CN117117992B - 输出功率调节方法、装置、计算机设备和存储介质 - Google Patents
输出功率调节方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117117992B CN117117992B CN202311387034.6A CN202311387034A CN117117992B CN 117117992 B CN117117992 B CN 117117992B CN 202311387034 A CN202311387034 A CN 202311387034A CN 117117992 B CN117117992 B CN 117117992B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- parameter value
- parameter
- output power
- step length
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 193
- 238000010248 power generation Methods 0.000 claims abstract description 67
- 230000008859 change Effects 0.000 claims description 134
- 230000006870 function Effects 0.000 claims description 60
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 10
- 238000005286 illumination Methods 0.000 description 49
- 230000008569 process Effects 0.000 description 17
- 230000003247 decreasing effect Effects 0.000 description 8
- 230000007423 decrease Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
- H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本申请涉及一种输出功率调节方法、装置、计算机设备和存储介质。所述方法包括:获取采样参数对应的采样数据,确定采样数据所属的模糊集合;采样参数与光伏发电系统的最大功率点相关;基于模糊集合对应的模糊规则,对采样数据进行模糊推理,确定与采样数据匹配的模糊控制信息;模糊控制信息包括工作参数的参数值调整方向、以及参数值变化量的步长调整方向;对步长调整方向进行解模糊化处理,得到步长调整值;输出与参数值调整方向和步长调整值匹配的控制信号;控制信号用于通过调整工作参数的参数值,改变光伏发电系统的输出功率。采用本方法能提高输出功率调节效果。
Description
技术领域
本申请涉及光伏发电技术领域,特别是涉及一种输出功率调节方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术
太阳能光伏发电作为新能源发电的代表,具备成为未来主要能源来源的潜力,已经正式应用于生产实际中。然而,光伏电源的输出功率会随着光照强度、温度等环境因素的改变而剧烈变化,具有不可控性,为提高光伏发电效率,通常需要对光伏发电系统进行输出功率调节,实现最大功率点追踪。
传统的输出功率调节方法,实时侦测光伏电源的输出电压,得到输出电压与设定电压的差值,再根据该差值进行输出电压的调节,以使输出电压保持恒定,进而实现输出功率的恒定。然而,光伏发电系统的太阳能板会受到光照变化的影响,可能存在最大功率点的震荡甚至出现多个功率点极值,因此,采用传统的输出功率调节方法,可能无法追踪到光伏发电系统的最大功率点,存在调节效果差的缺点。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高输出功率调节效果的输出功率调节方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种输出功率调节方法,所述方法包括:
获取采样参数对应的采样数据,确定所述采样数据所属的模糊集合;所述采样参数与光伏发电系统的最大功率点相关;
基于所述模糊集合对应的模糊规则,对所述采样数据进行模糊推理,确定与所述采样数据匹配的模糊控制信息;所述模糊控制信息包括工作参数的参数值调整方向、以及参数值变化量的步长调整方向;
对所述步长调整方向进行解模糊化处理,得到步长调整值;
输出与所述参数值调整方向和所述步长调整值匹配的控制信号;所述控制信号用于通过调整所述工作参数的参数值,改变所述光伏发电系统的输出功率。
在其中一个实施例中,所述采样参数为光伏发电系统的工作参数;所述获取采样参数对应的采样数据,确定所述采样数据所属的模糊集合,包括:
获取光伏发电系统的工作参数的采样数据,基于所述采样数据确定所述工作参数的数据变化率;将所述数据变化率所属的模糊集合,确定为所述采样数据所属的模糊集合。
在其中一个实施例中,所述方法还包括:
确定所述工作参数对应的多个候选模糊集合;将所述数据变化率分别映射到各所述候选模糊集合各自的隶属函数中,得到所述数据变化率分别属于每一所述候选模糊集合的候选隶属度;将各所述候选隶属度中最大隶属度对应的候选模糊集合,确定为所述数据变化率所属的模糊集合。
在其中一个实施例中,所述基于所述模糊集合对应的模糊规则,对所述采样数据进行模糊推理,确定与所述采样数据匹配的模糊控制信息,包括:
从所述模糊集合对应的多个模糊规则中,确定与工作参数的参数值调整方向匹配的第一模糊规则、以及与参数值变化量的步长调整方向匹配的第二模糊规则;基于所述第一模糊规则,对所述采样数据进行模糊推理,得到所述工作参数的参数值调整方向;基于所述第二模糊规则,对所述采样数据进行模糊推理,得到所述参数值变化量的步长调整方向;结合所述参数值调整方向与所述步长调整方向,得到模糊控制信息。
在其中一个实施例中,所述方法还包括:
获取所述输出功率改变前后,所述光伏发电系统的原始输出功率和更新输出功率;计算所述更新输出功率相对于所述原始输出功率的功率变化量;在所述功率变化量不满足最大功率条件的情况下,基于所述功率变化量对所述输出功率进行模糊控制,并返回获取原始输出功率和更新输出功率的步骤,直至新的功率变化量满足最大功率条件。
在其中一个实施例中,所述基于所述功率变化量对所述输出功率进行模糊控制,包括:
若所述功率变化量为正,则将所述参数值调整方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向; 若所述功率变化量为负,则将参数调整方向的负方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;确定与所述更新参数值调整方向和所述更新步长调整方向匹配的更新控制信号。
