CN107579699B - 一种基于bp神经网络调节角度的太阳能光伏发电装置的调节方法 - Google Patents

Abstract

本发明公开了一种基于BP神经网络调节角度的太阳能光伏发电装置，包括：太阳能光伏板，其固定拼接成具有抛物面形；支架，其沿着抛物面形的太阳能光伏板的外部平行排列；连接架，其与支架匹配安装，一端固定在抛物线形支架上，另一端具有圆形通孔；第一支撑杆，其依次穿过连接架的圆形通孔；第一支撑架，其一端固定在连接架的圆形通孔外侧，另一端固定在支架外部上；支撑座，其顶部设置凹槽，能够与第一支撑杆匹配安装；驱动电机，其与第一支撑杆电联，能够用于使第一支撑杆旋转；角度传感器，与第一支撑杆电联；控制器，其同时电联角度传感器和驱动电机。本发明公开了一种基于BP神经网络调节角度的太阳能光伏发电装置的调节方法。

Description

一种基于BP神经网络调节角度的太阳能光伏发电装置的调节 方法

技术领域

本发明涉及太阳能应用领域，具体涉及一种基于BP神经网络调节角度的太阳能光伏发电装置及其调节方法。

背景技术

太阳能发电分为光热发电和光伏发电。通常说的太阳能发电指的是太阳能光伏发电，简称“光电”。光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术。这种技术的关键元件是太阳能电池。太阳能电池经过串联后进行封装保护可形成大面积的太阳电池组件，再配合上功率控制器等部件就形成了光伏发电装置。

太阳能光伏发电系统是利用太阳电池半导体材料的光伏效应，将太阳光辐射能直接转换为电能的一种新型发电系统，有独立运行和并网运行两种方式。独立运行的光伏发电系统需要有蓄电池作为储能装置，主要用于无电网的边远地区和人口分散地区，整个系统造价很高；在有公共电网的地区，光伏发电系统与电网连接并网运行，省去蓄电池，不仅可以大幅度降低造价，而且具有更高的发电效率和更好的环保性能。

在现有技术中，太阳能光伏板大多是固定不动的，利用白天太阳光的照射来发电，由于地球自转，太阳光线随时都在变化，固定的太阳能光伏板接收的光线不能达到最大化，使得很多能量不能利用；同时，现有技术中，尽管有能简单调节位置的太阳能光伏板，但是随着太阳光线转动或者定时转动，由于不能随着温度、湿度以及太阳光线等及时调节，也同样造成了太阳能光伏板接收的光线不能达到最大化，能量不能最大化利用的问题。

发明内容

本发明设计开发了一种基于BP神经网络调节角度的太阳能光伏发电装置，本发明的发明目的是提高太阳能光伏板内部的光线反射次数，提高太阳能光伏板的光线利用率。

本发明设计开发了一种基于BP神经网络调节角度的太阳能光伏发电装置的调节方法，本发明的发明目的是解决太阳能光伏板的转动角度有效调节，使其达到良好的运行状态，提高太阳能光伏板对光线的接收率。

