空军工程大学学报

作者：郁纪1，肖文波1,2*，吴华明1，周恒1

单位：1.南昌航空大学无损检测技术教育部重点实验室，南昌，330063；2. 南昌航空大学科技学院，南昌，330063\

关键词：太阳能无人机;光伏组件;最大功率点跟踪;神经网络;混合算法

基金：国家自然科学基金（12064027;62065014）；江西省教育厅科学技术研究项目（GJJ2204302）

研究了反向传播神经网络(BPNN)、粒子群优化反向传播神经网络(PSO\|BPNN)、萤火虫优化反向传播神经网络(FA\|BPNN)，以及斐波那契优化反向传播神经网络(IM\|FSM\|BPNN)用于光伏组件在局部阴影下最大功率点的跟踪，以及上述算法在太阳能无人机中飞行光伏发电跟踪。结果首先表明，局部阴影下，IM\|FSM\|BPNN功率预测精度最低，跟踪时间最长，鲁棒性差，原因是控制参数多，依赖参数初始值。FA\|BPNN功率预测精度最高且鲁棒性较好，原因是在训练过程中有效避免梯度消失的问题。其次，在样本数据量增加和太阳能无人机的应用中，发现FA\|BPNN的预测效果好和IM\|FSM\|BPNN的局限性。最后，探讨了参数变化对预测结果的影响。IM\|FSM\|BPNN、PSO\|BPNN和FA\|BPNN较BPNN更适用于多样本数据预测，IM\|FSM\|BPNN相较于其他3种算法更适用于较小的学习率，4种算法的平均跟踪时间和功率平均预测精度随隐含层节点数震荡。

来源：2023年第3期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2023年第3期