第二方面,本申请还提供了一种输出功率调节装置。所述装置包括:
信息获取模块,用于获取采样参数对应的采样数据,确定所述采样数据所属的模糊集合;所述采样参数与光伏发电系统的最大功率点相关;
模糊推理模块,用于基于所述模糊集合对应的模糊规则,对所述采样数据进行模糊推理,确定与所述采样数据匹配的模糊控制信息;所述模糊控制信息包括工作参数的参数值调整方向、以及参数值变化量的步长调整方向;
解模糊化模块,用于对所述步长调整方向进行解模糊化处理,得到步长调整值;
功率调节模块,用于输出与所述参数值调整方向和所述步长调整值匹配的控制信号;所述控制信号用于通过调整所述工作参数的参数值,改变所述光伏发电系统的输出功率。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上所述的方法的步骤。
上述输出功率调节方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,使用模糊规则将与光伏发电系统最大功率点相关的采样参数、以及能够改变该光伏发电系统的输出功率的工作参数相关联,并根据获取的采样数据进行模糊推理得到匹配的模糊控制信息,进而根据该模糊控制信息对应的控制信号,对光伏发电系统的输出功率进行调节,能够在采样数据发生变化的情况下,及时对工作参数做出相应的改变,从而使得输出功率收敛在最大功率点附近,有利于提高输出功率的控制效果。进一步地,模糊控制信息中包括工作参数的参数值调整方向、以及参数值变化量的步长调整方向,通过对步长调整方向进行解模糊化处理,得到步长调整值,可以以非固定步长实现输出功率的调整,相当于能够在输出功率调整过程中实现调整步长的自适应调节,进而确保输出功率不会发生大幅震荡,从而更灵活地应对最大功率点的变化,有利于提高最大功率点的追踪效率。因此,采用上述方法,能够在提高输出功率调整效果的同时提高效率。
附图说明
图1为一个实施例中输出功率调节方法的应用环境图;
图2为一个实施例中输出功率调节方法的流程示意图;
图3为另一个实施例中输出功率调节方法的流程示意图;
图4为一个实施例中输出功率调节装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的输出功率调节方法,可以应用于如图1所示的应用环境中。其中,控制端102通过网络与采样端104进行通信,获取采样端104采集的采样数据。其中,控制端102可以是控制芯片,也可以是包括控制芯片的控制器。该控制端102可以单独设置,可以集成在光伏发电系统的控制器中,也可以集成在终端中,该终端包括但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑等。采样端104可以用独立的采样端或者是多个采样端组成的采样端集群来实现。控制端102在进行输出功率调节的过程中:从采样端104获取与光伏发电系统的最大功率点相关的采样参数对应的采样数据,并确定采样数据所属的模糊集合;之后,控制端102根据模糊集合对应的模糊规则,对采样数据进行模糊推理,确定采样数据所匹配的模糊控制信息,该模糊控制信息包括工作参数的参数值调整方向、以及参数值变化量的步长调整方向;然后,控制端102对步长调整方向进行解模糊化处理,得到步长调整值,并输出与参数调整方向和步长调整值匹配的控制信号。该控制信号用于通过调整工作参数的参数值,改变光伏发电系统的输出功率。可以理解,由于采用参数与光伏发电系统的最大功率点相关,在实际应用中重复上述输出功率调节过程,能够实现对光伏发电系统的最大功率点的追踪。
在一个实施例中,如图2所示,提供了一种输出功率调节方法,本实施例以该方法应用于图1中的控制端102为例进行说明,该方法包括以下步骤:
步骤S100:获取采样参数对应的采样数据,确定采样数据所属的模糊集合。
其中,采样参数指与光伏发电系统的最大功率点相关的各种参数。该采样参数例如可以包括光伏发电系统中太阳能板所能接收的光照、太阳能板的工作电压或太阳能板所处环境的环境温度等参数中的至少一个。采样数据是对采样参数进行数据采集得到的数据,该采样数据可以包括不同采样时刻下的多个采样值。可以理解,不同采样参数可以对应不同的采样数据。例如,对光照进行数据采集可以得到不同采样时刻的光照值;对温度进行数据采集可以得到不同采样时刻的温度值。进一步地,在一些实施例中,采样数据还可以包括当前采样值相对于前一采样值的变化数据,例如光照变化数据、电压变化数据和温度变化数据等。
模糊集合是用来表达模糊性概念的集合,模糊性概念所描述的对象属性不能简单地用“是”或“否”来回答,例如年轻、很大、暖和、傍晚等,而模糊集合就是指具有某个模糊概念所描述的属性的对象的全体。具体到本申请,模糊集合可以包括采样参数的某一模糊概念所描述的对象的全体。例如,电压的模糊集合可以包括增大、减小、保持,温度的模糊集合可以包括高、低、适中。
在一些具体的实施例中,模糊集合还可以包括工作参数关联信息的某一模糊概念所描述的对象的全体。工作参数是指能够改变光伏发电系统的输出功率的参数,该工作参数例如可以是输出电压、输出电流或输出功率等。工作参数关联信息可以包括工作参数的参数值调整方向或参数值变化量的步长调整方向。其中,工作参数的参数值调整方向指的工作参数的参数值的调整方向。例如,工作参数为输出电压的情况下,对应的参数值调整方向可以是“电压增大”、“电压减小”或“电压不变”。参数值变化量的步长调整方向则为工作参数的参数值改变时,所改变数值的变化方向,例如,“步长增大”、“步长减小”或“步长不变”。
光伏发电系统是利用光伏电池的光生伏特效应,将太阳辐射能直接转换成电能的发电系统。最大功率点则是光伏发电系统具有最佳效率的功率点。如前文所述的,光伏发电系统的最大功率点是实时变化的,因此为提高光伏发电效率,通常需要对光伏发电系统进行输出功率调节,实现最大功率点的追踪。也就是说,本申请进行输出功率调节的目的,在于实现对光伏发电系统的最大功率点的追踪,以提高光伏发电系统的发电效率。
具体地,可以由采样端对与光伏发电系统的最大功率点相关的采样参数进行数据采集,得到采样参数对应的采样值,再由控制端从采样端获取各采样值,得到该采样参数对应的采样数据。也可以使采样端具备一定的计算功能,在对光伏发电系统的最大功率点相关的采样参数进行数据采集,得到采样参数对应的采样值后,根据当前采样值相对于前一采样值的变化数据计算得到采样参数的数据变化率,然后将采样参数的数据变化率传输给控制端。也即,采用参数对应的采样数据,可以是采样值,也可以是对采样值进行处理后得到的处理结果,例如数据变化率。
获取采样数据后,控制端可以对采样数据进行模糊化处理,确定该采样数据所属的模糊集合。以采样参数为温度的情况为例,控制端可以对温度值进行模糊化处理,确定温度值的模糊表达,进而确定与该模糊表达对应的模糊集合,该模糊集合即为采样数据所属的模糊集合,该模糊集合例如可以包括“温度高”、“温度适中”或“温度低”;控制端也可以对温度变化率进行模糊化处理,确定温度变化率的模糊表达,进而确定与该模糊表达对应的模糊集合,该模糊集合即为采样数据所属的模糊集合,该模糊集合例如可以包括“温度变化大”、“温度变化适中”或“温度变化小”。
