基于强化学习的光伏阵列最大功率点跟踪方法

摘要

提出了一种基于强化学习的光伏阵列最大功率点跟踪方法。利用光伏阵列的系统开发模型和配置环境的强化学习,提出RLMPPT方法能够观察到的环境状态光伏阵列在自主学习的过程,调整运行电压的扰动光伏阵列在获得最好的边际产量。对所提出的RLMPPT进行了仿真。实验结果表明，RLMPPT方法与已有的MPPT方法相比，不仅对模拟天气数据和真实天气数据都有更好的效率因子，而且适应环境速度快，学习时间短。

1.介绍

据美国能源情报署(EIA)估计，石油、煤炭和天然气是主要的一次能源，占现代世界一次能源消费中化石燃料的85%以上。然而，近年来的过度开发和消费，以及对化石燃料耗竭的预期，给现代世界带来了能源危机。此外，化石燃料及其产品作为一次能源的环保和可持续性的意识也在不断增强。许多环境研究人员和环保主义者提倡节能和二氧化碳(CO₂为地球生物和人类的福祉而减少。因此，人们提出了许多替代能源，如地热、太阳能、潮汐能、风能和废弃物。其中，太阳能是使用最多、最有前途的替代能源，在世界能源行业中能源市场份额增长迅速，其优势如下:(一)用于太阳能发电的阳光和热能是取之不尽的。(ii)阳光很容易获得，因为它的辐照度覆盖了大部分的土地。(3)使用太阳能不会产生噪音和污染。(iv)太阳能被认为是一种不需要燃烧任何材料的安全能源。由于上述优势，从70年代开始，世界上许多国家开始制定能源政策，发展太阳能相关产业。

太阳能通常是利用太阳能电池或光伏电池的光电设备，将阳光的能量转化为电能。太阳能电池可以集成成模块或电池板，也可以由电池板形成大型光伏阵列。光伏阵列系统的性能取决于太阳能电池和阵列的设计质量以及运行条件。光伏阵列的输出电压、电流和功率随太阳辐照度、温度和负载电流的变化而变化。因此，在光伏阵列的设计中，光伏阵列向负荷/公用事业的输出不应受到温度和太阳辐照水平变化的不利影响。另一方面，提高光伏阵列的转换效率是一个值得探讨的问题。一般来说，提高光电转换效率的方法有三种:提高光伏二极管器件的光电转换效率，增加直射光的频率改进光伏阵列的最大功率点跟踪（MPPT）。第一种和第二种方法是改进硬件设备，而第三种方法是利用内置在光伏阵列系统中的内部软件来提高转换效率，这引起了人们的广泛关注。因此，人们提出了许多MPPT方法[1]，如摄动法和观察法[2- - - - - -4]，开路电压法[5，群体智能方法[6，等等。

针对光伏阵列的最大功率跟踪问题，提出了一种基于强化学习的最大功率跟踪方法。在RLMPPT中，RLMPPT的学习agent在观察PV阵列的环境条件后，确定对PV阵列工作电压的扰动即动作，并通过奖赏函数得到奖赏。通过接受奖励，RLMPPT被鼓励选择(状态，行动)与积极奖励配对。因此，在所谓的“学习”过程中，一系列获得正奖励的行动被迭代生成，从而逐步形成(状态、行动)对选择策略。RLMPPT的agent一旦学习了该策略，就能够自主地调整扰动对PV阵列工作电压的影响，从而获得跟踪PV阵列最大功率点的最大功率。本研究的研究贡献总结如下:(一)本文提出的RLMPPT是利用增强倾斜法解决光伏阵列最大功率跟踪问题的一种新方法，据我们所知，这是光伏系统最大功率跟踪领域的一个新方法。(ii)从光伏阵列的早期MPP知识（从过去的天气数据中获得）构建的奖励函数用于学习过程，而不需要某些MPPT技术所需的预定参数。(3)综合实验结果表明，RLMPPT在自学习和自适应不同天气条件下跟踪光伏阵列最大功率点方面具有优势。

本文的其余部分组织如下。节2，我们提出了光伏系统MPPT的概念。第节3.介绍了光伏阵列的拟议RLMPPT。第节介绍了实验配置4．节5时，用图表说明了结果。最后,部分6论文的结论是。

