[1]杨振睿,沈主浮,孙 辰,等.基于 T-S 模糊神经网络的光伏发电机组自动控制[J].机械与电子,2024,42(02):35-39.
　YANG Zhenrui,SHEN Zhufu,SUN Chen,et al.Automatic Control of Photovoltaic Generator Set Based on T-S Fuzzy Neural Network[J].Machinery & Electronics,2024,42(02):35-39.
点击复制

基于 T-S 模糊神经网络的光伏发电机组自动控制()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
42
期数:
2024年02期
页码:
35-39
栏目:
自动控制与检测
出版日期:
2024-02-27

文章信息/Info

Title:
Automatic Control of Photovoltaic Generator Set Based on T-S Fuzzy Neural Network
文章编号:
1001-2257 ( 2024 ) 02-0035-05
作者:
杨振睿 1 ; 沈主浮 2 ; 孙 辰 1 ; 蔡 斌 1 ; 姜 宽 1
1. 国网上海市电力公司市区供电公司调度控制中心,上海 200080 ;
2. 国网上海市电力公司市区供电公司总师室,上海 200080
Author(s):
YANG Zhenrui1 ;  SHEN Zhufu2 ;  SUN Chen1 ;  CAI Bin1 ;  JIANG Kuan1
( 1.Dispatching Control Center , Urban Power Supply Company , State Grid Shanghai Electric Power Company, Shanghai 200080 , China ;
2.Chief Engineer ’s Office , Urban Power Supply Company , State Grid Shanghai Electric Power Company , Shanghai 200080 , China )
关键词:
T-S 模糊神经网络; 光伏发电机组; 自动控制; 特性曲线; 最大功率点; 光照情况
Keywords:
T-S fuzzy neural network ;  photovoltaic generator set ;  automatic control ;  characteristic curve ;  maximum power point ;  lighting conditions
分类号:
TP183
文献标志码:
A
摘要:
光照情况变化会使光伏发电机组功率呈现不稳定性,加大光伏发电机组控制难度,为此,设计了基于 T-S 模糊神经网络的光伏发电机组自动控制方法。构建光伏阵列数学模型,分析在均匀和不均匀 2 种光照情况下光伏发电机组特性曲线。以分析结果为依据,采用 T-S 模糊神经网络构建光伏发电机组自动控制模型。为保证良好的控制效果,引入定比因子优化隶属度函数,输出最佳跟踪结果,结合最佳跟踪结果和自动控制模型实现光伏发电机组自动控制。测试结果显示,该方法能够完成光伏阵列特性分析,控制效果好。
Abstract:
The change of illumination will make the power of photovoltaic generator set unstable , which increases the difficulty of photovoltaic generator set control.Therefore designs an automatic control method of photovoltaic generator set based on T-S fuzzy neural network.The mathematical model of photovoltaic array is established , and the characteristic curve of photovoltaic generator set under uniform and uneven illumination is analyzed.Based on the analysis results , the T-S fuzzy neural network is used to construct the automatic control model of photovoltaic generator set.In order to ensure good control effect , the constant ratio factor is introduced to optimize the membership function , and the best tracking results are output.The automatic control of photovoltaic generator set is realized by combining the best tracking results and the automatic control model.The test results show that this method can complete the photovoltaic array characteristic analysis and the control effect is good.

参考文献/References:

[ 1 ] 焦科名,徐凯 . 基于神经网络和模糊控制的光伏发电 MPPT 研究[ J ] . 计算机仿真, 2020 , 37 ( 5 ): 71-76.