进一步地,采样参数的种类可以是一个,也可以是多个。在采样参数的种类为多个的情况下,控制端可以获取各采样参数各自对应的采样数据,并确定每一采样数据分别所属的模糊集合。
步骤S200:基于模糊集合对应的模糊规则,对采样数据进行模糊推理,确定与采样数据匹配的模糊控制信息。
其中,模糊规则用于定义采样参数与工作参数之间的推理关系,具体用于定义采样参数的模糊表达与工作参数的模糊控制信息之间的模糊关系。模糊控制信息包括工作参数的参数值调整方向、参数值变化量的步长调整方向之间的模糊关系。关于工作参数、参数值调整方向、步长值调整方向的具体限定参见上文,此处不再赘述。示例性的,设定初始步长值为1,步长调整方向输出为增大,那么在对工作参数进行下一次的调整时,调整的步长值大于1,如此,可以使得工作参数的步长调整值可以随着采样数据的变化而变化,有利于提高输出功率调整效率。
在一个具体的实施例中,模糊规则可以为“IF X is A THEN Y is B”,其中X代表采样参数,A代表采样参数对应的模糊集合,Y则为工作参数或者工作参数的参数值变化量,而B则是模糊控制信息,对应为工作参数的参数值调整方向或参数值变化量的步长调整方向。进一步地,实际应用中,采样参数可以不只一个,当采样参数为两个时,将这两个采样参数用“AND”连接,构成并列的条件即可,例如“IF X1 is A1 AND X2 is A2 THEN Y is B”,采样参数更多的情况参照上述规则,在此不再赘述。
示例性的,模糊规则可以包括以下各项规则中的至少一部分:“IF光照变化率是‘小’AND电压变化率是‘小’THEN步长调整方向为‘增大’”、 “IF光照变化率是‘小’AND电压变化率是‘适中’THEN步长调整方向为‘保持’”、“IF光照变化率是‘小’AND电压变化率是‘大’THEN步长调整方向为‘减小’”、“IF光照变化率是‘适中’AND电压变化率是‘小’THEN步长调整方向为‘增大’”、“IF光照变化率是‘适中’AND电压变化率是‘适中’THEN步长调整方向为‘保持’”、“IF光照变化率是‘适中’AND电压变化率是‘大’THEN步长调整方向为‘减小’”、“IF光照变化率是‘大’AND电压变化率是‘小’THEN步长调整方向为‘增大’”、“IF光照变化率是‘大’AND电压变化率是‘适中’THEN步长调整方向为‘保持’”或者“IF光照变化率是‘大’AND电压变化率是‘大’THEN步长调整方向为‘减小’”。
模糊推理指的是已知模糊规则后,将输入情况代入对应的模糊规则,来确定输出情况,此处的输入情况即指采样参数,输出情况即指工作参数的参数值调整方向、参数值变化量的步长调整方向。例如,模糊推理过程可以是:如果光照变化率“小”,则输出电压的步长调整方向“增大”且输出电压的参数值调整方向“减小”。又如,模糊推理过程可以是:如果光照变化率“小”且电压变化率“小”,则输出电压的步长调整方向“增大”且输出电压的参数值调整方向为“减小”。
具体地,控制端可以从模糊规则库中提取出与采样数据所属的模糊集合有关的模糊规则,根据模糊规则对采样数据进行模糊推理,得到对应的模糊控制信息,可以是对单个采样数据进行模糊推理,得到单个工作参数对应的模糊控制信息。同样的,也可以是对多个采样数据进行模糊推理,得到单个工作参数对应的模糊控制信息,或者,对单个采样数据进行模糊推理,得到多个工作参数对应的模糊控制信息;还可以对多个采样数据进行模糊推理,得到多个工作参数各自对应的模糊控制信息。
进一步地,在一些实施例中,单个采样数据可以对应多个模糊规则,控制端可以根据多个模糊规则对该采样数据进行模糊推理,得到对应的多个模糊控制信息。
步骤S300:对步长调整方向进行解模糊化处理,得到步长调整值。
其中,解模糊化是将模糊控制信息转换为明确的控制信息的过程。具体到本申请,该控制信息是指步长调整值。例如,将“增大”解模糊化为“+0.5”,可以理解为假设初始步长值为“1”,那么工作参数下次改动时的步长值则为“1.5”,调整后所得到的工作参数值为在原始值的基础上增加“1.5”所得到的数值。
具体地,在一段时间内,控制端可以对步长调整方向进行解模糊化处理,得到步长调整值。解模糊化处理所使用的具体算法例如可以是最大隶属度法、重心法或平均值法等等。
在一个具体的实施例中,控制端采用最大隶属度法对步长调整方向进行解模糊化处理的过程为:获取设定时长内经过模糊推理得到的步长调整方向,将这些步长调整方向代入至对应的隶属函数中得到对应的隶属度,将数值最大的隶属度对应的步长调整方向作为最终的步长调整方向,并根据该步长调整方向的隶属函数映射得出步长调整值。该设定时长例如可以是5分钟、10分钟等。
在一个具体的实施例中,控制端采用重心法对步长调整方向进行解模糊化处理的过程为:获取设定时长内经过模糊推理得到的步长调整方向,将这些步长调整方向代入至对应的隶属函数中得到对应的隶属度,根据对应的隶属函数图像得出隶属函数中心点,将每一个步长调整方向对应的隶属度与对应的隶属函数中心点进行乘法运算,并对所有乘积进行求和运算,将求和运算得到的数值除以隶属度值的总和,得到一个重心隶属度值。根据该隶属度值与收集的步长调整方向的隶属度值做对比,收集的步长调整方向的隶属度值中,与重心隶属度值的数值更接近的隶属度值所对应的步长调整方向则为最终的步长调整方向,并根据该步长调整方向的隶属函数映射得出步长调整值。
在一个具体的实施例中,控制端采用平均值法对步长调整方向进行解模糊化处理的过程为:获取设定时长经过模糊推理得到的步长调整方向,将这些步长调整方向代入至对应的隶属函数中得到对应的隶属度,将对应的隶属度数值进行求和运算,并除以收集到的步长调整方向的个数,所得到的数值则为平均隶属度值,根据该隶属度值与收集的步长调整方向的隶属度值做对比,收集的步长调整方向的隶属度值中,与平均隶属度值的数值更接近的隶属度值所对应的步长调整方向则为最终的步长调整方向,并根据该步长调整方向的隶属函数映射得出步长调整值。
步骤S400:输出与参数值调整方向和步长调整值匹配的控制信号。
其中,控制信号用于通过调整工作参数的参数值,改变光伏发电系统的输出功率。比如,初始输出电压为“10V”,初始步长值为“1V”,控制信号为增大电压且电压的步长调整值为“+0.5”,那么经过调整的下一时刻输出电压即为“11.5V”。
具体地,控制端102输出与参数值调整方向和步长调整值匹配的控制信号,以通过调整工作参数的参数值,实现对光伏发电系统输出功率的改变,从而实现输出功率的调节功能。
上述输出功率调节方法,使用模糊规则将与光伏发电系统最大功率点相关的采样参数、以及能够改变该光伏发电系统的输出功率的工作参数相关联,并根据获取的采样数据进行模糊推理得到匹配的模糊控制信息,进而根据该模糊控制信息对应的控制信号,对光伏发电系统的输出功率进行调节,能够在采样数据发生变化的情况下,及时对工作参数做出相应的改变,从而使得输出功率收敛在最大功率点附近,有利于提高输出功率的控制效果。进一步地,模糊控制信息中包括工作参数的参数值调整方向、以及参数值变化量的步长调整方向,通过对步长调整方向进行解模糊化处理,得到步长调整值,可以以非固定步长实现输出功率的调整,相当于能够在输出功率调整过程中实现调整步长的自适应调节,进而确保输出功率不会发生大幅震荡,从而更灵活地应对最大功率点的变化,有利于提高最大功率点的追踪效率。因此,采用上述方法,能够在提高输出功率调整效果的同时提高效率。
