人工神經(jīng)網(wǎng)絡(luò)在光伏中的應(yīng)用綜述

武漢紡織大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院 ■ 何雅靜

復(fù)旦大學(xué)信息科學(xué)與工程學(xué)院 ■ 汪登

0 引言

光伏是太陽能光伏發(fā)電體系的簡稱，是一種基于太陽電池半導(dǎo)體材料的光生伏特效應(yīng)，是將輻射能直接轉(zhuǎn)換為電能的一種新型發(fā)電體系，目前存在獨(dú)立運(yùn)行和并網(wǎng)運(yùn)行兩種方式[1]。近年來，光伏發(fā)電發(fā)展迅速，廣泛應(yīng)用于能源、交通、通信等領(lǐng)域。

神經(jīng)網(wǎng)絡(luò)算法是按照邏輯規(guī)則進(jìn)行推理的過程：它先將需要處理的信息化整為零，并為之添加標(biāo)記，然后根據(jù)符號(hào)運(yùn)算規(guī)則以串行方式進(jìn)行邏輯推理；上述過程可以寫成串行的指令以供計(jì)算機(jī)執(zhí)行[2]。光伏發(fā)電需準(zhǔn)確預(yù)測太陽輻射情況，并根據(jù)季節(jié)、溫度、濕度等氣象條件，以及土壤等周邊環(huán)境做出及時(shí)調(diào)整，從而才能更好地應(yīng)用光伏系統(tǒng)。在此過程中，神經(jīng)網(wǎng)絡(luò)算法發(fā)揮了巨大的作用，使光伏系統(tǒng)的應(yīng)用越來越廣泛。

1 神經(jīng)網(wǎng)絡(luò)

1.1 神經(jīng)網(wǎng)絡(luò)介紹

神經(jīng)網(wǎng)絡(luò)是由大量形式、狀態(tài)相同的神經(jīng)元連結(jié)在一起構(gòu)成的。神經(jīng)元是以生物神經(jīng)系統(tǒng)的神經(jīng)細(xì)胞為根本的生物模型。近年來，隨著人工智能越來越熱，人們對(duì)生物神經(jīng)系統(tǒng)進(jìn)行了大量研究，在此過程中，神經(jīng)元數(shù)學(xué)化產(chǎn)生了神經(jīng)元數(shù)學(xué)模型üü神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種高度非線性動(dòng)力學(xué)系統(tǒng)，其憑借自適應(yīng)、自學(xué)習(xí)能力，常被用在智能控制、尋找最優(yōu)解及預(yù)測、監(jiān)控等問題上。

1.2 神經(jīng)網(wǎng)絡(luò)分類

神經(jīng)網(wǎng)絡(luò)一般分為2種，一種是生物神經(jīng)網(wǎng)絡(luò)，指由生物的大腦神經(jīng)元、細(xì)胞和觸點(diǎn)等生理組織組成的生物系統(tǒng)；另一種是人工神經(jīng)網(wǎng)絡(luò)，通常被簡稱為“神經(jīng)網(wǎng)絡(luò)”或“連接模型”，是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，應(yīng)用于類似大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。這種人工神經(jīng)網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的[3]。本文探究的是人工神經(jīng)網(wǎng)絡(luò)。

1.3 人工神經(jīng)網(wǎng)絡(luò)的工作機(jī)制

人工神經(jīng)網(wǎng)絡(luò)在進(jìn)行應(yīng)用之前需先進(jìn)行一系列的訓(xùn)練學(xué)習(xí)，通常其訓(xùn)練學(xué)習(xí)方式可分為2種：一種是有監(jiān)督或有導(dǎo)師的學(xué)習(xí)，是利用給定的樣本標(biāo)準(zhǔn)進(jìn)行分類或模仿；另一種是無監(jiān)督或無導(dǎo)師的學(xué)習(xí)，這種方式只規(guī)定學(xué)習(xí)方式或某些規(guī)則，具體的學(xué)習(xí)內(nèi)容根據(jù)系統(tǒng)所處環(huán)境(即輸入信號(hào)情況)而定，系統(tǒng)可以自動(dòng)發(fā)現(xiàn)環(huán)境特征和規(guī)律性，具有更近似人腦的功能[4]。在經(jīng)過訓(xùn)練學(xué)習(xí)之后，人工神經(jīng)網(wǎng)絡(luò)會(huì)將學(xué)習(xí)的結(jié)果分布存儲(chǔ)于網(wǎng)絡(luò)的突觸連接中，從而成功構(gòu)建我們所需要的神經(jīng)網(wǎng)絡(luò)，之后我們就可以利用生成的神經(jīng)網(wǎng)絡(luò)對(duì)真實(shí)數(shù)據(jù)進(jìn)行分類，從而將分類結(jié)果應(yīng)用于各個(gè)方面。在光伏發(fā)電中，人工神經(jīng)網(wǎng)絡(luò)的這一工作機(jī)制發(fā)揮了重大作用。

