摘要
光伏电力转换系统需要具备快速动态响应且计算负担低的最大功率点跟踪（MPPT）策略，同时能在变化的环境条件下保持可靠。虽然基于神经网络的方法已被广泛研究，但其实际部署往往受限于代表性训练数据的可获得性以及离线算法开发与实时变换器级验证之间的差距。本文提出了一种可重复的硬件在环工作流程，用于开发和评估应用于带有两相交错升压变换器的光伏系统的轻量级神经网络 MPPT 控制器。所提出的方法利用单二极管光伏模型生成大型合成训练数据集，仅利用可测量的量（光伏电压、光伏电流和组件温度）作为神经网络输入。训练好的网络估计对应最大功率点的电压和电流，而比例积分控制器驱动变换器趋向于预测的工作点。训练好的网络部署在与 Typhoon HIL 平台接口连接的 STM32 微控制器上，使其实时行为能够针对仿真系统进行测试。在微控制器上测量的神经网络 MPPT 执行时间约为 65 微秒，考虑 PI 控制器阶段，总体 CPU 占用率接近 4%。所实现的设置可在可重复的实时条件下重现光伏发电机、变换器动态特性、开关行为以及真实的辐照度和温度曲线。交错升压架构还减少了输入电流纹波并分布了电流应力，使得该设置适用于中功率光伏应用。本工作的主要贡献在于集成的建模、训练、控制和硬件在环验证程序，支持神经网络 MPPT 策略的实现。