在一个实施例中,采样参数为光伏发电系统的工作参数。在该实施例的情形下,步骤S100包括:获取光伏发电系统的工作参数的采样数据,基于采样数据确定工作参数的数据变化率;将数据变化率所属的模糊集合,确定为采样数据所属的模糊集合。
具体地,控制端102可以获取由采样端104采集到的光伏发电系统的工作参数的采样数据。该采用数据例如可以包括光照数据、电压数据和温度数据等。然后,控制端再根据当前采样值相对于前一采样值的变化数据,计算得到采样参数的数据变化率,所得到的采样参数的数据变化率则决定了对应的采样参数属于哪个模糊集合。也即,对数据变化率进行模糊化处理,确定该数据变化率所属的模糊集合,并将该模糊集合确定为采样数据所属的模糊集合。比如,设当前光照的采样值为“100lux”,前一时刻的光照采样值为“50lux”,那么光照的数据变化率的计算过程则为“(100-50)/50*100%=100%”,根据当前光照的数据变化率“100%”,对应到光照的候选模糊集合:“光照变化率大”、“光照变化率小”或“光照变化率适中”中,选择出当前光照的采样数据对应的模糊集合为“光照变化率大”。
本实施例中,由控制端接收到采样端采集的工作参数采样数据以后,进行计算得到工作参数的数据变化率,并根据数据变化率来确定该采样数据的模糊集合,使得所确定的模糊集合与采样参数的波动情况高度契合,进而确保输出功率调节过程能够跟随采样参数的波动,有利于进一步提高功率调节效果。
在一个实施例中,输出功率调节方法还包括:确定工作参数对应的多个候选模糊集合;将数据变化率分别映射到各候选模糊集合各自的隶属函数中,得到数据变化率分别属于每一候选模糊集合的候选隶属度;将各候选隶属度中最大隶属度对应的候选模糊集合,确定为数据变化率所属的模糊集合。
其中,候选模糊集合用于定义每个工作参数在模糊集合中对应的各自的模糊集合。例如,工作参数为光照变化率的情况下,对应的候选模糊集合可以包括“光照变化率大”、“光照变化率小”或“光照变化率适中”。
隶属函数是用于确定元素属于模糊集合的“真实程度”的函数,隶属度用于表征元素属于模糊集合的“真实程度”。例如,假设“胖子”是模糊集合,根据该模糊集合对应的隶属函数,可以确定体重80公斤的人属于“胖子”的隶属度为“0.9”,体重70公斤的人属于“胖子”的隶属度为“0.8”。又如,对于模糊集合“年轻”而言,当年龄小于20岁时,相应的隶属度可以为“1”,认为小于20岁一定属于“年轻”的范畴,如果一个人30岁,无法认定他是否“年轻”,相应的隶属度可以为“0.5”,表征30岁有“50%”的程度属于“年轻”的范畴,也有“50%”的程度不属于“年轻”的范畴。
具体到本申请,隶属度用于表示工作参数的数据变化率与模糊集合之间的关系,具体用于表示工作参数的数据变化率隶属于模糊集合的程度。示例性的,在一个具体的应用中,光照变化率为10%时,属于“光照变化率大”的隶属度为0.2,属于“光照变化率小”的隶属度为0.5,属于“光照变化率适中”的隶属度为0.8。
进一步地,隶属函数的具体类型并不唯一,例如可以是三角形函数、梯形函数、矩形函数、高斯函数以及锯齿形函数等,将数据变化率代入到各候选模糊集合各自的隶属函数中,便可得到对应候选模糊集合的隶属度。
在一个具体的实施例中,以三角形函数作为候选模糊集合的隶属函数,假设数据变化率的范围为“0”到“1”,可以选择三角函数的峰值位置为“0.5”,陡峭程度适当调整来适应实际情况,得到一个类似于三角形的隶属函数,将得到的数据变化率代入至该隶属函数的图像中,便可得到相对应的隶属度值。
在一个具体的实施例中,以梯形函数作为候选模糊集合的隶属函数,假设数据变化率的范围为“0”到“1”,可以选择梯形函数的上升和下降斜率点来适应实际情况,可以得到一个类似于梯形的隶属函数,将得到的数据变化率代入至该隶属函数的图像中,便可得到相对应的隶属度值。
在一个具体的实施例中,以高斯函数作为候选模糊集合的隶属函数。高斯函数是一种钟形曲线形状的隶属函数,常用于描述连续变化的输入变量,它具有一个中心位置和一个标准差,用于控制曲线的宽度和陡峭程度。高斯函数在中心位置附近的隶属度较高,随着距离中心位置的增加而逐渐减小。假设数据变化率的范围为“-1”到“1”,可以选择高斯函数的中心位置为“0”,标准差适当调整来适应实际情况,这样可以得到一个钟形曲线的隶属函数,将得到的数据变化率代入至该隶属函数的图像中,便可得到相对应的隶属度值。
在一个具体的实施例中,以锯齿形函数作为候选模糊集合的隶属函数。锯齿形函数是一种具有锯齿状形状的隶属函数,它在一定范围内以线性的方式增加或减少。锯齿形函数通常用于描述离散的输入变量,其中隶属度沿着直线段逐步变化。假设数据变化率的范围为“0”到“1”,可以选择锯齿形函数的上升直线段的起始点和结束点,以及下降直线段的起始点和结束点来适应实际情况。这样可以得到一个锯齿状的隶属函数,将得到的数据变化率代入至该隶属函数的图像中,便可得到相对应的隶属度值。
进一步地,锯齿形函数的具体函数表达式的确定过程可以包括:将上升直线段的起始点为0,结束点为1,步长(隶属度的步长)为0.2;将下降直线段的起始点为1,结束点为0,步长(隶属度的步长)为0.2;在上升直线段上,隶属度从0开始,每0.2增加一次,直到1(即:0,0.2,0.4,0.6,0.8,1);在下降直线段上,隶属度从1开始,每0.2减少一次,直到0(即:1,0.8,0.6,0.4,0.2,0);将上述图像的函数表达式确定为锯齿形函数的表达式。
具体地,控制端可以确定工作参数对应的多个候选模糊集合。这里的工作参数可以是一个也可以是多个,当工作参数为一个时,该工作参数可以对应多个候选模糊集合,当工作参数为多个时,每一工作参数可以分别对应多个候选模糊集合。之后,控制端将数据变化率代入到各候选模糊集合各自对应的隶属函数中,得到数据变化率分别属于每一个候选模糊集合的候选隶属度。最后,控制端将各候选隶属度中最大隶属度对应的候选模糊集合,确定为数据变化率所属的模糊集合。例如,将光照变化率为“5%”代入到模糊集合中“光照变化率大”、“光照变化率小”或“光照变化率适中”的隶属函数中,可以得到其隶属度分别为0.2、0.5、0.8,其中,模糊集合“光照变化率保持”对应的隶属度最大那么光照变化率为“5%”的情况下,对应的模糊集合是“光照变化率适中”。
本实施例中,将工作参数的数据变化率代入工作参数的候选模糊集合对应的隶属函数中,得到对应的隶属度,并通过对应的隶属度的数值大小对比,选出隶属度最大的候选模糊集合作为该工作参数对应的模糊集合,能够确保所确定的模糊集合的准确性,进而提高整个输出功率调节过程的准确性。