2.光伏系统最大功率跟踪的概念

2.1.审查太阳能电池的运行特性

太阳能电池通常是由半导体器件制造的，当它们暴露在有足够能量的阳光下时，就会产生直流电力。细胞被太阳光子时,入射光子可以打破债券的极化子(价带,以更低的能级)电子,所以价电子可以注入光子从基态到激发态(传导带,在更高的能量级别)。因此，自由移动的电子被驱动到外部负载，通过电线产生电能，然后以较低的能量水平返回基态。基本上，理想的太阳能电池可以通过电流源与二极管并联来建模;然而，在实际应用中，真正的太阳能电池要复杂得多，它包含一个分流电阻和串联电阻和．数字1(一)给出了一种太阳能电池的等效电路模型，包括寄生分流元件和串联元件，其中忽略了实际太阳能电池的典型特性可以通过[7- - - - - -10］ 在哪里是光产生的电流，为暗饱和电流，为PV电流，为PV电压，是串联电阻，为非理想因子，是玻尔兹曼常数，是温度，还是是电子的电荷。PV电池的输出功率可以由 只要用户知道方程中的参数，上述方程可用于模拟光伏阵列的特性。图1 (b)说明电流-电压(-)的开路电压特性()，短路电流()，以及一个典型的硅太阳能电池的功率运行。

如图所示，寄生元件对电流没有影响，但它降低了电压；而寄生元素对电压没有影响，但它降低了当前的．根据(1) - (3.），在不同的辐照下更准确地表示太阳能电池，即电流 - 电压（-)及电源电压转换(-)曲线，可以用相同的方法用不同的水平来描述，如图所示2．以这种方式的最大功率点（MPP）在电源的导数时发生对电压是零, 由此产生的-和-以这种方式呈现的曲线如图所示2．

2.2。MPPT方法审查

众所周知的PV - MPP跟踪的扰动和观测(P&O)方法[2- - - - - -4]由于其思想和实现都很简单，在实际应用中得到了广泛的应用[11，12， P&O方法无法跟踪不同日晒期间的峰值功率情况。P&O方法是一种通过在跟踪周期内增加或减少光伏阵列电压，使工作点向最大功率点(MPP)移动的机制。然而，P&O控制在跟踪过程中总是偏离MPP，在恒定或缓慢变化的大气条件下，其行为会导致MPP周围的振荡。虽然这个问题可以通过进一步减小摄动步长来改善，但是跟踪响应会变得更慢。在PV阵列快速变化的大气条件下，P&O方法有时会使跟踪点远离MPP [13，14]．

2．3.使用MPP的估计和

开路电压和短路电流分别在光伏板末端开路或短路时测量。在现实中,这两个和严重依赖日晒然而，最大功率点(MPP)总是位于滚转部分-任何日晒条件下的特性曲线。有趣的是，在MPP处，MPP集合()和集合(，这是值得研究的。此外，根据经验估计，上述关系似乎始终成立，而不受日照变化的影响。根据光伏阵列的一般知识，可以推测，在开路模式下，与和将 和，在短路模式下，的关系和将 在哪里和是0到1之间的常数因子。从(5)和(6)，我们在MPP时有最大功率;也就是说, 即便是对于学习是点估计;须符合《计划大纲》的准则(4）。为了学习，经验结果表明了初始因素为了大约为0.8，并且为了大约是0.9。

3.光伏阵列的拟议RLMPPT

3.1。强化学习（RL）

RL (15- - - - - -17]是一种启发式学习方法，在许多应用领域得到了广泛的应用。在强化学习中，学习主体主要通过不断地与环境交互以及在主体所处的状态下探索合适的行为来学习实现预定的目标。强化学习的一般模型如图所示3.，其中包括代理、环境、状态、操作和奖励。

强化学习采用马尔可夫决策过程（MDP）建模，其中RL学习者（称为代理）通过执行其预定义的行为与MDP环境进行一致和自主的交互。MDP环境由预定义的一组状态、一组可控动作和一个状态转换模型组成。通常，在RL中考虑一阶MDP，其中下一个状态为仅受当前状态和动作的影响。对于状态转移模型的所有参数都已知的情况，可以使用动态规划获得最优决策。但是，在某些实际情况下，模型参数不存在且用户未知；因此，RL的代理探索环境并获得代理通过尝试和错误交互从环境中获取奖励。然后，代理维护特定状态操作对的奖励运行平均值。根据奖励值，可以通过一些探索开发策略来决定下一个操作，例如-greedy或softmax [15，16]．