本发明提供的技术方案为：

一种基于BP神经网络调节角度的太阳能光伏发电装置，包括：

太阳能光伏板，其固定拼接成具有抛物面形；

支架，其沿着所述抛物面形的太阳能光伏板的外部平行排列；

连接架，其与所述支架匹配安装，一端固定在所述支架上，另一端具有圆形通孔；

第一支撑杆，其依次穿过所述连接架的圆形通孔；

第一支撑架，其一端固定在所述连接架的圆形通孔外侧，另一端固定在所述支架外部上；

支撑座，其顶部设置凹槽，能够与所述第一支撑杆匹配安装；

驱动电机，其与所述第一支撑杆电联，能够用于使所述第一支撑杆旋转；

角度传感器，与所述第一支撑杆电联；

控制器，其同时电联所述角度传感器和所述驱动电机。

优选的是，还包括：

第二支撑杆；以及

第二支撑架，其一端固定在所述太阳能光伏板内部，另一端具有圆形通孔，所述第二支撑杆穿过所述圆形通孔。

优选的是，还包括：负载储能装置，其电联所述太阳能光伏板和所述驱动电机。

优选的是，所述负载储能装置为多个电池单体串联而成的铅酸电池组。

优选的是，所述第一支撑架的一端与所述支架焊接固定，另一端与所述连接架的圆形通孔外侧焊接固定；以及

所述第二支撑架与所述太阳能光伏板的内部焊接固定。

一种基于BP神经网络调节角度的太阳能光伏发电装置的调节方法，对第一支撑杆的旋转速度和旋转角度进行基于BP神经网络的调控，包括如下步骤：

步骤一、按照采样周期，通过传感器采集环境温度T、环境湿度RH、光照强度I、阳光入射角度β以及负载电量Q；

步骤二、依次将环境温度T、环境湿度RH、光照强度I、阳光入射角度β以及负载电量Q进行规格化，确定三层BP神经网络的输入层向量 x＝{x₁,x₂,x₃,x₄,x₅}；其中，x₁为环境温度系数，x₂为环境湿度系数，x₃为光照强度系数，x₄为阳光入射角度系数，x₅所述负载电量系数；

步骤三、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}； m为中间层节点个数；

步骤四、得到输出层向量z＝{z₁,z₂,z₃}，z₁为第一支撑杆的旋转速度调节系数，z₂为第一支撑杆的旋转角度调节系数，z₃为紧急停机信号；

步骤五、控制第一支撑杆的旋转速度和第一支撑杆的旋转角度，使

ω_i+1＝z₁ω_max，

θ_i+1＝z₂ ⁱθ_max，

其中，z₁ ⁱ、z₂ ⁱ分别为第i个采样周期输出层向量参数，ω_max、θ_max分别为设定的第一支撑杆的最大旋转速度和第一支撑杆的最大旋转角度，ω_i+1、θ_i+1分别为第i+1个采样周期的第一支撑杆的旋转速度和第一支撑杆的旋转角度。

优选的是，所述步骤五之后还包括：根据第i个采样周期中的温度、湿度、光照强度、阳光入射角度和负载电量采样信号，判断第i+1个采样周期中的第一支撑杆的运行状态，当输出信号时，进行紧急停止。

优选的是，在所述步骤二中，环境温度T、环境湿度RH、光照强度I、阳光入射角度β以及负载电量Q进行规格公式为：

其中，x_j为输入层向量中的参数，X_j分别为测量参数T、RH、I、β、 Q，j＝1,2,3,4,5；X_jmax和X_jmin分别为相应测量参数中的最大值和最小值。

优选的是，在所述步骤三中，所述中间层节点个数m满足：其中n为输入层节点个数，p为输出层节点个数。

优选的是，在所述步骤三中，初始运行状态下，第一支撑杆的旋转速度和第一支撑杆的旋转角度满足经验值：

ω₀＝0.2ω_max，

θ₀＝0.45θ_max，

其中，ω₀为第一支撑杆的初始旋转速度，θ₀为第一支撑杆的初始旋转角度，ω_mx为第一支撑杆的最大旋转速度，θ_max为第一支撑杆的最大旋转角度。

本发明与现有技术相比较所具有的有益效果：

1、本发明采用抛物线面的太阳能光伏板能够对太阳光进行聚光作用，使太阳光在太阳能光伏板内部形成多次反射，提高太阳能光伏板光线的利用率，进而提高太阳能的利用率；

2、太阳能光伏板能够根据环境温度、环境湿度、阳光入射角度、光照强度以及电量等进行及时转动调节，使太阳能光伏板接收的光线最大化；

3、本发明通过基于BP神经网络的调节方法，对第一支撑杆的转动速度和第一支撑杆的旋转角度进行调控，进而带动太阳能光伏板进行调控，使其达到最佳的运行状态，从而提高太阳光利用率。

附图说明

图1为本发明所述的前侧立体结构示意图。

图2为本发明所述的后侧立体结构示意图。

图3为本发明所述的右视图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1～3所示，本发明提供了一种基于BP神经网络调节角度的太阳能光伏发电装置，其主体结构包括太阳能光伏板110、支架120、连接架121、第一支撑杆160、第一支撑架150、支撑座170、驱动电机、角度传感器以及控制器；其中，太阳能光伏板110固定拼接成具有抛物面形，支架120具有抛物线形弧度，支架120沿着抛物面形的太阳能光伏板110的外部平行排列，连接架121与支架120匹配安装，一端固定在具有抛物线形的支架120外部，另一端具有圆形通孔，第一支撑杆160依次穿过连接架121的圆形通孔，第一支撑架150的一端固定在连接架121的圆形通孔外部，另一端固定在具有抛物线的支架120外部，支撑座170的顶部设置凹槽，能够将第一支撑杆160 匹配安装到凹槽中，驱动电机与第一支撑杆160电联，能够用于使第一支撑杆160旋转，角度传感器与第一支撑杆160电联，能够随时监测第一支撑杆 160的旋转角度，控制器同时电联角度传感器和驱动电机，控制器能够对驱动电机进行控制，进而控制第一支撑杆160的旋转速度和旋转角度。

在另一种实施例中，还包括：第二支撑杆130和第二支撑架140；其中，第二支撑架140一端固定在太阳能光伏板110的内部，另一端具有圆形通孔，第二支撑杆130穿过圆形通孔。

在另一种实施例中，还包括：负载储能装置，其电联太阳能光伏板110、驱动电机以及控制器；作为一种优选，负载储能装置为多个电池单体串联而成的铅酸电池组。

在另一种实施例中，第一支撑架150的一端与支架120的外部焊接固定，另一端与连接架121的圆形通孔外侧焊接固定，第二支撑架140与太阳能光伏板110内部焊接固定，连接架121与支架120焊接固定。

本发明还提供了一种基于BP神经网络调节角度的太阳能光伏发电装置的调节方法，对第一支撑杆160的旋转速度和旋转角度进行基于BP神经网络的调控，具体方法如下：

步骤一、建立BP神经网络模型；

本发明采用的BP网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示设备工作状态的n个检测信号，这些信号参数由数据预处理模块给出。第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定。第三层为输出层，共p个节点，由系统实际需要输出的响应确定。

该网络的数学模型为：

输入层向量：x＝(x₁,x₂,…,x_n)^T，

中间层向量：y＝(y₁,y₂,…,y_m)^T，

输出层向量：z＝(z₁,z₂,…,z_p)^T，

本发明中，输入层节点数为n＝5，输出层节点数为p＝3，隐藏层节点数m 由下式估算得出：

按照采样周期，输入的5个参数为，x₁为环境温度系数，x₂为环境湿度系数，x₃为光照强度系数，x₄为阳光入射角度系数，x₅所述负载电量系数；

由于传感器获取的数据属于不同的物理量，其量纲各不相同。因此，在数据输入神经网络之前，需要将数据规格化为0-1之间的数。

具体而言，对于环境温度T进行规格化后，得到环境温度系数x₁：

其中，T_min和T_max分别为最低环境温度和最高环境温度。

同样的，对环境湿度RH进行规格化后，得到环境湿度系数x₂：

其中，RH_min和RH_max分别为最小环境湿度和最大环境湿度。

对光照强度I进行规格化后，得到光照强度系数x₃：

其中，I_min和I_max分别为最小光照强度和最大光照强度。

对阳光入射角度β进行规格化后，得到阳光入射角度系数x₄：

其中，β_min和β_max分别为最小阳光入射角度和最大阳光入射角度。

对负载电量Q进行规格化后，得到负载电量系数x₅：

其中，Q_min和Q_max分别为最小负载电量和最大负载电量。

输出信号的3个参数分别表示为：z₁为第一支撑杆的旋转速度调节系数， z₂为第一支撑杆的旋转角度调节系数，z₃为紧急停机信号；

第一支撑杆的旋转速度调节系数z₁表示为下一个采样周期中的第一支撑杆的旋转速度与当前采样周期中设定的最高旋转速度之比，即在第i个采样周期中，采集到的第一支撑杆的旋转速度为ω_i，通过BP神经网络输出第i个采样周期的第一支撑杆的旋转速度调节系数z₁ ⁱ后，控制第i+1个采样周期中第一支撑杆的旋转速度为ω_i+1，使其满足ω_i+1＝z₁ ⁱω_max；