2 人工神經(jīng)網(wǎng)絡(luò)在光伏中的相關(guān)應(yīng)用

2.1 人工神經(jīng)網(wǎng)絡(luò)在預(yù)測中的應(yīng)用

預(yù)測光伏系統(tǒng)輸出功率對(duì)于光伏系統(tǒng)的應(yīng)用極為重要。為獲取準(zhǔn)確的光伏系統(tǒng)輸出功率，Yona等[5]提出使用回歸神經(jīng)網(wǎng)絡(luò)對(duì)光伏系統(tǒng)輸出功率進(jìn)行預(yù)測的想法，并進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，其所提出的系統(tǒng)模型可以在很短的時(shí)間內(nèi)，僅使用歷史數(shù)據(jù)就能預(yù)測優(yōu)選結(jié)果。預(yù)測系統(tǒng)輸出功率也可通過預(yù)測系統(tǒng)電流來實(shí)現(xiàn)。Ameen 等[6]提出了基于具有2個(gè)輸入和1個(gè)輸出的級(jí)聯(lián)反向傳播人造神經(jīng)網(wǎng)絡(luò)的新型光伏模塊輸出電流預(yù)測模型，實(shí)驗(yàn)結(jié)果表明，該模型在預(yù)測電流方面靈敏度較高。

有些情況下，對(duì)光伏發(fā)電系統(tǒng)輸出功率進(jìn)行直接預(yù)測較為困難，而太陽輻照度對(duì)光伏系統(tǒng)的輸出功率具有較大影響。基于此，Mellit等[7]提出了一種使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行太陽輻射預(yù)報(bào)的實(shí)用方法，實(shí)驗(yàn)所得模型表現(xiàn)良好，結(jié)果表明，晴天天數(shù)相關(guān)系數(shù)在98%～99%，陰天天數(shù)相關(guān)系數(shù)在94%～96%。Cao等[8]建立了對(duì)角線復(fù)現(xiàn)小波神經(jīng)網(wǎng)絡(luò)，結(jié)合小波的優(yōu)良特性及對(duì)角線循環(huán)神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)特性的自學(xué)習(xí)能力，對(duì)太陽輻射進(jìn)行準(zhǔn)確預(yù)測。實(shí)驗(yàn)表明，該網(wǎng)絡(luò)在預(yù)測非線性且頻繁變化的太陽輻射方面表現(xiàn)出良好的性能。

為了對(duì)系統(tǒng)進(jìn)行更高效率的預(yù)測，Zhou等[9]提出使用小波函數(shù)代替神經(jīng)網(wǎng)絡(luò)隱藏層的船體函數(shù)，以小波神經(jīng)網(wǎng)絡(luò)來預(yù)測日常太陽總輻射量和光伏發(fā)電。實(shí)驗(yàn)結(jié)果表明，在不影響預(yù)測準(zhǔn)確性的前提下，該算法在很大程度上縮短了模型的練習(xí)時(shí)間，提高了運(yùn)行速度，避免了神經(jīng)網(wǎng)絡(luò)參與局部最優(yōu)解。