问-learning是一种有用而紧凑的强化学习方法，可处理和维持奖励的运行平均值[17]．假设一个动作是由代理应用到环境中，而国家去从并获得奖励；的问-learning更新规则则由 在哪里为保证学习的收敛性，对更新值进行加权的学习率为是奖励函数，函数项，，代表 在哪里是即时的奖赏;为调整当前最优值权重的贴现率，，其值由 在(10），是所有候选操作的集合。的学习参数和, (7)和(8)，通常设置为0到1之间的值范围。一旦RL代理成功达到新状态，它将获得奖励并更新问-价值；然后被下一个州代替，即，，然后根据预定义的探索-利用策略确定即将进行的操作，如-贪婪的研究。和最新的问- 将状态的值从一个州应用于环境到另一个状态。

3.2.RLMPPT的状态、行动和奖励定义

在RLMPPT中，代理接收可观测的环境信号对()，在得到(Δ)对。和每一个符号都采用积极或消极的符号来构成一个符号状态向量,，有四个州。然后，代理自适应地决定并执行所需的扰动，特征行动到.执行所选操作后，会发出奖励信号，，计算并授予代理人;相应地，代理将评估状态-动作交互的性能。通过接受奖励，代理将被鼓励选择具有最佳奖励的行动。这将导致一系列具有最佳奖励的行动被迭代生成，从而在学习阶段之后逐步实现性能更好的MPPT跟踪。下面依次定义PV阵列的RLMPPT的状态、动作和奖励。

（i） 国家。在RLMPPT中，状态向量表示为 在哪里所有可能的环境状态向量的空间是否包含由可观察环境变量Δ转换而来的元素和Δ哪里，，,，分别表示在任意感知时隙中从左向MPP的状态、从右向MPP的状态、从MPP左侧离开的状态和从MPP右侧离开的状态。RLMPPT的四种状态如图所示4哪里表明Δ和Δ有所有积极的信号，表明Δ是负的，而Δ这是一个积极的迹象，表明Δ是积极的，Δ是负号，最后呢表明Δ和Δ都是负号。

（二）行动。RLMPPT代理的作用定义为所需扰动Δ的可控变量到以及代理人的行动的状态，，表示为 在哪里是所有代理人可控扰动的集合Δ吗添加到从光伏阵列获取电源。

(3)奖励。在RLMPPT中，归装奖励是为了完成获得PV阵列MPP的目标。直观地，最简单但有效的奖励可能是一个无计划的类型的函数，即一旦可观察信号对(）击中最甜蜜的点，即(的真实MPP)，则给予RL代理正奖励；否则，给予RL代理零奖励无计划的奖励功能的类型可以直观地定义为 在哪里代表Kronecker Delta功能,是为此定义的击中点感知时隙。在定义(13)，负奖励明确表示对代理失败的惩罚；也就是说，在跟踪光伏阵列的MPP时，与零奖励相比，错过命中点可以获得更好的学习结果。实际上，可观测信号对(，)，由扰动Δ的作用引起到，准确地击中MPP的最甜蜜点是非常低的任何传感时间槽．此外，环境的法官也非常困难，以便为每个感测时隙定义一个击中点。因此，击中点在(13)可以在需要时放松击中区域是根据以往的每日环境知识而定，如果(，)在任何时间段内落入/超出预定义的命中区域。因此，奖励函数可以表示为 在哪里和为正值，表示在最大限度地提高奖惩差异以获得更好的学习效果方面的权重因素。在这项研究中-greedy算法用于选择RLMPPT代理的动作，避免重复选择相同的动作。本研究提出的RLMPPT流程图如图所示5．

4.配置的实验

通过计算机仿真，对采用RLMPPT的光伏阵列最大功率跟踪进行了实验，并与现有的光伏阵列最大功率跟踪方法进行了比较。

4.1. 光伏阵列的环境模拟与配置

在这项研究中，用于仿真的PV阵列是SY-175M，由中国唐山市石阳太阳能科技有限公司制造。模拟PV阵列的功率额定值为175W，开路电压44 V和短路电流5.2 A.使用两个模拟和一个真实天气数据集进行三个实验，通过三个实验进行RLMPPT在MPPT中的验证。首先进行基本实验以确定RLMPPT是否可以通过使用一组高斯分布函数产生的温度和辐照度来实现MPPT的任务。并且在高斯分布函数产生的温度和辐照度下，将云层的疗法添加到第二种实验中。2014年4月，2014年4月，在美国加利福尼亚州加利福尼亚州，从全国更新能源实验室（NREL）数据库中获得了实证数据集以在真正的天气条件下测试RLMPPT的实证数据集。以下描述了实验的配置。

