[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡的用于汽車的太陽能電池MPPT系統(tǒng)及控制方法

有效

• 申請?zhí)枺?/td>: 201710448539.7
• 申請日: 2017-06-14
• 公開（公告）號: CN107168449B
• 公開（公告）日: 2018-08-21
• 發(fā)明（設計）人: 潘健;馮雨絲;李坤;熊亦舟;黎家成;王淑青;劉天俊;李維;熊梓威;余志婷;裴遠陽
• 申請（專利權）人: 湖北工業(yè)大學
• 主分類號: G05F1/67
• 分類號: G05F1/67
• 代理公司: 武漢科皓知識產(chǎn)權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

1.一種基于神經(jīng)網(wǎng)絡的用于汽車的太陽能電池MPPT系統(tǒng)，其特征在于，包括太陽能電池板，太陽能電池板通過至少四根液壓桿將車頂與車體框架結構相連，通過在智能追蹤最強光照度過程中對四根液壓桿長度的控制，實現(xiàn)車頂傾角調(diào)節(jié)，實現(xiàn)最大功率點跟蹤；太陽能電池板包括滑桿，設置在滑桿上的三角立體折疊太陽能子電池板組和可滑動平面太陽能子電池板，所述三角立體折疊太陽能子電池板組和可滑動平面太陽能子電池板能夠組成一塊平面的電池板，或能夠組成由多個三角立體折疊子電池板組和多個可滑動平面子電池板組成的電池板；所述太陽能電池板上設有若干用于跟蹤太陽移動狀態(tài)的光傳感器；

三角立體折疊太陽能子電池板組包括至少三塊三角立體折疊太陽能子電池板，三塊三角立體折疊太陽能子電池板兩端能夠在滑桿上滑動，中間一塊三角立體折疊太陽能子電池板能夠升起并與相鄰兩個三角立體折疊太陽能子電池板成0～180°傾角構成一個三角立體折疊太陽能子電池板組。

2.根據(jù)權利要求1所述的一種基于神經(jīng)網(wǎng)絡的用于汽車的太陽能電池MPPT系統(tǒng)，其特征在于，滑桿為兩個，平行設置在車體頂端，滑桿為可伸縮結構，每個可滑動平面太陽能子電池板的一端的兩角設有安置在滑軌上的滑塊，滑塊為帶電磁鐵，在展開過程中使相鄰滑塊帶同極磁性互斥，快速展開，在收攏過程中，使相鄰滑塊帶異極磁性相吸，將太陽能電池板的四個角與滑桿的頂端固定，四個角設有永磁鐵。

3.根據(jù)權利要求1所述的一種基于神經(jīng)網(wǎng)絡的用于汽車的太陽能電池MPPT系統(tǒng)，其特征在于，傳感器為至少8個，其中四個布置在遠離太陽能電池板中心的四個角，另外四個布置在靠近太陽能電池板中心的四個角。

4.根據(jù)權利要求1所述的一種基于神經(jīng)網(wǎng)絡的用于汽車的太陽能電池MPPT系統(tǒng)，其特征在于，所述太陽能汽車的車體前蓋后蓋以及兩邊均覆蓋一層輕薄的薄膜電池。

5.一種根據(jù)權利要求1-4任意一項所述的基于神經(jīng)網(wǎng)絡的用于汽車的太陽能電池MPPT系統(tǒng)的控制方法，其特征在于，包括以下步驟：

步驟1，在汽車運動過程中，啟用靠近中心的四個光敏傳感器，在汽車靜止過程中，啟用外圍四個光敏傳感器；

步驟2，光敏傳感器,將光信號轉(zhuǎn)化為數(shù)字信號即電壓值進行比對，在允許的誤差范圍±d以內(nèi)時，d為用戶自行設定，單位為伏特(V)，表示電池板已經(jīng)處于光照度最強的傾角；若誤差范圍大于±d，需要通過控制電機的正反轉(zhuǎn)來控制四根液壓桿的長度變化。

6.根據(jù)權利要求5所述的一種用于汽車的太陽能電池MPPT系統(tǒng)的控制方法，其特征在于，所述步驟2中，通過控制電機的正反轉(zhuǎn)來控制四根液壓桿的長度變化的具體方法包括以下步驟：