2.2 人工神經(jīng)網(wǎng)絡(luò)在監(jiān)測中的應(yīng)用

除了預(yù)測功能，人工神經(jīng)網(wǎng)絡(luò)在系統(tǒng)監(jiān)測方面也發(fā)揮著重大作用。針對(duì)市場上光伏監(jiān)控系統(tǒng)運(yùn)行效率不高、發(fā)電量預(yù)測忽略太陽輻照度，以及缺少嵌入預(yù)測功能等問題，海濤等[10]提出了一種基于RBF神經(jīng)網(wǎng)絡(luò)預(yù)測發(fā)電量的高效的光伏監(jiān)控方案，將串口服務(wù)器作為數(shù)據(jù)采集網(wǎng)關(guān)，用面向?qū)ο蟮姆椒枋鲈O(shè)備，并結(jié)合多線程、模塊化思想。結(jié)果表明，該系統(tǒng)具有運(yùn)行效率高、可擴(kuò)展性強(qiáng)、發(fā)電量預(yù)測精度高等優(yōu)點(diǎn)。趙巍巍等[11]建立了一種基于BP神經(jīng)網(wǎng)絡(luò)的閥控密封式鉛酸蓄電池(VRLA)的剩余容量(SOC)預(yù)測模型，以此對(duì)光伏發(fā)電系統(tǒng)中的蓄電池SOC進(jìn)行監(jiān)控。該模型利用Matlab工具對(duì)3層BP網(wǎng)絡(luò)模型進(jìn)行仿真校驗(yàn)，采用相關(guān)硬件控制電路對(duì)VRLA進(jìn)行實(shí)時(shí)數(shù)據(jù)采集，得到工作組的控制電路和SOC預(yù)測值，實(shí)現(xiàn)對(duì)蓄電池組的放電工作狀態(tài)的智能監(jiān)測與控制。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能做到蓄電池SOC、端電壓、充放電電流等參數(shù)的實(shí)時(shí)監(jiān)控、數(shù)據(jù)傳輸及狀態(tài)顯示等，具有較高的實(shí)際應(yīng)用價(jià)值。張文瑾[1]從另一個(gè)角度提出了一種綜合ZigBee無線通信和BP神經(jīng)網(wǎng)絡(luò)算法的光伏電站遠(yuǎn)程監(jiān)控系統(tǒng)。該智能系統(tǒng)集數(shù)據(jù)采集、數(shù)據(jù)分析顯示、故障診斷為一體，通過實(shí)時(shí)監(jiān)測能快速確定故障原因，并將監(jiān)測所得數(shù)據(jù)存儲(chǔ)下來，為工作人員迅速準(zhǔn)確地排除故障提供了極大幫助，實(shí)現(xiàn)了監(jiān)控光伏電站的功能。為提高系統(tǒng)精度，張鉦浩[12]提出使用對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)對(duì)光伏系統(tǒng)的電壓、電流、溫度等特性曲線進(jìn)行建模仿真，利用對(duì)角遞歸網(wǎng)絡(luò)隱層節(jié)點(diǎn)具有自反饋功能的特點(diǎn)，提高了系統(tǒng)精度。仿真結(jié)果證明，該監(jiān)測系統(tǒng)監(jiān)測結(jié)果較為理想。

為了解決光伏組件狀態(tài)自動(dòng)監(jiān)測的問題，肖慧明[13]提出采用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建光伏組件功率的估算模型，并對(duì)其進(jìn)行了改進(jìn)，最終形成了基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的光伏組件等效最大功率估算算法，利用該算法的估算結(jié)果與歷史數(shù)據(jù)進(jìn)行比較，可判斷光伏組件狀態(tài)。經(jīng)過實(shí)際驗(yàn)證，確認(rèn)該方法能夠滿足實(shí)際應(yīng)用需求。

2.3 人工神經(jīng)網(wǎng)絡(luò)在故障檢測中的應(yīng)用

在故障檢測方面，許多科研人員也進(jìn)行了一系列基于人工神經(jīng)網(wǎng)絡(luò)的嘗試。在光伏發(fā)電技術(shù)和人工智能技術(shù)迅速發(fā)展的同時(shí)，也滋生了光伏發(fā)電系統(tǒng)的故障問題，這就要求相關(guān)診斷技術(shù)也應(yīng)向智能化邁進(jìn)。蘭琴麗等[14]提出一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)的故障診斷方法，實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)具有一定的實(shí)用性。針對(duì)光伏陣列的故障特點(diǎn)及傳統(tǒng)故障診斷方法的局限性，張文瑾等[15]提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏陣列智能故障診斷系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、連接權(quán)值和閾值中體現(xiàn)了光伏陣列的故障狀態(tài)與故障原因之間的對(duì)應(yīng)關(guān)系，將實(shí)驗(yàn)測得數(shù)據(jù)輸入到提前訓(xùn)練好的故障診斷神經(jīng)網(wǎng)絡(luò)中，可實(shí)現(xiàn)光伏陣列的在線故障診斷。此外，還有兩種更加易于實(shí)現(xiàn)的算法。劉玉英等[16]提出了一種設(shè)備簡單、易于實(shí)現(xiàn)且精度較高的BP神經(jīng)網(wǎng)絡(luò)算法，該方法將網(wǎng)絡(luò)故障信息作為系統(tǒng)的樣本輸入，利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的自適應(yīng)能力和非線性映射能力，建立起網(wǎng)絡(luò)故障信息與故障模式輸出之間的映射。測試結(jié)果證明了該方法的有效性和可行性，其不僅具有診斷精度高的特點(diǎn)，同時(shí)還易于實(shí)現(xiàn)，因此可用于并網(wǎng)光伏發(fā)電系統(tǒng)的故障診斷。王元章等[17]提出了基于L-M算法的BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法，該方法操作簡便、成本低，仿真及實(shí)驗(yàn)結(jié)果均驗(yàn)證了該方法能夠有效檢測出光伏陣列短路、斷路、異常老化及局部陰影等4種故障。

