(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211330599.6 (22)申请日 2022.10.25 (71)申请人 东莞南方半导体科技有限公司 地址 523000 广东省东莞 市松山湖园区新 竹路4号12栋601室 (72)发明人 曹海军　黄伟樑　赵途　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 赵贯杰 (51)Int.Cl. G05F 1/67(2006.01) G06N 3/02(2006.01) G06N 3/08(2006.01) H02J 3/38(2006.01) (54)发明名称 基于神经网络的光伏模块最大功率点跟踪 方法及系统 (57)摘要 本发明公开一种基于神经网络的光伏模块 最大功率点跟踪方法及系统， 该方法包括： 构建 基于神经网络的预测模型； 提供基于迭代函数架 构的光照估计器和电压跟踪器； 预测模型读取输 入参数集中的参数， 以输出预测电流； 电压跟踪 器进行迭代计算， 以获得参考电压； 光照估计器 进行迭代计算， 以得到参考光照强度； 确认参考 光照强度与当前输入参数集中的光照强度之间 的差值是否小于预设值， 如果是， 则将参考电压 作为最大功率点工作电压， 如果否， 则采用光照 估计器和电压跟踪器的计算结果对输入参数集 进行更新； 通过上述方法， 使得光伏模块实时工 作在最大功率点状态， 而且避免陷入电压调整 过 程中的局部峰值， 具有收敛速度快、 精确度高、 实 施成本低的优点。 权利要求书3页 说明书7页 附图3页 CN 115543006 A 2022.12.30 CN 115543006 A 1.一种基于神经网络的光伏模块 最大功率 点跟踪方法， 其特 征在于， 包括： 构建基于神经网络的预测模型， 所述预测模型的输入参数包括光伏模块所处的环境温 度、 估计光强以及所述光伏模块的输出电压， 所述预测模型 的输出参数包括所述光伏模块 输出的预测电流； 提供基于迭代函数架构的光照估计 器和电压跟踪器； 通过温度传感器实时检测光伏模块所处的环境温度； 构建包括所述 光伏模块当前时刻的输出电压、 环境温度以及光照强度的输入参数集； 所述预测模型读取 所述输入参数集中的参数， 以输出 预测电流； 所述电压跟踪器以所述预测电流和所述输入参数集中的参数为输入参数进行迭代计 算， 以获得参 考电压； 同时， 所述光照估计器以所述预测电流与 所述光伏模块当前输出的实时电流之间的差 值和所述输入参数集中的参数为输入参数进行迭代计算， 以得到参 考光照强度； 确认所述参考光照强度与当前所述输入参数集中的所述光照强度之间的差值是否小 于预设值， 如果是， 则将所述参考电压作为所述光伏模块的最大功率点工作电压， 如果否， 则分别采用所述参考光照 强度和所述参考电压对所述输入参数集中的所述光照 强度和所 述输出电压进行 更新。 2.根据权利要求1所述的基于神经网络的光伏模块最大功率点跟踪方法， 其特征在于， 所述预测模型的参数式为： 其中， 为所述预测模型输出的预测电流， u为环境温度、 输出电压和光照强度所构成的 输入矩阵， w1、 w2、 b1和b2是在所述预测模型训练过程中学习的权 重系数。 3.根据权利要求2所述的基于神经网络的光伏模块最大功率点跟踪方法， 其特征在于， 所述光照估计 器的参数式为： 其中， 为输入参数集中的光照强度， 为参考光照强度， k为迭代次数， 为权重 系数w1中对应光照强度的部分， I为所述光伏模块当前输出的实时电流， δ为大于零的已知 系数， uk为当前时刻输入参数集构成的输入矩阵。 4.根据权利要求2所述的基于神经网络的光伏模块最大功率点跟踪方法， 其特征在于， 所述电压跟踪器的参数式为： 其中， 为输入参数集中的输出电压， 为参考电压， μ为迭代计算过程中控制收敛 速度的步长， k为迭代次数， 为权重系数w1中对应输出电压的部分， uk为当前时刻输入参 数集构成的输入矩阵。 5.一种基于神经网络的光伏模块 最大功率 点跟踪系统， 其特 征在于， 包括：权　利　要　求　书 1/3 页 2 CN 115543006 A 2预测模型， 其基于神经网络构建， 所述预测模型的输入参数包括光伏模块所处的环境 温度、 估计光强以及所述光伏模块的输出电压， 所述预测模型的输出参数包括所述光伏模 块输出的预测电流； 基于迭代函数架构的光照估计 器和电压跟踪器； 所述电压跟踪器用于根据所述预测模型输出的预测电流和所述输入参数集中的参数 进行迭代计算， 以获得参 考电压； 所述光照估计器设置于所述预测模型的输出端和输入端之间， 所述光照估计器用于根 据所述预测模型输出 的预测电流与所述光伏模块当前输出的实时电流之间的差值和所述 输入参数集中的参数进行迭代计算， 以得到参 考光照强度； 确认模块， 所述确 认模块用于确 认所述参考光照强度与当前所述输入参数集中的所述 光照强度之间的差值是否小于预设值， 如果是， 则输出第一结果， 如果否， 则输出第二结果； 输出模块， 其用于当所述确认模块输出第一结果时， 所述电压跟踪器将当前计算出的 所述参考电压作为所述 光伏模块的最大功率 点工作电压而输出； 更新模块， 其用于当所述确认模块输出第二结果时， 分别采用所述参考光照强度和所 述参考电压对所述输入参数集中的所述 光照强度和所述输出电压进行 更新。 6.根据权利要求5所述的基于神经网络的光伏模块最大功率点跟踪系统， 其特征在于， 所述预测模型的参数式为： 其中， 为所述预测模型输出的预测电流， u为环境温度、 输出电压和光照强度所构成的 输入矩阵， w1、 w2、 b1和b2是在所述预测模型训练过程中学习的权 重系数。 7.根据权利要求6所述的基于神经网络的光伏模块最大功率点跟踪系统， 其特征在于， 所述光照估计 器的参数式为： 其中， 为输入参数集中的光照强度， 为参考光照强度， k为迭代次数， 为权重 系数w1中对应光照强度的部分， I为所述光伏模块当前输出的实时电流， δ为大于零的已知 系数， uk为当前时刻输入参数集构成的输入矩阵。 8.根据权利要求6所述的基于神经网络的光伏模块最大功率点跟踪系统， 其特征在于， 所述电压跟踪器的参数式为： 其中， 为输入参数集中的输出电压， 为参考电压， μ为迭代计算过程中控制收敛 速度的步长， k为迭代次数， 为权重系数w1中对应输出电压的部分， uk为当前时刻输入参 数集构成的输入矩阵。 9.一种基于神经网络的光伏模块 最大功率 点跟踪系统， 其特 征在于， 包括： 一个或多个处 理器；权　利　要　求　书 2/3 页 3 CN 115543006 A 3