步驟1-1，在汽車靜止或運動過程中，通過光傳感器數(shù)據(jù)對比之后，將電池板調(diào)整到輻照度最強的位置，具體包括：

步驟101，定義光傳感器為R1,R2,R3,R4，處于對角線的光傳感器R1,R3或R2,R4分為一組兩兩比較，同理，處于對角線的一組液壓桿由一個步進電機控制，通過光傳感器可將光線強度轉(zhuǎn)化為電壓值；

步驟102，通過電壓跟隨器將信號傳遞到電壓比較器進行比較，電壓比較器即可直接比較輸入端輸入電壓值，若同相輸入大于反相輸入則輸出高電平，步進電機正轉(zhuǎn)控制液壓桿長度變化，若同相輸入小于反相輸入則輸出低電平，步進電機反轉(zhuǎn)控制液壓桿長度變化；直到四個光敏電阻的感光強度一致，電池板到達輻照度最強的位置；

步驟1-2，進行最大功率點跟蹤，具體包括：

步驟201，檢測電池板的開路電壓U_oc和時間參數(shù)T_p；

步驟202，基于神經(jīng)網(wǎng)絡尋優(yōu)算法確認輸出最大功率點處電壓值U^*_mpp；

所述步驟202中，經(jīng)神經(jīng)網(wǎng)絡尋優(yōu)算法確認輸出最大功率點處電壓值U^*_mpp的具體方法包括：

步驟A，確定輸入層參數(shù)：輸入層包括開路電壓U_oc，時間參數(shù)T_p，前一周同一時刻發(fā)電功率均值P以及偏差E；步驟A中所述偏差y(k)為實際輸出功率，y_m(k)為理想狀態(tài)預測輸出功率，輸出最大功率點處電壓值即為U^*_mpp；

步驟B，在隱層部分進行學習和數(shù)值處理；若輸入U_oc小于臨界設定值ΔU_oc，則判定處于陰雨天，停止最大功率點跟蹤過程；若輸入U_oc大于臨界設定值ΔU_oc，則判定處于晴天，開始進行權值計算記錄數(shù)據(jù)；

步驟C，通過y(k)＝h₁w₁+h₂w₂+…+h_iw_i得出輸出功率y(k)，其中，W＝[w₁,w₂,…,w_i]^T為隱層到輸出層權向量，根據(jù)輸出功率y(k)得出最大功率點處電壓值U^*_mpp；

步驟203，隨意選取一點A測量電壓U_A，電流I_A,將U^*_mpp與U_A比較，直到U_A的值與U^*_mpp在預設允許的誤差范圍±a之內(nèi)，計算A點最大功率P_A并儲存；

步驟204，在A點左右兩側(cè)尋找B、C兩點，令U_B＝U_A+b，檢測U_B，I_B，U_C＝U_A-b，檢測U_C，I_C，b的值為初始確定的較大的電壓范圍，計算P_A，P_B，P_C并儲存；

步驟205，對ABC三點處的功率值進行比較，將B、C兩點的功率分別與A點的功率比較，然后對結果進行分析：

情形A：若P_B≥P_A且P_A>P_C則可以確定功率點正在向最大處靠近，可以繼續(xù)按照原方向靠近，且B點離最大功率點最近，于是選擇B為下一次擾動的初始點；

情形B：若僅有P_B≥P_A或P_A>P_C成立，則證明已經(jīng)到了最大功率點或者光照變化太快出現(xiàn)了誤差，于是可以將擾動的初始值保持在A點不變以減小損耗；

情形C：若P_B≥P_A和P_A>P_C均不成立，證明預估的功率點和跟蹤方向正在遠離最大功率點，因此需要改變擾動方向；

考慮到情形C中一直按同樣的電壓變量b搜尋可能出現(xiàn)跟蹤功率點一直在最大功率點附近震蕩的情況，為了避免這一情況降低系統(tǒng)損耗，每次在確認需要改變擾動方向之后，便將原有電壓變量b縮小為原有的二分之一，提高跟蹤精度。