假设光伏阵列在夏季10:00和14:00位于亚热带地区(台湾南部嘉义市)，使用高斯分布函数模拟温度和辐照度，平均值为30°C, 800 W/m²标准偏差4°C和50 W/m²．根据(1），模拟的温度和辐照度产生MPP电压（)及计算的MPP ()，如图所示6（a）,那里的和分别奠定-轴心与设在。数据6（b）和6 (c)，分别显示()图的高斯生成的温度和辐照度与太阳掩星效应，以及2014年4月1日在洛约拉玛丽蒙特大学记录的真实天气数据。

4．2．奖励功能和状态，行动安排

在应用RLMPPT解决光伏阵列的MPPT问题时，奖励函数起着重要作用，因为良好的奖励函数定义不仅可以在每次学习和跟踪执行时获得正确的反馈，而且可以提高学习算法的效率。在本研究中，具有椭圆形()定义为，无论何时获得正奖励值，都将给予代理()落在感应时间槽的击球区。数字7显示了不同大小的椭圆撞击区叠加在模拟撞击图上()的图6（a）. 图形中的红色椭圆圈7(一)，7 (b),7（c），分别为打击范围的37.2%、68.5%和85.5% (）从前一天的模拟数据获得的点。

在实现RLMPPT时，状态向量定义为，而每个状态的含义在前一节中进行了解释，如图所示5．Δ的六次扰动到定义为如下行动的集合:

的-greedy用于在RLMPPT中选择代理的动作，防止代理重复选择相同的动作。击球区奖励函数的奖励策略是，当agent获得(）在任何传感时隙落入并落后击中区域。

5.实验结果

5．1.结果的高斯分布函数生成的环境数据

在该研究中，进行了测试高斯生成和实际环境数据的RLMPPT的实验，并将结果与​​P＆O方法和开路电压方法进行比较。

对于生成的环境模拟高斯分布函数，表的第二行、第三行和第四行分别显示了RLMPPT的前期(0~25分钟)、中期(100~125分钟)和末期(215~240分钟)各RL agent选择动作的百分比1在两小时内。可以看出，在模拟的早期阶段，RL代理处于快速学习阶段，因此代理选择的动作集中在±5 V和±2 然而，在模拟的中间和最后阶段，学习已经完成，代理利用它所学的知识，因此，选择微调动作的百分比，即±0.5。 五、 从早期阶段的20%增加到中期和最终阶段的40%和76%。可以得出结论，学习代理快速学习了选择适当行动以达到MPPT的策略，因此跟踪MPP的目标由RL代理实现。

RLMPPT计算得到的MPP与跟踪MPP之间的偏移量和对比方法在感知时间的实验结果如图所示8．数据8（a），8（b）,8（c）分别在感测时间下，分别在P＆O方法，开路电压方法和RLMPPT方法之间显示计算的MPP和跟踪MPP之间的偏移。人们可以看出，在三个比较方法的实验结果中，开路电压方法获得最大偏移，其集中在15W左右，即使通过P＆O方法获得的偏移在很大程度上低于10W，通过P＆O方法获得的大部分偏移量也随机地散射在1到10W之间，另一方面，所提出的RLMPPT方法实现最少，并且冷凝在5 W以下的偏移，即使在早期学习中，只有小部分落在5 W之外阶段。

5.2。高斯分布函数生成环境数据与太阳掩星的环境数据

在该实验中，通过在第一个实验中将云层的太阳掩星增加了30％的太阳掩星的几率来获得模拟数据，使得温度下降0至3°C，辐照度将减少0至300W /m²该实验旨在说明RLMPPT在不同天气条件下跟踪光伏阵列MPP的能力。图9显示了模拟数据的命中区定义，将云对太阳的掩蔽添加到高斯分布函数生成的环境数据中。图中的红色椭圆形状9涵盖总额的90.2% ()点，从前一天的模拟数据中获得。表2显示选择动作的百分比，即摄动Δ到，由RLMPPT提供。Table的第二行、第三行、第四行分别显示了rlppt方法的前期、中期、末期各RL agent选择行动的百分比2．

从表中可以看出2选择微调动作的百分比，即扰动δ为±0.5 V，经RL检测的MPP早期、中期和末期分别从20%增加到44%和72%。这个表再次说明了学习agent在选择合适的动作以达到最大功率点时能够快速学习策略，因此RL agent可以实现跟踪PV阵列最大功率点的目标。但是，由于云层遮挡太阳的天气条件不同，选择微调动作的百分比与表中的结果略有不同1，其模拟数据采用高斯分布函数生成，无太阳掩星效应。