在一个实施例中,步骤S200包括:从模糊集合对应的多个模糊规则中,确定与工作参数的参数值调整方向匹配的第一模糊规则、以及与参数值变化量的步长调整方向匹配的第二模糊规则;基于第一模糊规则,对采样数据进行模糊推理,得到工作参数的参数值调整方向;基于第二模糊规则,对采样数据进行模糊推理,得到参数值变化量的步长调整方向;结合参数值调整方向与步长调整方向,得到模糊控制信息。
其中,第一模糊规则用于表示输出情况为工作参数的参数值调整方向的情况下,所对应的输入情况、输出情况以及对应的模糊关系所组成的模糊规则。例如,设输出情况为工作参数的参数值调整方向的情况下,输入情况为光照变化率,模糊规则为“IF光照变化率增大,THEN工作参数的参数值调整方向为增加”。
同样地,第二模糊规则指的是输出情况为参数值变化量的步长调整方向的情况下,所对应的输入情况、输出情况以及对应的模糊关系所组成的模糊规则。例如,设输出情况为参数值变化量的步长调整方向的情况下,输入情况为光照变化率,模糊规则为“IF光照变化率增大,THEN数值变化量的步长调整方向为增加”。
具体地,控制端102根据输出情况的不同,从模糊集合对应的多个模糊规则中分别为工作参数的参数值调整方向、参数值变化量的步长调整方向确定所属的模糊规则,也就是说,采样参数的模糊集合确定以后,对应的模糊规则有多个,根据输出情况为工作参数的参数值调整方向或者参数值变化量的步长调整方向来确定某一个确定的模糊规则作为第一模糊规则或第二模糊规则,根据两个模糊规则进行模糊推理,便可得到包括参数值调整方向与步长调整方向在内的模糊控制信息。
本实施例将模糊控制信息中的两个参数值调整方向与步长调整方向分开来进行模糊推理,分别为其匹配对应的模糊规则,使得模糊推理过程更加清晰,有利于进一步提高模糊推理所确定的模糊控制信息的准确性。
在其中一个实施例中,输出功率调节方法还包括:获取输出功率改变前后,光伏发电系统的原始输出功率和更新输出功率;计算更新输出功率相对于原始输出功率的功率变化量;在功率变化量不满足最大功率条件的情况下,基于功率变化量对输出功率进行模糊控制,并返回获取原始输出功率和更新输出功率的步骤,直至新的功率变化量满足最大功率条件。
其中,最大功率条件可以是指功率变化量小于设定阈值,也可以是指功率变化量小于或等于设定阈值。可以理解,在调整之后输出功率的变化量很小的情况下,可以认为此时的输出功率在最大功率点附近或者就是最大功率点。例如,设阈值为“0.1”,那么当检测到功率变化量的绝对值小于“0.1”,或者小于或等于“0.1”时,认为当前功率已为最大功率,完成最大功率点的追踪。
具体地,采样端可以在输出功率改变前首先采集此时的原始输出功率,在输出功率改变后再次采集更新输出功率,并将两次采集到的数据传输至控制端。由控制端进行计算更新输出功率相对于原始输出功率的功率变化量,如果功率变化量满足最大功率条件,说明此时的输出功率点即在最大功率点附近或者就是最大功率点。如果功率变化量不满足最大功率条件,则认为此时的输出功率并不在最大功率点周围,需要再次基于模糊推理进行输出功率的调节,直至新的功率变化量满足最大功率条件。
进一步地,控制端可以重新确定输出功率的参数调整方向,并根据此时的功率变化量重新确定对应的模糊集合,基于该功率变化量对输出功率进行模糊推理得到最新步长调整方向,进而根据最新步长调整方向解模糊化得到最新步长调整值,根据最新确定的输出功率的参数调整方向与最新步长调整值对输出功率进行调整,得到最新输出功率,重新由采样端对更新输出功率和最新输出功率进行采样并传输至控制端,控制端再次计算功率变化量、判断是否满足最大功率条件,若满足,则停止对输出功率的改变,保持输出功率不变,若不满足,则重复以上步骤,直至完成最大功率点的追踪。
本实施例中,基于调整前后的功率变化量判断是否满足最大功率条件,并在不满足最大功率条件的情况下在此进行输出功率的调整,相当于通过输出功率调整对实际输出功率的贡献判断是否满足最大功率条件,能够实现最大功率点的追踪,提高了光伏发电系统的效率。
在一个具体的实施例中,基于功率变化量对输出功率进行模糊控制,是指重复执行步骤S100至步骤S400的处理过程,基于新获取的采样数据进行模糊推理,确定与采样数据匹配的工作参数的参数值调整方向、以及参数值变化量的步长调整方向,再对步长调整方向进行解模糊化处理,得到步长调整值,并输出与参数值调整方向和步长调整值匹配的控制信号,以通过调整工作参数的参数值,改变光伏发电系统的输出功率。
在一个实施例中,基于功率变化量对输出功率进行模糊控制,包括:若功率变化量为正,则将参数值调整方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;若功率变化量为负,则将参数调整方向的负方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;确定与更新参数值调整方向和更新步长调整方向匹配的更新控制信号。
具体地,本实施例根据功率变化量的正负来对参数值调整方向进行改变,在功率变化量为正的情况下,说明输出功率还未达到最大功率点,继续沿着当前的参数值调整方向对输出功率进行调整,并基于获取的更新采样数据进行模糊推理,确定步长调整值,可以使得输出功率靠近最大功率点;若功率变化量为负,说明输出功率已经超过最大功率点,输出功率为逐步下降的趋势,将参数值调整方向改为相反的方向对输出功率进行调整,再基于获取的更新采样数据进行模糊推理,确定步长调整值,即可使得输出功率靠近最大功率点。
本实施例中,根据功率变化量更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向,能够减少后续调节过程中的模糊推理工作量,进而在确保功率调整效果的同时提高效率。
在一个实施例中,如图3所示,输出功率调节方法包括:
步骤S110:获取光伏发电系统的工作参数的采样数据,基于采样数据确定工作参数的数据变化率;
步骤S121:确定工作参数对应的多个候选模糊集合;
步骤S122:将数据变化率分别映射到各候选模糊集合各自的隶属函数中,得到数据变化率分别属于每一候选模糊集合的候选隶属度;
步骤S123:将各候选隶属度中最大隶属度对应的候选模糊集合,确定为数据变化率所属的模糊集合;
步骤S130:将数据变化率所属的模糊集合,确定为采样数据所属的模糊集合;
步骤S210:从模糊集合对应的多个模糊规则中,确定与工作参数的参数值调整方向匹配的第一模糊规则、以及与参数值变化量的步长调整方向匹配的第二模糊规则;
步骤S220:基于第一模糊规则,对采样数据进行模糊推理,得到工作参数的参数值调整方向;
步骤S230:基于第二模糊规则,对采样数据进行模糊推理,得到参数值变化量的步长调整方向;
步骤S240:结合参数值调整方向与步长调整方向,得到模糊控制信息;
步骤S300:对步长调整方向进行解模糊化处理,得到步长调整值;
步骤S400:输出与参数值调整方向和步长调整值匹配的控制信号;
其中,控制信号用于通过调整工作参数的参数值,改变光伏发电系统的输出功率;
步骤S500:获取输出功率改变前后,光伏发电系统的原始输出功率和更新输出功率;
步骤S600:计算更新输出功率相对于原始输出功率的功率变化量;
步骤S710:在功率变化量不满足最大功率条件的情况下,若功率变化量为正,则将参数值调整方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;
