系统的光电转换效率远低于化石燃料,且易受气象条件影响:太阳辐射和温度的剧烈变化会导致发电中断或功率剧烈波动,严重影响能量输出的稳定性,进而对电网安全稳定运行造成冲击。
2、光伏系统在离网场景下的能量存储问题尚未有效解决:传统电池储能成本高、维护困难且需频繁更换;新型储能技术(如基于氢电解的储氢系统)虽有潜力,但尚未与光伏系统形成高效集成方案。人工神经网络(ann)在预测领域表现优异,尤其在处理高频数据和非线性关系上具有优势,为高精度气象预测提供了可能;无参数jaya优化算法省去了传统启发式算法需人工设置惯性权重、学习因子等控制参数的缺陷,与滑模控制(smc)结合后可提升控制系统的鲁棒性和抗干扰能力,为mppt技术优化提供了新思路。
3、现有技术中,光伏功率预测与mppt控制是提升系统效率的两大关键环节,但均存在明显缺陷:
4、(1)在功率预测方面,传统方法主要依赖统计模型(如时间序列分析)或简单机器学习算法(如支持向量机),存在以下不足:预测精度低,对非线性气象因素的拟合能力有限;适应性差,难以应对快速变化的光照和温度条件,多步预测误差累积显著;数据利用率低,未充分挖掘历史气象数据中的时序特征,导致预测鲁棒性不足。
5、(2)在mppt控制方面,传统技术如扰动观察法(p&o)、增量电导法(ic)及模糊逻辑控制(flc)存在以下问题:跟踪速度慢,在气象条件突变时需数百毫秒才能收敛至最大功率点(mpp);稳定性差,易在mpp附近产生振荡,功率损耗可达5%~10%;抗干扰能力弱,对负载扰动和系统参数变化敏感,鲁棒性不足。
6、(3)在智能优化控制方面,现有方案多采用粒子群算法(pso)、遗传算法(ga)等元启发式算法与滑模控制或模糊控制结合进行mppt寻优,但该类算法性能高度依赖于惯性权重、学习因子、交叉概率、变异概率等多个控制参数的合理设置,而这些参数的最优取值随光伏系统工作条件、气象环境和负载特性的变化而改变,现场调试难度大,参数选取不当极易陷入局部最大功率点,严重制约了其在实际光伏系统中的推广应用。同时,传统滑模控制律中的符号函数(sign)会引起高频抖振现象,增加功率器件开关损耗,影响系统稳定性。
7、(4)在系统集成方面,现有技术多将预测与控制环节割裂,未形成“预测-控制”闭环优化方案,预测误差无法在控制端得到补偿,控制偏差也无法反馈至预测模型进行自校正,导致光伏系统整体能效提升有限。
技术实现思路
1、(一)要解决的技术问题
2、鉴于现有技术的上述缺点、不足,本发明提供一种气象时序ann耦合jaya-smc混合mppt的光伏功率预测与控制方法,以解决上述背景技术中提出的问题。
3、(二)技术方案
4、为了达到上述目的,本发明通过以下技术方案予以实现:一种气象时序ann耦合jaya-smc混合mppt的光伏功率预测与控制方法,包括以下步骤:
5、s1、在光伏场景下进行数据采集,采集光照强度与温度,利用采集的数据建立光伏面板等效电路模型,分析得出光照强度和温度为影响光电流的关键气象因素;
6、s2、通过对光伏面板等效电路模型的数据进行分析,利用分析结果设计人工神经网络预测模型,基于历史气象数据训练模型以实现对温度和太阳辐射的时序预测;
7、s3、采用无参数jaya优化算法,以光伏输出功率为目标函数,迭代求解全局最大功率点对应的最优参考电流;
8、s4、构建jaya-smc混合滑模控制器,以jaya算法输出的最优参考电流构建滑动曲面,采用双曲正切tanh函数抑制抖振,输出控制量转化为dc-dc变换器占空比,调节光伏系统最大功率输出;
9、s5、采集光伏实时电压、电流、功率,对比预测气象参数与实测气象参数、mpp理论功率与实际输出功率,动态校正ann网络权重与jaya迭代种群初始值。
10、进一步地,步骤s1中所述光伏面板等效电路模型为单二极管五参数模型,基于基尔霍夫电流定律建立光伏输出电流方程,光电流表达式为:
11、;
12、二极管饱和电流公式为:
13、;
14、其中,g、t分别为实时采集的辐照度和组件温度,、分别为标准测试辐照度和温度,isc为短路电流,ki为短路电流温度系数,voc为开路电压,a为电池理想因子,ns为串联电池数,q为电子电荷,k为玻尔兹曼常数。
15、进一步地,步骤s2中所述ann预测模型为两层前馈网络,输入层为连续三帧历史气象时序数据,输入层神经元数量为6个,隐藏层神经元数量为20个,激活函数采用sigmoid函数:
16、;
17、其中,wi为各输入神经元权重,xi为时序输入特征,β为神经元偏置项,n为输入特征数量。
18、进一步地,步骤s3中所述jaya优化算法的种群更新公式为:
19、;
20、其中,x(i,j)为第i个个体第j个变量原值;xn(i,j)为更新后变量;为第i代最优解,为第i代最差解;r1、r2为[0,1]区间随机数。
