光伏优化器最大功率跟踪方法及其装置、系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115756077A(43)申请公布日2023.03.07(21)申请号202211488974.X(22)申请日2022.11.25(71)申请人长园飞轮物联网技术（杭州）有限公司地址311100浙江省杭州市余杭区仓前街道爱力中心1幢310室(72)发明人陈文韬(74)专利代理机构杭州钤韬知识产权代理事务所(普通合伙)33329专利代理师金丹丹(51)Int.Cl.G05F1/67(2006.01)权利要求书2页说明书5页附图2页(54)发明名称光伏优化器最大功率跟踪方法及其装置、系统(57)摘要本发明公开了一种光伏优化器最大功率跟踪方法及其装置、系统，所述光伏优化器最大功率光伏优化器最大功率跟踪方法，包括：S1：采集并记录环境温度T和光照强度G；S2：检测光伏组件输出电压Upv和输出电流Ipv，计算光伏组件的输出功率P＝UpvIpv；S3：基于所述环境温度T、光照强度G、光伏组件输出电压Upv和输出电流Ipv构建表征光伏组件工作状态的状态模型state＝(T，D，Upv，Ipv)，S4：基于深度强化学习算法得到光伏组件在最大功率时的修正状态state′＝(T，D，U′pv，I′pv)；S5：基于光伏组件在最大功率时的修正状态state′控制光伏优化器输出。本申请通过深度强化学习方法不断的试错和最大化累计奖励来生成最优的行为策略，能够高效准确的实现组件级别的最大功率跟踪。CN115756077ACN115756077A权利要求书1/2页1.一种光伏优化器最大功率跟踪方法，其特征在于，包括如下步骤：S1：采集并记录环境温度T和光照强度G；S2：检测光伏组件输出电压Upv和输出电流Ipv，计算光伏组件的输出功率P＝UpvIpv；S3：基于所述环境温度T、光照强度G、光伏组件输出电压Upv和输出电流Ipv构建表征光伏组件工作状态的状态模型state＝(T,D,Upv,Ipv)，S4：基于深度强化学习算法得到光伏组件在最大功率时的修正状态state′＝(T,D,U′pv,I′pv)；S5：基于光伏组件在最大功率时的修正状态state′控制光伏优化器输出。2.根据权利要求1所述的光伏优化器最大功率跟踪方法，其特征在于，所述深度强化学习算法包括：S4‑1：根据∈贪婪算法在实际状态state＝(T,D,Upv,Ipv)下选择随机优化动作a进行优化，ΔD＝a；S4‑2：基于随机优化动作a预测系统对应的输出功率，选择并记录系统预测输出功率为最大值时对应的优化动作a＝argmaxQ(s,a；θ)，ΔD＝a，其中，θ为网络参数。3.根据权利要求2所述的光伏优化器最大功率跟踪方法，其特征在于，所述深度强化学习算法包括：S4‑3：根据系统最大输出时记录的行为a更新占空比D＝D+ΔD，并重新计算功率P′＝U′pvI′pv。4.根据权利要求3所述的光伏优化器最大功率跟踪方法，其特征在于，所述深度强化学习算法包括：S4‑4：更新状态表示为修正状态state′＝(T,D,U′pv,I′pv)，并计算修正奖励reward＝f(P‑P′)。5.根据权利要求4所述的光伏优化器最大功率跟踪方法，其特征在于，所述深度强化学习算法还包括：S4‑5：将包含所述光伏组件的实际状态state、光伏优化器的优化动作a、光伏组件的修正状态state′和修正奖励reward记录为一条状态经验，并存储至状态空间E中。6.根据权利要求5所述的光伏优化器最大功率跟踪方法，其特征在于，还包括：S6：对所述状态空间E中存储的状态经验进行批量随机抽样，基于系统预测输出功率和系统实际输出功率计算各抽样样本的损失值，构建损失函数Loss，进入下一次迭代直至损失函数Loss收敛。7.根据权利要求5所述的光伏优化器最大功率跟踪方法，其特征在于，还包括：S7：设置时间周期CT，每隔一个时间周期CT检测并更新一次网络参数θ。8.根据权利要求5所述的光伏优化器最大功率跟踪方法，其特征在于，所述深度强化学习算法还包括：S4‑6：检测状态空间E中存储的状态经验数量，当所述状态空间E中存储的状态经验数量大于预设值时，则根据状态经验中记录的实际状态state与优化动作a的对应关系控制所述光伏优化器工作。9.一种光伏优化器，其特征在于，包括：温度传感器，用于采集环境温度；2CN115756077A权利要求书2/2页光照传感器，用于采集光照强度；电压传感器，用于检测光伏组件输出电压；电流传感器，用于检测光伏组件输出电流；MPPT控制器，用于执行如权利要求1‑8中任一项所述的光伏优化器最大功率跟踪方法；控制电路，基于MPPT控制器的输出结果调节光伏优化器输出。10.一种光伏系统，其特征在于，至少包括一个如权利要求9所述的光伏优化器，所述光伏优化器输出端耦接至