[ 2 ] 张宇献,郑研,钱小毅,等 . 基于混合输入模糊神经网络的风力发电机异常监测[ J ] . 控制工程, 2021 , 28 ( 4 ):799-807.
[ 3 ] 马良玉,郑佳奕 . 基于动态模糊神经网络的超临界机组协调控制[ J ] . 华北电力大学学报(自然科学版), 2021 , 48 ( 2 ): 96-103.
[ 4 ] 汤茂东,曲小慧,姚若玉,等 . 基于离散一致性算法的直流配电网多光伏协调控制策略[ J ] . 电力系统自动化,2020 , 44 ( 24 ): 89-95.
[ 5 ] 樊国东,刘世林,裴俊,等 . 光火储混合发电系统的负荷频率协调优化控制[ J ] . 电力系统 及其 自 动化 学报,2020 , 32 ( 12 ): 134-143.
[ 6 ] 张金金,张倩,马愿,等 . 模糊聚类 Elman 神经网络短期光伏发电预测模型[ J ] . 电测与仪表, 2020 , 57 ( 12 ): 46-51.
[ 7 ] 左远龙,黄玉水,杨晓辉,等 . 基于 PFA-MBAS-BP神经网络模型的光伏发电短期预测[ J ] . 电力系统保护与控制,2020 , 48 ( 15 ): 84-91.
[ 8 ] 方鹏,高亚栋,潘国兵,等 . 基于 LSTM 神经网络的中长期光伏电站发电量预测方法研究[ J ] . 可再生能源,2022 , 40 ( 1 ): 48-54.
[ 9 ] 李正明,梁彩霞,王满商 . 基于 PSO-DBN 神经网络的光伏短期发电出力预测[ J ] . 电力系统保护与 控制,2020 , 48 ( 8 ): 149-154.
[ 10 ] 王育飞,付玉超,薛花 . 基于 Chaos-EEMD-PFBD分解和 GA-BP 神经网络的光伏发电功率超短期预测法[ J ] . 太阳能学报, 2020 , 41 ( 12 ): 55-62.
[ 11 ] 王晨阳,段倩倩,周凯,等 . 基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测[ J ] .物理学报,2020 , 69 ( 10 ): 149-155.
[ 12 ] 张成,白建波,兰康,等 . 基于数据挖掘和遗传小波神经网络的光伏电站发电量预测 [ J ] . 太阳能学报,2021 , 42 ( 3 ): 375-382.
[ 13 ] 宋超,张兴,王宝基,等 . 基于电压空间矢量 180° 解耦的开绕组双逆变器光伏发电系统无功补偿控制[ J ] .太阳能学报,2020 , 41 ( 9 ): 175-183.
[ 14 ] 姚宏民,杜欣慧,秦文萍 . 基于密度峰值聚类及 GRNN 神经网络的光伏发电功率预测方法[ J ] . 太阳能学报, 2020 , 41 ( 9 ): 184-190.
[ 15 ] 刘松,李啸骢,陈登义 . 大型光伏储能电站与同步发电机励磁的非线性协调控制策略[ J ] . 电力自动化设备,2020 , 40 ( 5 ): 92-100.

相似文献/References:

[1]汤小川,单英健.基于稀疏时域法的光伏发电机组低频振荡控制研究[J].机械与电子,2025,(01):29.
　TANG Xiaochuan,SHAN Yingjian.Research on Low Frequency Oscillation Control of Photovoltaic Generator Units Based on Sparse Time Domain Method[J].Machinery & Electronics,2025,(02):29.

备注/Memo

备注/Memo:
收稿日期: 2022-06-07
作者简介:杨振睿 ( 1973- ),男,上海人,硕士,高级工程师,研究方向为电力系统及其自动化;沈主浮 ( 1973- ),男,上海人,高级工程师,研究方向为电网运行;孙 辰 ( 1988- ),男,甘肃兰州人,博士,高级工程师,研究方向为新型电力系统、电网运行分析评估;蔡 斌 ( 1982- ),男,浙江海宁人,高级工程师,研究方向为电网调度运行控制;姜 宽 ( 1993- ),男,江苏徐州人,博士,工程师,研究方向为电力系统仿真与继电保护。
更新日期/Last Update: 2024-03-22