团队介绍

杨博，英国利物浦大学博士(国家留学基金委公派全额资助)，昆明理工大学副教授、硕士生导师，致力于新能源发电系统智能优化与控制，以及人工智能在智能电网中的应用等研究。

现担任中国电工技术学会第八届理事会青年工作委员会委员、《电力系统保护与控制》第二届青年专家学术委员会委员、云南省电力行业协会高级咨询专家、核心期刊《电力建设》专刊合作主编、ESCI期刊《Protection and Control of Modern Power Systems》专刊合作主编。

目前共主持含国家自然科学基金，省部级、厅局级研究计划和企事业在内的纵横向科技项目6项。入选2018年云南省首届万人计划-青年拔尖人才(省部级)。获2018年中国电力企业联合会技术类一等奖、2018年中国产学研合作创新成果奖二等奖、2020年第二届IEEE亚洲能源与电气工程研讨会(IEEE AEEES 2020)最佳青年科学家奖。

以第一作者著英文论著1章，申请国家实用新型3项，发表学术论文110篇，其中在Applied Energy、Energy Conversion and Management等能源领域顶尖期刊发表SCI索引论文87篇，以第一作者发表SCI论文33篇(包括ESI论文6篇，一篇为热点论文，中科院一区13篇)，以通讯作者发表SCI论文19篇。另外，在《电工技术学报》、《电力系统自动化》等杂志发表EI索引期刊论文12篇。

张孝顺，博士，副教授，硕士生导师，汕头大学卓越人才计划“优秀人才”，中国电工技术学会第八届理事会青年工作委员会委员，中国电工技术学会人工智能与电气应用专业委员会委员，广东省青年科学家协会会员，专注于电力系统优化运行与控制的智能化技术，重点研究高效的机器学习等人工智能算法。

围绕着这个研究方向，已发表国家级专著1本，已授权发明专利5项，已发表(含录用)SCI/EI期刊论文91篇，其中：SCI期刊论文54篇(34篇Top, 4篇ESI高被引)；EI期刊论文37篇。近5年参与多项纵向与横向科研项目，主持国家自然科学基金青年基金项目1项、广东省自然科学基金面上项目1项。

荣获 “2018年度电力创新奖技术类一等奖”、 “2018年度江苏省科学技术奖三等奖”、 “2018年度中国电工技术学会科学技术奖二等奖”、汕头市青年岗位能手、汕头市第一届五四青年奖章。本人担任《Protection and Control of Modern Power Systems》、《电力建设》等权威电力期刊专栏副主编，还担任《IEEE Transactions on Power Systems》、《IEEE Transactions on Smart Grid》等20余个SCI/EI期刊的审稿专家，并被多次授予“优秀审稿专家”荣誉称号。

导语

本文提出了一种基于贪婪搜索的神经网络算法，以实现非均匀温差分布下集中式温差发电系统的最大功率跟踪。

该算法采用Levenberg-Marquardt法训练前馈神经网络，得到系统的输入-输出拟合曲线，以准确区分局部最大功率点和全局最大功率点。同时，基于拟合的曲线，设计压缩范围的贪婪策略快速逼近全局最大功率点。

三种算例下的仿真结果验证了所提算法的有效性。此外，基于dSpace的硬件在环实验验证了所提算法的硬件可行性。

项目研究背景

温差发电（TEG）的原理是利用热电材料的Seebeck效应将热能转换为电能，其不仅能有效利用自然界中的地热能、海洋热能和太阳能等清洁能源，还可回收工业及生活中产生的大量余热废热，提高能源利用率。

在能源危机和环境污染的时代背景下，TEG被视为一种具有广阔前景的绿色发电技术。通常，TEG系统工作在非均匀温差分布条件下，其特性曲线呈多峰特性。因此，本文设计了一种基于贪婪搜索的神经网络算法（GSNN），以在各种复杂工况下实现有效的最大功率跟踪（MPPT），从而最大限度地获得系统输出功率。

论文方法及创新点

GSNN实现MPPT的控制框架包括训练神经网络和贪婪搜索两部分，如图1所示。

首先，将前馈神经网络的输入和输出分别设置为DC-DC升压变换器的占空比和对应的TEG系统输出功率，进行神经网络训练。然后，基于神经网络训练拟合的输入-输出（I/O）曲线，执行贪婪搜索，得到新的训练样本，并重新训练神经网络。上述过程将反复执行，直至满足算法迭代终止条件。

图1 GSNN整体控制框架

为验证所设计GSNN的有效性，本文以扰动观测法（P&O）、粒子群算法（PSO）和群灰狼算法（GWO）为参照对象，在恒定温度、阶跃温度和灵敏度分析三种算例下进行仿真比较。其中，恒定温度下不同算法MPPT的电压、功率波形如图2所示。

图2 恒定温度下不同算法的MPPT结果

表1 两种算例下各算法的统计结果

此外，本文基于dSpace进行了硬件在环实验以验证GSNN的硬件可行性。其中，恒定温度下硬件在环实验与仿真结果对比如图3所示。

图3 恒定温度下仿真和硬件在环实验实验结果对比

结论

本文设计了一种新型GSNN算法以实现非均匀温差分布下集中式TEG系统的MPPT，其主要贡献和创新点可总结如下：

（1）GSNN利用神经网络拟合出非均匀温差分布下集中式TEG系统的控制输入-功率输出多极值曲线，将MPPT等效为一个黑箱问题，无需精确系统模型，就可实现快速稳定的全局MPPT，符合MPPT实时控制的要求。

（2）与传统启发式算法相比，GSNN通过拟合的I/O曲线引导贪婪搜索，可有效避免盲目的随机搜索，从而提高收敛速度及稳定性。

（3）三种算例的仿真结果表明，GSNN能在非均匀温差分布下快速稳定地产生最大能量。特别地，在阶跃温度下，GSNN产生的能量分别为P&O、PSO和GWO的103.23%、109.40%、102.26%。此外，基于dSpace的硬件在环实验验证了所提算法的硬件可行性。

引用本文

杨博, 王俊婷, 钟林恩, 束洪春, 余涛, 张孝顺, 谭恬. 基于贪婪神经网络的集中式温差发电系统最大功率跟踪[J]. 电工技术学报, 2020, 35(11): 2349-2359. Yang Bo, Wang Junting, Zhong Linen, Shu Hongchun, Yu Tao, Zhang Xiaoshun, Tan Tian. Maximum Power Point Tracking of Centralized Thermoelectric Generation System using Greedy Neural Network. Transactions of China Electrotechnical Society, 2020, 35(11): 2349-2359.