基于 ANN 辅助序贯蒙特卡洛与最快变化检测的增强型 MPPT 方法
信号处理
2018-05-15 v1
摘要
光伏系统的性能受环境条件变化的影响，当发生局部遮荫时，跟踪最大功率点（MPP）并保持最优性能变得更具挑战性。本文提出一种增强型最大功率点跟踪（MPPT）方法，利用人工神经网络（ANN）对 MPP 的预测来辅助序贯蒙特卡洛（SMC）滤波进行状态估计。在增量电导（I-C）MPPT 方法框架下提出用于 MPP 序贯估计的状态空间模型，基于观测电压、电流或辐照度数据的 ANN 模型预测全局 MPP（GMPP）以精炼 SMC 的估计。此外，应用一种快速辐照度变化检测方法，使得基于 SMC 的 MPPT 方法仅在检测到局部遮荫时才求助于 ANN 的辅助。仿真结果表明，所提出的增强型 MPPT 方法在不同噪声水平下均实现高效率，并对快速辐照度变化具有鲁棒性。
引用
@article{arxiv.1805.04922,
title = {An Enhanced MPPT Method based on ANN-assisted Sequential Monte Carlo and Quickest Change Detection},
author = {Leian Chen and Xiaodong Wang},
journal= {arXiv preprint arXiv:1805.04922},
year = {2018}
}