基于对角递归神经网络的光伏电站数据采集监测系统

太阳能作为一种巨量的可再生能源,每天到达地球表面的辐射能量相当于数亿万桶石油燃烧的能量。开发和利用丰富、广阔的太阳能,可以对环境不产生或产生很少污染。不论是从经济社会走可持续发展之路和保护人类赖以生存的地球生态环境的高度来审视,还是从特殊用途解决现实能源供应问题出发,开发利用太阳能都具有重大战略意义。由于光伏发电具有许多传统能源无法比拟的优越性,已被公认是人类最理想的能源供应方式之一,但是光伏发电系统设备成本高,其主要设备如太阳能电池和蓄电池的损坏或寿命减少将直接降低光伏发电的效率,因此对光伏发电系统的数据采集与监测就必不可少。 本文采用AT89C51单片机作为数据采集与检测的核心器件,对光伏发电系统中太阳能电池、蓄电池的电压与电流,逆变器输出电压电流,环境温度、电池板面温度、控制房内温度等量进行采集与监测,通过液晶显示屏显示检测结果,最终形成一段时间内电压、电流、温度等量的特性曲线。 由于上述特性曲线都是非线性曲线,所以本文引入了对角递归神经网络对其进行建模仿真。本文介绍了神经网络的概念、发展、研究内容及其应用,对非线性系统有较为详细的介绍,接着对神经网络的系统辨识进行分析,然后引出本文要详细阐述的对角递归神经网络。由于对角递归神经网络隐层节点具有自反馈功能,因此其建模精度更高。本文的DRNN采用BP学习算法进行训练,虽然这种算法有收敛慢的缺陷,但是其算法简单,易于训练,因此应用广泛。仿真结果表明,基于DRNN的光伏电站数据采集监测系统是比较成功的。