通过对比P&O、开路电压和RLMPPT方法，计算得到的MPP与跟踪MPP在同一传感时间的偏移量实验结果如图所示10 ()，10 (b),10（c）， 分别。实验数据来自图11再次表明，在三种比较方法中，开路电压法获得的偏移量数据最大且分布稀疏，集中在15%左右 W.即使通过P&O方法获得的偏移量在很大程度上介于0和5之间 W、 然而，通过P&O方法获得的大部分偏移量分散在1到40之间 另一方面，所提出的RLMPPT方法实现的最小压缩偏移量小于5 W，大部分接近3 W在200分钟后的最终跟踪阶段。

5.3.真实环境数据的结果

2014年4月在美国加利福尼亚州洛约拉·马里蒙特大学记录的光伏阵列真实天气数据可从国家可再生能源实验室（NREL）在线获取用于在真实环境数据下测试RLMPPT方法的数据库。选择该数据库是因为传感站的地理位置也位于亚热带地区。连续5天从10:00到14:00的记录数据周期如图所示6 (c)以及之前数据的命中区域奖励功能如图所示11（a）.图中的红色椭圆形11（a）占总数目的93.4% ()点，从NREL连续5天的真实天气数据中获取，用于测试。数据11（b）和11（c）分别显示2014年1月4日记录的真实温度和辐照度数据，以生成测试数据。

表格3.显示RLMPPT选择操作的百分比。RLMPPT方法的早期阶段（0~25分钟）、中期阶段（100~125分钟）和最终阶段（215~240分钟）中每个RL代理选择操作的百分比分别显示在表的第二、第三和第四行中3.．

在表3.，可以看到选择微调动作的百分比，即扰动Δ是0.5 V时，通过RL agent跟踪MPP的早期、中期和最终阶段，分别从20%提高到36%和64%。尽管在这个真实数据实验中选择微调动作的百分比在三个实验中是最小的，但这表明RLMPPT学会了训练扰动Δ的适当动作在真实天气数据下跟踪PV阵列的MPP。这个表再次说明了学习agent在选择合适的动作以达到MPP时能够快速学习策略，因此RL agent可以实现跟踪PV阵列MPP的目标。

对由真实天气数据生成的模拟数据，在感知时刻，采用对比方法对MPPT与预测MPPT进行偏移的实验结果如图所示12．数据12(一个)，12（b）,12 (c)，分别给出计算得到的最大功率点与采用P&O法、开路电压法和RLMPPT法跟踪的最大功率点之间的偏移量。实验数据来自图12再次表明，在三种比较方法中，开路电压法得到的偏移量最大且分布稀疏，其分布集中在两个高斯分布函数所覆盖的波段内，最大偏移量为19.7 W。P&O法得到的补偿量在5 W和2.5 W左右大幅度下降;而P&O法得到的大部分偏移量在试验前70 min从1 W急剧下降到40 W。通过观察图12 (c)所提出的RLMPPT方法实现了最小的偏移量，并将偏移量压缩到1或2附近 W，所有偏移量都不大于5 W从开始模拟5分钟后。

5.4。性能与效率系数的比较

为了验证RLMPPT方法在光伏阵列MPP跟踪中的有效性，对效率因子进行了分析用于比较三个实验中其他现有方法的性能是定义如下： 在哪里和分别表示MPPT方法的跟踪MPP和计算的MPP.表4结果表明，对于三个测试数据集，开路电压法的效率因子在三种比较方法中最低，而RLMPPT法的效率因子最好，略优于P&O法。RLMPPT方法相对于P&O方法的优势如图所示10和12那里不仅RLMPPT方法显著提高了效率因素比较P&O,还学习代理RLMPPT快学会了翻译策略选择适当的行动向到达MPPT P&O方法要快得多的表现出一个缓慢的适应阶段。因此，RLMPPT不仅提高了跟踪光伏阵列最大功率点的效率，而且在完成光伏阵列最大功率点的任务时具有快速学习能力。

6.结论

针对光伏阵列，提出了一种基于强化学习的最大功率点跟踪方法。RLMPPT方法监测PV阵列的环境状态，并将扰动调整到PV阵列的工作电压，以获得最佳MPP。利用3种数据集，即模拟高斯天气数据、添加太阳掩星效应的模拟高斯天气数据和来自NREL数据库的真实天气数据，对光伏阵列的RLMPPT进行了仿真。实验结果表明，与现有的P&O方法相比，RLMPPT方法不仅在模拟和真实天气数据集上获得了更好的效率系数，而且适应环境的速度快，学习时间短。将基于强化学习的最大功率跟踪方法应用于实际光伏阵列，验证了该方法的有效性。

