GAN-CNN-GRU在光伏最大功率点跟踪中的应用

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：光伏阵列在复杂光照强度条件下,出现局部遮荫现象,导致输出特性曲线呈现多峰值状态,造成光伏系统能量转化率低下.本文提出一种基于生成对抗网络(GAN)、卷积神经网络(CNN)和门控循环单元(GRU)的混合预测模型,预先使用GAN对光伏发电原始环境数据进行数据扩充,再用CNN提取不同光伏太阳能板的环境数据特征,最后利用GRU进行最大功率点电压的预测.仿真结果表明,该混合预测模型可避免陷入局部极值的情况,可以有效提高复杂光照强度条件下的最大功率点跟踪效率.

外文标题：Application of GAN-CNN-GRU in photovoltaic maximum power point tracking

作者：

王冉冉、高慧敏

展开 >

作者单位：

浙江理工大学计算机科学与技术学院,浙江杭州 310018

嘉兴学院信息科学与工程学院

关键词：

光伏电池最大功率点跟踪 GRU神经网络 CNN神经网络生成对抗网络仿真

基金：

嘉兴市公益性研究计划

项目编号：

2020AY10012

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.06.024

计算机时代

浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411

ISSN：1006-8228

年,卷(期)：2023.(6)

参考文献量3