针对神经网络最大功率追踪(maximum power point tracking,MPPT)算法由于缺乏实用性改进而难以应用于工程实践的问题,提出一种改进轻量级神经网络MPPT算法。其通过知识蒸馏算法减小神经网络复杂度及内存占用率,得到轻量级神经网络模型,...针对神经网络最大功率追踪(maximum power point tracking,MPPT)算法由于缺乏实用性改进而难以应用于工程实践的问题,提出一种改进轻量级神经网络MPPT算法。其通过知识蒸馏算法减小神经网络复杂度及内存占用率,得到轻量级神经网络模型,并结合优化变步长扰动观察法来修正模型精度问题所带来的预测误差;算法前期通过轻量级模型预测最大功率点电压范围并快速追踪进入范围,后期通过优化扰动观察法不断更新范围上下限,最终使上下限收敛至最大功率点。之后在MATALB/Simulink中建立仿真模型,最后搭建实物模型并进行对比实验。结果表明:所提算法追踪效率更高,纹波电压抑制更稳定,并且在嵌入式设备中资源占用率更小。展开更多
文摘针对神经网络最大功率追踪(maximum power point tracking,MPPT)算法由于缺乏实用性改进而难以应用于工程实践的问题,提出一种改进轻量级神经网络MPPT算法。其通过知识蒸馏算法减小神经网络复杂度及内存占用率,得到轻量级神经网络模型,并结合优化变步长扰动观察法来修正模型精度问题所带来的预测误差;算法前期通过轻量级模型预测最大功率点电压范围并快速追踪进入范围,后期通过优化扰动观察法不断更新范围上下限,最终使上下限收敛至最大功率点。之后在MATALB/Simulink中建立仿真模型,最后搭建实物模型并进行对比实验。结果表明:所提算法追踪效率更高,纹波电压抑制更稳定,并且在嵌入式设备中资源占用率更小。