步骤S720:在功率变化量不满足最大功率条件的情况下,若功率变化量为负,则将参数调整方向的负方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;
步骤S800:确定与更新参数值调整方向和更新步长调整方向匹配的更新控制信号;返回步骤S500;
步骤S730:在功率变化量满足最大功率条件的情况下,结束流程。
在一个具体的实施例中,输出功率调节过程可以包括以下步骤:
a.初始化:设置工作点初始电压,设定一个合适的步长值和初始功率阈值。V0为初始电压,delta_V为步长值,初始化delta_V为一个小的正值。
b.测量功率:通过传感器测量当前工作点的输出功率,根据当前电压V0和电流I0,计算对应的功率P0。
c.参数值调整方向:根据模糊推理的运算得到的模糊控制信号,增加或减小工作点的电压值(根据步长值)。例如:根据P0和前一步的功率P_previous进行模糊推理,得到输出控制信号delta_V_control。
d.测量功率:在新的工作点上测量功率。
e.判断功率变化:比较当前功率和上一步的功率,判断功率的变化情况。
1、如果功率增加:继续沿着模糊推理的运算得到的模糊控制信号进行电压调整,转到步骤d。
2、如果功率减少:改变模糊控制信号(根据模糊推理的运算得到的模糊控制信号),转到步骤d。
3、如果功率变化不明显或小于设定的阈值:认为找到了最大功率点,停止扰动,转到步骤f。
例如:
根据delta_V_control和delta_V的关系,调整电压:
如果delta_V_control>delta_V,则增加电压:V1=V0+delta_V;
如果delta_V_control<delta_V,则减小电压:V1=V0-delta_V;
如果delta_V_control=delta_V,则保持电压不变:V1=V0。
f.输出结果:记录当前工作点的电压和功率作为最大功率点。
g.优化步长:根据实际情况和需求,可以根据功率变化的大小来动态调整步长,以提高算法的精度和响应速度。
h.循环执行:不断重复步骤b到步骤f,以保持系统在不同光照条件下的最大功率输出。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的输出功率调节方法的输出功率调节装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个输出功率调节装置实施例中的具体限定可以参见上文中对于输出功率调节方法的限定,在此不再赘述。
在一个实施例中,如图4所示,提供了一种输出功率调节装置400,包括:信息获取模块410,模糊推理模块420,解模糊化模块430,功率调节模块440,其中:
信息获取模块,用于获取采样参数对应的采样数据,确定采样数据所属的模糊集合;采样参数与光伏发电系统的最大功率点相关;
模糊推理模块,用于基于模糊集合对应的模糊规则,对采样数据进行模糊推理,确定与采样数据匹配的模糊控制信息;模糊控制信息包括工作参数的参数值调整方向、以及参数值变化量的步长调整方向;
解模糊化模块,用于对步长调整方向进行解模糊化处理,得到步长调整值;
功率调节模块,用于输出与参数值调整方向和步长调整值匹配的控制信号;控制信号用于通过调整工作参数的参数值,改变光伏发电系统的输出功率。
在其中一个实施例中,采样参数为光伏发电系统的工作参数。在该实施例的情形下,信息获取模块410包括:
数据变化率确定组件,用于获取光伏发电系统的工作参数的采样数据,基于采样数据确定工作参数的数据变化率;
模糊集合确定组件,用于将数据变化率所属的模糊集合,确定为采样数据所属的模糊集合。
在其中一个实施例中,模糊集合确定组件还用于:确定工作参数对应的多个候选模糊集合;将数据变化率分别映射到各候选模糊集合各自的隶属函数中,得到数据变化率分别属于每一候选模糊集合的候选隶属度;将各候选隶属度中最大隶属度对应的候选模糊集合,确定为数据变化率所属的模糊集合。
在其中一个实施例中,模糊推理模块320具体用于:从模糊集合对应的多个模糊规则中,确定与工作参数的参数值调整方向匹配的第一模糊规则、以及与参数值变化量的步长调整方向匹配的第二模糊规则;基于第一模糊规则,对采样数据进行模糊推理,得到工作参数的参数值调整方向;基于第二模糊规则,对采样数据进行模糊推理,得到参数值变化量的步长调整方向;结合参数值调整方向与步长调整方向,得到模糊控制信息。
在其中一个实施例中,输出功率调节装置400还包括:
输出功率获取模块,用于获取输出功率改变前后,光伏发电系统的原始输出功率和更新输出功率;
功率变化量计算模块,用于计算更新输出功率相对于原始输出功率的功率变化量;
模糊控制模块,用于在功率变化量不满足最大功率条件的情况下,基于功率变化量对输出功率进行模糊控制,并返回获取原始输出功率和更新输出功率的步骤,直至新的功率变化量满足最大功率条件。
在其中一个实施例中,模糊控制模块具体用于:若功率变化量为正,则将参数值调整方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;若功率变化量为负,则将参数调整方向的负方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;确定与更新参数值调整方向和更新步长调整方向匹配的更新控制信号。
上述输出功率调节装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储采样数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种输出功率调节方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种输出功率调节方法,其特征在于,所述方法包括:
获取采样参数对应的采样数据,确定所述采样数据所属的模糊集合;所述采样参数与光伏发电系统的最大功率点相关;
基于所述模糊集合对应的模糊规则,对所述采样数据进行模糊推理,确定与所述采样数据匹配的模糊控制信息;所述模糊控制信息包括工作参数的参数值调整方向、以及参数值变化量的步长调整方向;所述参数值变化量的步长调整方向,是指所述工作参数的参数值改变时,所改变数值的变化方向;
对所述步长调整方向进行解模糊化处理,得到步长调整值;
输出与所述参数值调整方向和所述步长调整值匹配的控制信号;所述控制信号用于通过调整所述工作参数的参数值,改变所述光伏发电系统的输出功率;
获取所述输出功率改变前后,所述光伏发电系统的原始输出功率和更新输出功率;
计算所述更新输出功率相对于所述原始输出功率的功率变化量;
在所述功率变化量不满足最大功率条件的情况下,若所述功率变化量为正,则将所述参数值调整方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;