利益冲突

作者声明，本论文的发表不存在利益冲突。

参考文献

1. T.Esram和P.L.Chapman，“光伏阵列最大功率点跟踪技术的比较，”IEEE能源转换交易第22卷第2期2，页439-449,2007。视图:出版商的网站|谷歌学者
2. D. P. Hohm和M. E. Ropp，“最大功率点跟踪算法的比较研究”，光伏中的进展：研究与应用，第11卷，第5期。1，页47-62,2003。视图:出版商的网站|谷歌学者
3. N. Femia, G. Petrone, G. Spagnuolo, M. Vitelli，“扰动优化和观察最大功率点跟踪方法”，电力电子学报，第20卷，第4期，第963-973页，2005年。视图:出版商的网站|谷歌学者
4. J. S. Kumari, D. C. S. Babu, A. K. Babu，“光伏系统PO和IPO MPPT技术的设计与分析”，国际现代工程研究杂志，第2卷，第2期4, pp. 2174-2180, 2012。视图:谷歌学者
5. D. P. Hohm和M. E. Ropp，“使用一个实验的、可编程的最大功率点跟踪测试平台的最大功率点跟踪算法的比较研究”，刊于IEEE第28届光伏专家会议会议记录，页1699-1702,2000。视图:谷歌学者
6. L.-R。陈,学术界。蔡,杨绍明。关铭林,Y.-S。Lai，“一种跟踪光伏最大功率点的生物群体追踪算法”，IEEE能源转换交易，第25卷，第2期，第484-493页，2010年。视图:出版商的网站|谷歌学者
7. T.L.Kottas、Y.S.Boutalis和A.D.Karlis，“与模糊认知网络密切合作，使用模糊控制器的光伏阵列新的最大功率点跟踪器，”IEEE能源转换交易第21卷第2期3，第793-803页，2006。视图:出版商的网站|谷歌学者
8. N. Mutoh, M. Ohno，和T. Inoue，“一种在光伏发电系统中搜索与天气条件相对应的参数的MPPT控制方法”，IEEE工业电子学汇刊，第53卷，第53期4、2006年。视图:出版商的网站|谷歌学者
9. 谢国昌，谢慧华，蔡昌英，王昌华，“基于双相跟踪的光伏功率增量辅助增量电导MPPT”，电力电子学报第28卷第2期6, pp. 2895-2911, 2013。视图:出版商的网站|谷歌学者
10. R. L. Mueller, M. T. Wallace，和P. Iles，“阵列设计的标称太阳能电池阻抗”IEEE第一届光伏能源转换世界会议论文集，卷。2，pp。1994年12月2034-2037。视图:谷歌学者
11. N. Femia, G. Petrone, G. Spagnuolo, M. Vitelli，“P&O MPPT技术的采样率优化”，刊于IEEE第35届年度电力电子专家会议（PESC '04）的诉讼程序，第3卷，1945-1949页，2004年6月。视图:出版商的网站|谷歌学者
12. N. Femia, G. Petrone, G. Spagnuolo，和M. Vitelli，“一种提高双级并网光伏系统P&O MPPT性能的技术”，IEEE工业电子学汇刊第56期11, pp. 4473-4482, 2009。视图:出版商的网站|谷歌学者
13. K. H. Hussein, I. Muta, T. Hoshino, M. Osakada，《最大光伏功率跟踪:快速变化的大气条件的算法》，IEE会议记录发电、输电和配电，，第142卷，第2期。1，第59-64页，1995。视图:出版商的网站|谷歌学者
14. “基于峰值功率跟踪的dsp控制光伏系统的实现，”IEEE工业电子学汇刊，卷。45，不。1，pp。99-107，1998。视图:出版商的网站|谷歌学者
15. L. P. Kaelbling, M. L. Littman, a . W. Moore，《强化学习:一项调查》，人工智能研究杂志，第4卷，第237-285页，1996年。视图:谷歌学者
16. a·g·Barto强化学习：导论麻省理工学院出版社，1998年。
17. C.J.Watkins和P.Dayan，“Q-learning，”机器学习，第8卷，第2期3-4，第279-292页，1992。视图:出版商的网站|谷歌学者

版权

版权所有©2015徐朝明等人。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。