第一支撑杆的旋转角度调节系数z₂表示为下一个采样周期中的第一支撑杆的旋转角度与当前采样周期中设定的最大旋转角度之比，即在第i个采样周期中，采集到的第一支撑杆的旋转角度为θ_i，通过BP神经网络输出第i个采样周期的第一支撑杆的旋转角度调节系数z₂ ⁱ后，控制第i+1个采样周期中第一支撑杆的旋转角度为θ_i+1，使其满足θ_i+1＝z₂ ⁱθ_max；

紧急停机信号z₃表示为当前设备的运行状态，其输出值为0或1，当输出值为0时，表示当前设备处于非正常状态，此时，需要进行紧急停机；当输出值为1时，表示当前设备处于正常状态，可以继续运行。

步骤二：进行BP神经网络的训练。

建立好BP神经网络节点模型后，即可进行BP神经网络的训练。根据产品的经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值w_ij，隐层节点j和输出层节点k之间的连接权值w_jk，隐层节点j的阈值θ_j，输出层节点k的阈值w_ij、w_jk、θ_j、θ_k均为-1到1之间的随机数。

在训练过程中，不断修正w_ij和w_jk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。

如表1所示，给定了一组训练样本以及训练过程中各节点的值。

表1训练过程各节点值

步骤三、采集数据运行参数输入神经网络得到调控系数；

训练好的人工神经网络固化在芯片之中，使硬件电路具备预测和智能决策功能，从而形成智能硬件，智能硬件加电启动后，与第一支撑杆相连的驱动电机开始运行，第一支撑杆的旋转速度、第一支撑杆的旋转角度均以最大值开始运行，即第一支撑杆的旋转速度为ω₀＝0.2ω_max，第一支撑杆的旋转角度为θ₀＝0.45θ_max；

同时，采集初始环境温度T₀，初始环境湿度RH₀，初始光照强度I₀，初始阳光入射角度β₀以及初始负载电量Q₀，通过将上述参数规格化，得到BP神经网络的初始输入向量通过BP神经网络的运算得到初始输出向量

步骤四：控制第一支撑杆的旋转速度、第一支撑杆的旋转角度；得到初始输出向量后，即可进行旋转速度和旋转角度的调控，调节第一支撑杆的旋转速度和第一支撑杆的旋转角度，使下一个采样周期第一支撑杆的旋转速度和第一支撑杆的旋转角度分别为：

ω₁＝z₁ω_max，

θ₁＝z₂ ⁰θ_max，

通过传感器获取第i个采样周期中的环境温度T_i、环境湿度RH_i、光照强度I_i、阳光入射角度β_i以及负载电量Q_i，通过进行规格化得到第i个采样周期的输入向量xⁱ＝(x₁ ⁱ,x₂ ⁱ,x₃ ⁱ,x₄ ⁱ,x₅ ⁱ)，通过BP神经网络的运算得到第i个采样周期的输出向量zⁱ＝(z₁ ⁱ,z₂ ⁱ,z₃ ⁱ)，然后控制调节第一支撑杆的旋转速度和第一支撑杆的旋转角度，使第i+1个采样周期时第一支撑杆的旋转速度和第一支撑杆的旋转角度分别为：

ω_i+1＝z₁ ⁱω_max，

θ_i+1＝z₂ ⁱθ_max；

步骤五、监测驱动电机的紧急停机信号。

根据的值判断发电装置的工作状态，是否处于非正常工作状态，当设备处于正常工作状态时需使设备立即停机，以进行检修，避免设备进一步的损坏。

通过上述设置，通过传感器实时监测驱动电机的运行状态，通过采用BP 神经网络算法，对第一支撑杆的旋转速度和旋转角度进行调控，使其达到最佳的运行状态，从而提高运行效率。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (4)