若所述功率变化量为负,则将参数值调整方向的负方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;确定与所述更新参数值调整方向和所述更新步长调整方向匹配的更新控制信号;返回获取原始输出功率和更新输出功率的步骤,直至新的功率变化量满足最大功率条件。
2.根据权利要求1所述的方法,其特征在于,所述采样参数为光伏发电系统的工作参数;
所述获取采样参数对应的采样数据,确定所述采样数据所属的模糊集合,包括:
获取光伏发电系统的工作参数的采样数据,基于所述采样数据确定所述工作参数的数据变化率;
将所述数据变化率所属的模糊集合,确定为所述采样数据所属的模糊集合。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
确定所述工作参数对应的多个候选模糊集合;
将所述数据变化率分别映射到各所述候选模糊集合各自的隶属函数中,得到所述数据变化率分别属于每一所述候选模糊集合的候选隶属度;
将各所述候选隶属度中最大隶属度对应的候选模糊集合,确定为所述数据变化率所属的模糊集合。
4.根据权利要求1所述的方法,其特征在于,所述基于所述模糊集合对应的模糊规则,对所述采样数据进行模糊推理,确定与所述采样数据匹配的模糊控制信息,包括:
从所述模糊集合对应的多个模糊规则中,确定与工作参数的参数值调整方向匹配的第一模糊规则、以及与参数值变化量的步长调整方向匹配的第二模糊规则;
基于所述第一模糊规则,对所述采样数据进行模糊推理,得到所述工作参数的参数值调整方向;
基于所述第二模糊规则,对所述采样数据进行模糊推理,得到所述参数值变化量的步长调整方向;
结合所述参数值调整方向与所述步长调整方向,得到模糊控制信息。
5.一种输出功率调节装置,其特征在于,所述装置包括:
信息获取模块,用于获取采样参数对应的采样数据,确定所述采样数据所属的模糊集合;所述采样参数与光伏发电系统的最大功率点相关;
模糊推理模块,用于基于所述模糊集合对应的模糊规则,对所述采样数据进行模糊推理,确定与所述采样数据匹配的模糊控制信息;所述模糊控制信息包括工作参数的参数值调整方向、以及参数值变化量的步长调整方向;所述参数值变化量的步长调整方向,是指所述工作参数的参数值改变时,所改变数值的变化方向;
解模糊化模块,用于对所述步长调整方向进行解模糊化处理,得到步长调整值;
功率调节模块,用于输出与所述参数值调整方向和所述步长调整值匹配的控制信号;所述控制信号用于通过调整所述工作参数的参数值,改变所述光伏发电系统的输出功率;
输出功率获取模块,用于获取所述输出功率改变前后,所述光伏发电系统的原始输出功率和更新输出功率;
功率变化量计算模块,用于计算所述更新输出功率相对于所述原始输出功率的功率变化量;
模糊控制模块,在所述功率变化量不满足最大功率条件的情况下,若所述功率变化量为正,则将所述参数值调整方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;若所述功率变化量为负,则将参数值调整方向的负方向确定为更新参数值调整方向,并基于获取的更新采样数据进行模糊推理,确定更新步长调整方向;确定与所述更新参数值调整方向和所述更新步长调整方向匹配的更新控制信号;返回获取原始输出功率和更新输出功率的步骤,直至新的功率变化量满足最大功率条件。
6.根据权利要求5所述的输出功率调节装置,其特征在于,所述采样参数为光伏发电系统的工作参数;所述信息获取模块还用于:
获取光伏发电系统的工作参数的采样数据,基于所述采样数据确定所述工作参数的数据变化率;
将所述数据变化率所属的模糊集合,确定为所述采样数据所属的模糊集合。
7.根据权利要求6所述的输出功率调节装置,其特征在于,所述装置还用于:
确定所述工作参数对应的多个候选模糊集合;
将所述数据变化率分别映射到各所述候选模糊集合各自的隶属函数中,得到所述数据变化率分别属于每一所述候选模糊集合的候选隶属度;
将各所述候选隶属度中最大隶属度对应的候选模糊集合,确定为所述数据变化率所属的模糊集合。
8.根据权利要求5所述的装置,其特征在于,所述模糊推理模块具体用于:
从所述模糊集合对应的多个模糊规则中,确定与工作参数的参数值调整方向匹配的第一模糊规则、以及与参数值变化量的步长调整方向匹配的第二模糊规则;
基于所述第一模糊规则,对所述采样数据进行模糊推理,得到所述工作参数的参数值调整方向;
基于所述第二模糊规则,对所述采样数据进行模糊推理,得到所述参数值变化量的步长调整方向;
结合所述参数值调整方向与所述步长调整方向,得到模糊控制信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311387034.6A CN117117992B (zh) | 2023-10-25 | 2023-10-25 | 输出功率调节方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311387034.6A CN117117992B (zh) | 2023-10-25 | 2023-10-25 | 输出功率调节方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117117992A CN117117992A (zh) | 2023-11-24 |
CN117117992B true CN117117992B (zh) | 2024-04-12 |
Family
ID=88807816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311387034.6A Active CN117117992B (zh) | 2023-10-25 | 2023-10-25 | 输出功率调节方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117117992B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117784333A (zh) * | 2024-02-23 | 2024-03-29 | 中国科学院长春光学精密机械与物理研究所 | 光纤章动耦合方法、系统、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572417A (zh) * | 2009-06-03 | 2009-11-04 | 东南大学 | 单级三相光伏并网系统的最大功率跟踪控制方法 |
KR101287319B1 (ko) * | 2011-12-15 | 2013-07-22 | 주식회사 웰케이원 | 신경회로망을 이용한 계통연계형 풍력발전시스템 및 그 시스템의 센서리스 최대 전력점 추종 제어방법 |
CN105739593A (zh) * | 2015-11-11 | 2016-07-06 | 国家电网公司 | 单级式光伏z源逆变器模糊控制最大功率点跟踪系统 |
CN106356893A (zh) * | 2016-10-17 | 2017-01-25 | 南京工程学院 | 一种在光伏并网系统中最大功率点跟踪双模糊控制方法 |