21、进一步地,步骤s4中所述滑动曲面为:
22、;
23、其中,iref为最优参考电流,il1为dc-dc变换器输入电感实时电流;滑模控制律为:
24、;
25、其中,ueq为等效控制输入,由滑模不变性条件=0推导得出,保证系统在滑模面上稳态运行;a为滑模控制增益,ε为边界层厚度,通过平滑tanh过渡替代阶跃切换,大幅削弱开关抖振。
26、进一步地,步骤s5中所述动态校正的具体方式为:simulink仿真单元实时采集光伏输出电压、电流、功率,以实测气象参数与预测气象参数的偏差、实际输出功率与mpp理论功率的偏差作为反馈量,在线更新ann网络权重并重置jaya种群初始值,形成闭环自校正。
27、进一步地,所述sepic变换器工作分为开关导通和开关关断两个模态,状态空间模型为:
28、;
29、状态向量,控制输入u为开关占空比d。
30、进一步地,步骤s2中所述数据集规模为60538组温度-辐照度时序样本,采集设备为si-v-010-t硅基辐照温度传感器,预处理包含归一化、异常值剔除及时序窗口切片操作。
31、进一步地,还包括储能扩展优化步骤:将aemfc碱性膜燃料电池储能系统接入sepic变换器输出端,基于ann预测的长周期气象波动调整电解制氢功率,平抑光伏发电波动。
32、一种气象时序ann耦合jaya-smc混合mppt的光伏功率预测与控制系统,包括:
33、光伏组件模块、气象传感采集单元、ann预测运算单元、jaya优化运算单元、jaya-smc混合控制器、sepic dc-dc变换器、负载模块、simulink仿真校验单元;
34、所述气象传感采集单元输出时序温度、辐照度数据至ann预测运算单元;ann预测运算单元输出预测气象参数至光伏等效模型计算理论输出电压电流;jaya优化运算单元求解全局最大功率点参考电流;jaya-smc混合控制器输出滑模控制信号调节sepic变换器占空比;sepic变换器输出最大功率驱动负载模块;simulink仿真校验单元实时采集电气参数并反馈至ann预测单元和jaya优化单元;
35、还包括aemfc氢储能子系统,所述aemfc氢储能子系统与sepic变换器输出侧并联,基于ann长周期气象预测结果动态调度电解制氢功率:当预测辐照度高于设定阈值时分配富余电能制氢存储,当预测辐照度低于设定阈值时燃料电池释放氢能发电补偿功率缺口,平抑光伏发电波动。
36、(三)有益效果
37、本发明提供了一种气象时序ann耦合jaya-smc混合mppt的光伏功率预测与控制方法,具备以下有益效果:
38、1.本发明采用两层前馈ann对太阳辐照度和组件温度进行时序预测,输入层采用连续三帧历史气象数据以充分挖掘时序相关性。仿真验证表明,本发明的ann预测模型mse低至0.003,r=0.998。在实测样本中,温度预测误差仅0.01℃,辐照度预测误差仅0.13w/m²,较cnn-bilstm(mse=0.17)、anfis(mse=1.16)降低两个数量级,有效解决了传统统计模型和浅层机器学习对非线性气象因素拟合能力差、多步预测误差累积的问题。
39、2.本发明采用jaya优化算法进行全局mpp寻优,与传统pso、ga需人工设置惯性权重、学习因子、交叉概率等多个控制参数不同,jaya仅需初始化种群数量和迭代次数,无需额外调参,规避了参数选取不当陷入局部最优的风险,降低了现场调试难度。在辐照度从1000w/m²骤降至300w/m²、温度从25℃突变至50℃的极端工况下,jaya可在2.5ms内重新收敛至新mpp,相比p&o需15ms以上且最优值持续振荡,跟踪速度和寻优能力优势显著。
40、3.本发明将jaya与改进滑模控制结合构建混合mppt控制器,利用滑模控制对参数摄动和外部扰动的不变性,并采用tanh函数替代传统sign函数,消除高频抖振,降低开关损耗,避免高频振荡损害系统稳定性。在负载转矩突变、互感扰动下,电流跟踪误差≤10%,收敛时间≤2.5ms,而传统pi控制器误差超30%。
41、4.本发明打破了预测与控制相互割裂的局限,构建“气象采集—ann预测—jaya寻优—smc控制—反馈校正”完整闭环。ann预测结果为jaya寻优提供先验信息,缩短迭代时间;simulink实时采集光伏电压、电流、功率,动态校正ann权重与jaya种群初始值,实现预测模型与控制策略的协同优化。
42、5.本发明还集成aemfc碱性膜氢储能子系统作为扩展方案,基于ann长周期预测结果动态调度电解制氢功率——辐照度偏高时制氢存储,辐照度不足时燃料电池释放氢能补偿功率缺口,平抑光伏昼夜及天气间歇性波动,克服传统锂电池储能寿命短、维护成本高的缺陷,拓展离网光伏系统长时间稳定供电能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com