反向传播神经网络及其改进算法用于光伏MPPT的研究
郁纪1
肖文波2
吴华明1
周恒1
1.南昌航空大学无损检测技术教育部重点实验室,南昌,3300632.南昌航空大学无损检测技术教育部重点实验室,南昌,330063;南昌航空大学科技学院,南昌,330063
摘要：研究了反向传播神经网络(BPNN)、粒子群优化反向传播神经网络(PSO-BPNN)、萤火虫优化反向传播神经网络(FA-BPNN),以及斐波那契优化反向传播神经网络(IM-FSM-BPNN)用于光伏组件在局部阴影下最大功率点的跟踪,以及上述算法在太阳能无人机中飞行光伏发电跟踪.结果首先表明,局部阴影下,IM-FSM-BPNN功率预测精度最低,跟踪时间最长,鲁棒性差,原因是控制参数多,依赖参数初始值.FA-BPNN功率预测精度最高且鲁棒性较好,原因是在训练过程中有效避免梯度消失的问题.其次,在样本数据量增加和太阳能无人机的应用中,发现FA-BPNN的预测效果好和IM-FSM-BPNN的局限性.最后,探讨了参数变化对预测结果的影响.IM-FSM-BPNN、PSO-BPNN和FA-BPNN较BPNN更适用于多样本数据预测,IM-FSM-BPNN相较于其他3种算法更适用于较小的学习率,4种算法的平均跟踪时间和功率平均预测精度随隐含层节点数震荡.
关键词：太阳能无人机光伏组件最大功率点跟踪神经网络混合算法
分类号：V242.9(航空仪表、航空设备、飞行控制与导航)
资助基金：国家自然科学基金(12064027)国家自然科学基金(62065014)江西省教育厅科学技术研究项目(GJJ2204302)
论文发表日期：2023-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 80-87 )
英文信息