除此之外，李練兵等[18]針對(duì)光伏并網(wǎng)系統(tǒng)工作過程中可能發(fā)生的故障，提出了一種將故障樹和雙向聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障診斷方法。該方法首先通過故障樹分析法(FTA)得到系統(tǒng)的所有故障模式，再根據(jù)維修經(jīng)驗(yàn)得到的故障分析歸納出BAM的學(xué)習(xí)樣本，即故障模式與故障分析之間的對(duì)應(yīng)，進(jìn)行一系列實(shí)驗(yàn)后的結(jié)果表明，該方法具有很好的實(shí)時(shí)性和有效性。

2.4 人工神經(jīng)網(wǎng)絡(luò)在光伏系統(tǒng)優(yōu)化中的應(yīng)用

如何使用人工神經(jīng)網(wǎng)絡(luò)優(yōu)化光伏發(fā)電系統(tǒng)也是研究的一個(gè)方向。由于氣象數(shù)據(jù)變化多端，找到適合光伏發(fā)電系統(tǒng)的模式相對(duì)較為困難。Mellit等[19]提出了一種可在不同氣候條件下運(yùn)行的獨(dú)立光伏系統(tǒng)建模和仿真的自適應(yīng)人工神經(jīng)網(wǎng)絡(luò)。該預(yù)測模型允許獨(dú)立光伏系統(tǒng)的用戶預(yù)測每個(gè)模型的不同信號(hào)，并在不同的氣候條件下識(shí)別系統(tǒng)的輸出電流。模擬結(jié)果表明，對(duì)于每個(gè)預(yù)估的信號(hào)，獲得的相關(guān)系數(shù)為90%～96%。相較于傳統(tǒng)的模糊邏輯控制器，模糊神經(jīng)網(wǎng)絡(luò)可以傳遞更多的功率，Su等[20]提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)最大功率點(diǎn)跟蹤算法。從模擬和實(shí)驗(yàn)結(jié)果可以看出，該模型能夠精確地估計(jì)可變大氣條件，有助于增加跟蹤速度和消除功率波動(dòng)下的最大發(fā)電。為提高系統(tǒng)精度，Mellit等[21]提出使用自適應(yīng)神經(jīng)——模糊網(wǎng)絡(luò)方案的光伏電源系統(tǒng)進(jìn)行建模，對(duì)系統(tǒng)進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明，仿真系統(tǒng)具有可靠性和準(zhǔn)確性，預(yù)測精度良好。該作者還開發(fā)了一種基于人造神經(jīng)網(wǎng)絡(luò)的遺傳算法(ANN-GA)模型，用于生成獨(dú)立光伏系統(tǒng)的尺寸曲線。實(shí)驗(yàn)結(jié)果表明，該模型呈現(xiàn)出比傳統(tǒng)回歸模型更加準(zhǔn)確的結(jié)果。 Ashhab[22]還提出了使用神經(jīng)網(wǎng)絡(luò)優(yōu)化算法對(duì)光伏發(fā)電系統(tǒng)進(jìn)行優(yōu)化，由此推導(dǎo)出預(yù)測模型，預(yù)測值更加接近真實(shí)值，這種優(yōu)化算法實(shí)現(xiàn)了光伏發(fā)電系統(tǒng)生產(chǎn)效率最大化的目標(biāo)。

3 總結(jié)

人工神經(jīng)網(wǎng)絡(luò)在光伏發(fā)電系統(tǒng)的預(yù)測、監(jiān)控、故障診斷和優(yōu)化等方面有著極多的應(yīng)用，并且已在這4個(gè)方面取得較多成果。目前，人工神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)對(duì)系統(tǒng)輸出功率、輸出電流、太陽輻射、溫度等較為準(zhǔn)確的預(yù)測；在監(jiān)控和故障分析方面，研究主要集中在電流、電壓等方面；在優(yōu)化方面，研究主要集中在提高精度、速度和準(zhǔn)確性。