1.一种基于BP神经网络调节角度的太阳能光伏发电装置的调节方法，其特征在于，

使用一种基于BP神经网络调节角度的太阳能光伏发电装置，包括：

太阳能光伏板，其固定拼接成具有抛物面形；

支架，其沿着所述抛物面形的太阳能光伏板的外部平行排列；

连接架，其与所述支架匹配安装，一端固定在所述支架上，另一端具有圆形通孔；

第一支撑杆，其依次穿过所述连接架的圆形通孔；

第一支撑架，其一端固定在所述连接架的圆形通孔外侧，另一端固定在所述支架外部上；

支撑座，其顶部设置凹槽，能够与所述第一支撑杆匹配安装；

驱动电机，其与所述第一支撑杆电联，能够用于使所述第一支撑杆旋转；

角度传感器，与所述第一支撑杆电联；

控制器，其同时电联所述角度传感器和所述驱动电机；

对第一支撑杆的旋转速度和旋转角度进行基于BP神经网络的调控，包括如下步骤：

步骤一、按照采样周期，通过传感器采集环境温度T、环境湿度RH、光照强度I、阳光入射角度β以及负载电量Q；

步骤二、依次将环境温度T、环境湿度RH、光照强度I、阳光入射角度β以及负载电量Q进行规格化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄,x₅}；其中，x₁为环境温度系数，x₂为环境湿度系数，x₃为光照强度系数，x₄为阳光入射角度系数，x₅所述负载电量系数；其中环境温度T、环境湿度RH、光照强度I、阳光入射角度β以及负载电量Q进行规格化的公式为：

其中，x_j为输入层向量中的参数，X_j分别为测量参数T、RH、I、β、Q，j＝1,2,3,4,5；X_jmax和X_jmin分别为相应测量参数中的最大值和最小值；

步骤三、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；

步骤四、得到输出层向量z＝{z₁,z₂,z₃}，z₁为第一支撑杆的旋转速度调节系数，z₂为第一支撑杆的旋转角度调节系数，z₃为紧急停机信号；

步骤五、控制第一支撑杆的旋转速度和第一支撑杆的旋转角度，使

ω_i+1＝z₁ ⁱω_max，

θ_i+1＝z₂ ⁱθ_max，

其中，z₁ ⁱ、z₂ ⁱ分别为第i个采样周期输出层向量参数，ω_max、θ_max分别为设定的第一支撑杆的最大旋转速度和第一支撑杆的最大旋转角度，ω_i+1、θ_i+1分别为第i+1个采样周期的第一支撑杆的旋转速度和第一支撑杆的旋转角度。

2.如权利要求1所述的基于BP神经网络调节角度的太阳能光伏发电装置的调节方法，其特征在于，所述步骤五之后还包括：根据第i个采样周期中的温度、湿度、光照强度、阳光入射角度和负载电量采样信号，判断第i+1个采样周期中的第一支撑杆的运行状态，当输出信号时，进行紧急停止。

3.如权利要求2所述的基于BP神经网络调节角度的太阳能光伏发电装置的调节方法，其特征在于，在所述步骤三中，所述中间层节点个数m满足：其中n为输入层节点个数，p为输出层节点个数。

4.如权利要求3所述的基于BP神经网络调节角度的太阳能光伏发电装置的调节方法，其特征在于，在所述步骤三中，初始运行状态下，第一支撑杆的旋转速度和第一支撑杆的旋转角度满足经验值：

ω₀＝0.2ω_max，

θ₀＝0.45θ_max，

其中，ω₀为第一支撑杆的初始旋转速度，θ₀为第一支撑杆的初始旋转角度，ω_mx为第一支撑杆的最大旋转速度，θ_max为第一支撑杆的最大旋转角度。