一种基于轻量级卷积神经网络动态优化的MPPT控制方法

本发明涉及了一种基于轻量级卷积神经网络动态优化的MPPT控制方法，属于人工智能控制功率跟踪领域；本发明包括：S0：构建卷积‑模糊神经网络模型，其至少包括输入层、卷积层、模糊控制层、深度强化学习层以及输出层；S1：实时采集光伏设备的关键参数作为输入层的输入数据；S2：使用卷积层对输入数据进行卷积操作，提取特征向量，将特征向量传递至模糊控制层；S3：将模糊控制层与深度强化学习层相结合，通过奖励信号来动态调整模糊规则的优化过程；S4：模糊控制层生成控制信号，控制信号通过输出层传送至光伏系统的DC/DC变换器。本发明控制方法适用于光伏发电系统的动态环境，可扩展至并网系统，为光伏发电的高效运行提供了新思路和技术支撑。