基于监督机器学习的太阳能组件 MPPT 技术实现
系统与控制
2021-10-05 v1 机器学习
系统与控制
摘要
本文提出了一种在太阳能光伏系统中使用监督机器学习（ML）进行最大功率点跟踪（MPPT）分析的方法。为此，设计并仿真了光伏系统的整体原理图，以在 MATLAB/Simulink 中创建数据集。进而，通过分析太阳能电池的输出特性，提出了一种基于神经网络（NN）方法的改进 MPPT 算法来跟踪太阳能电池组件的最大功率点（MPP）。为执行该任务，选择贝叶斯正则化方法作为训练算法，因其即使在较小数据下也能良好工作，支持广泛的训练数据集。理论结果表明，在相同环境下，改进的 NN MPPT 算法比扰动观察法具有更高效率，且光伏系统能持续工作在 MPP 而无振荡及任何误判概率。因此，它不仅能减少误判，还可避免 MPP 附近的功率损失。此外，我们在硬件装置中实现了该算法，并与经验数据对比验证了理论结果。
引用
@article{arxiv.2110.00728,
title = {Implementation of MPPT Technique of Solar Module with Supervised Machine Learning},
author = {Ruhi Sharmin and Sayeed Shafayet Chowdhury and Farihal Abedin and Kazi Mujibur Rahman},
journal= {arXiv preprint arXiv:2110.00728},
year = {2021}
}
备注
11 pages, 11 Figures, 5 Tables