CN109638887A (zh) * | 2019-01-10 | 2019-04-16 | 东莞市钜大电子有限公司 | 一种光伏并网逆变器的无差拍模糊控制系统及控制方法 |
CN109980689A (zh) * | 2019-04-16 | 2019-07-05 | 广东交通职业技术学院 | 光伏并网系统的控制方法、系统、装置及可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9847645B2 (en) * | 2015-02-03 | 2017-12-19 | King Fahd University Of Petroleum And Minerals | Neuro-fuzzy control system for grid-connected photovoltaic systems |
US20190036482A1 (en) * | 2017-07-28 | 2019-01-31 | Nec Laboratories America, Inc. | Adaptive power management of energy storage for pv output control |
-
2023
- 2023-10-25 CN CN202311387034.6A patent/CN117117992B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572417A (zh) * | 2009-06-03 | 2009-11-04 | 东南大学 | 单级三相光伏并网系统的最大功率跟踪控制方法 |
KR101287319B1 (ko) * | 2011-12-15 | 2013-07-22 | 주식회사 웰케이원 | 신경회로망을 이용한 계통연계형 풍력발전시스템 및 그 시스템의 센서리스 최대 전력점 추종 제어방법 |
CN105739593A (zh) * | 2015-11-11 | 2016-07-06 | 国家电网公司 | 单级式光伏z源逆变器模糊控制最大功率点跟踪系统 |
CN106356893A (zh) * | 2016-10-17 | 2017-01-25 | 南京工程学院 | 一种在光伏并网系统中最大功率点跟踪双模糊控制方法 |
CN109638887A (zh) * | 2019-01-10 | 2019-04-16 | 东莞市钜大电子有限公司 | 一种光伏并网逆变器的无差拍模糊控制系统及控制方法 |
CN109980689A (zh) * | 2019-04-16 | 2019-07-05 | 广东交通职业技术学院 | 光伏并网系统的控制方法、系统、装置及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
双模糊控制法在光伏并网发电系统MPPT中的应用;李兴鹏等;《电力自动化设备》;第32卷(第8期);第113-117页 * |
基于改进型双模糊控制的光伏MPPT的研究;牛秋实等;《电源技术》(第6期);第781-785页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117117992A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117117992B (zh) | 输出功率调节方法、装置、计算机设备和存储介质 | |
Xu et al. | Adaptive elastic echo state network for multivariate time series prediction | |
CN111709672A (zh) | 基于场景和深度强化学习的虚拟电厂经济调度方法 | |
CN113227808A (zh) | 学习装置、推定装置、学习方法、推定方法、学习程序及推定程序 | |
CN109709802B (zh) | 基于迭代学习控制的有源电子梯形电路的控制方法 | |
CN112700060B (zh) | 站所终端负荷预测方法和预测装置 | |
CN112513886A (zh) | 信息处理方法、信息处理装置和信息处理程序 | |
WO2020168448A1 (zh) | 睡眠预测方法、装置、存储介质及电子设备 | |
CN110928341B (zh) | 温度控制方法、装置、设备及存储介质 | |
CN112488399B (zh) | 电力负荷预测方法及装置 | |
Escandell-Montero et al. | Least-squares temporal difference learning based on an extreme learning machine | |
CN116937560A (zh) | 新能源出力预测方法、装置、设备及可读存储介质 | |
CN115438590B (zh) | 一种基于bp神经网络的降水预报订正方法及系统 | |
Zheng et al. | A variable projection method for the general radial basis function neural network | |
Cruz-Vega et al. | An online and incremental GRLVQ algorithm for prototype generation based on granular computing | |
Osama et al. | An optimized support vector regression using whale optimization for long term wind speed forecasting | |
CN115001002A (zh) | 一种求解储能参与削峰填谷的优化调度方法和系统 | |
CN111951123B (zh) | 控制用电负荷的方法、装置、计算机设备和存储介质 | |
CN109063916A (zh) | 一种风电功率预测方法、装置、设备及存储介质 | |
CN112329995A (zh) | 分布式储能集群的优化调度方法、装置和计算机设备 | |
Hameed | A dynamic annealing learning for PLSOM neural networks: Applications in medicine and applied sciences | |
KR102375896B1 (ko) | 딥 뉴럴 네트워크를 양자화하는 방법 및 장치 | |
CN117389372B (zh) | 一种稳压控制方法及系统 | |
CN113712511B (zh) | 一种脑成像融合特征的稳定模式判别方法 | |
CN111694595B (zh) | 基于误差容忍的软件行为调节方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |