摘要

路面光伏阵列上快速行驶的车辆,所形成的车辆阴影具有复杂的动态随机分布特性,将导致路面光伏阵列的输出功率-电压(P-V)特性曲线呈现动态多峰特性,给路面光伏阵列最大功率点跟踪(Maximum Power Point Tracking,MPPT)控制带来挑战。基于此,文中提出了一种基于贝叶斯优化(Bayesian Optimization,BO)卷积神经网络(Convolutional Neural Network,CNN)的路面光伏阵列最大功率点电压预测方法。首先是将路面光伏阵列的光照和温度的环境信息图像形式输入基于贝叶斯优化CNN的最大功率点电压预测模型进行学习,然后利用训练出的预测模型对当前时刻下路面光伏阵列最大功率点工作电压进行预测。最后,仿真和试验结果表明本文所提出的预测模型具有良好的适应性,能够精准预测不同车辆阴影工况下的路面光伏阵列最大功率点工作电压,尤其是大幅度提高最大功率点工作电压的预测速度,为动态随机车辆阴影下路面光伏阵列的最大功率点跟踪控制奠定基础。

  • 单位
    重庆大学; 输配电装备及系统安全与新技术国家重点实验室

全文