CAJ | 학술논문

为了高效地追踪光伏电池的发电输出功率，结合光伏电池输出非线性的特点，提出了一种基于遗传算法优化的RBF-BP组合神经网络，用于对光伏阵列最大功率点追踪（MPPT）。首先研究了光伏电池的输出特性，在此基础上提出了RBF-BP双隐层组合神经网络。为了更加准确地预测光伏电池最大功率点，进一步运用遗传算法对组合神经网络进行优化。将影响光伏电池输出的主要因素光照强度和温度作为神经网络的输入建立预测模型，通过MATLAB对该模型进行仿真。仿真结果表明，该系统具有追踪精度高、速率快、迭代次数少等优点，有效地提高了对光伏电池输出最大功率点追踪的精度和效率。
위료고효지추종광복전지적발전수출공솔，결합광복전지수출비선성적특점，제출료일충기우유전산법우화적RBF-BP조합신경망락，용우대광복진렬최대공솔점추종（MPPT）。수선연구료광복전지적수출특성，재차기출상제출료RBF-BP쌍은층조합신경망락。위료경가준학지예측광복전지최대공솔점，진일보운용유전산법대조합신경망락진행우화。장영향광복전지수출적주요인소광조강도화온도작위신경망락적수입건립예측모형，통과MATLAB대해모형진행방진。방진결과표명，해계통구유추종정도고、속솔쾌、질대차수소등우점，유효지제고료대광복전지수출최대공솔점추종적정도화효솔。