光伏发电性能物理预测模型的研究

为提高光伏发电预测的精度,通过两种不同温度和光强下的电池短路电流、开路电压以及最大功率点处电流和电压电性参量,建立任意温度和光强下光伏发电预测模型。结果表明:在光强不变温度改变的条件下,电流电压全局拟合均方根误差不超过1.443 9 mA,预测最大输出功率的相对误差最大为10.61%;在光强改变温度不变的条件下,电流电压全局拟合均方根误差不超过0.982 1 mA;预测最大输出功率的相对误差最大为6.21%;总体来说,模型能正确预测光伏电池的输出特性,满足工程应用要求,且多晶硅的预测难度大于单晶与非晶硅电池。     

蚁群算法优化RBF神经网络的光伏发电MPPT

针对如何提高光伏电池最大功率点预测跟踪精度的问题,讨论了光伏电池非线性输出特性。在此基础上,建立基于RBF神经网络的光伏电池最大功率点预测跟踪模型,以光照强度和温度为模型的输入,光伏电池的最大功率点电压为模型输出,并将RBF神经网络的中心参数采用蚁群算法进行优化,从而实现最大功率点预测跟踪。仿真结果表明,该方法比传统的RBF神经网络方法具有更高的预测精度,能更好地预测跟踪光伏电池的最大功率点。     

光强振荡下的光伏电池最大功率点跟踪方法

受共享单车等移动载体运动影响,光伏电池常处于振动状态,从而造成光强振荡。为消除因光强振荡对光伏电池输出功率的影响,提出一种光强振荡下光伏电池最大功率点跟踪(MPPT)方法。首先,基于对光强振荡下MPPT特性的分析,建立了光强电压阈值MPPT算法。最后,仿真及实验验证结果表明该方法可有效消除光强振荡引起的干扰。与扰动观察法相比,该方法可使输出功率提高2.72%。     

光伏阵列MPPT集中控制与分散控制比较研究

太阳能作为可再生清洁能源,如何提高太阳能利用率,使得光伏电池板输出功率最大至关重要。以往对提高太阳能利用率的研究主要致力于MPPT算法的改进。从光伏电池非线性特性出发,建立光伏电池等效电路模型,搭建光伏电池MPPT集中控制和分散控制系统仿真模型。在光照渐变和光照突变及温度渐变和温度突变情况下,验证了集中控制系统和分散控制系统对输出功率的影响,得到集中控制系统和分散控制系统的控制效果图。     

一种新型光伏阵列最大功率点预测模型的研究

光伏阵列最大功率点预测在光伏发电控制系统具有重要地位,由于光伏阵列受到温度、光强、阴影等非线性因素的影响,传统的解析方法难以获得理想的预测结果。研究了一种基于遗传算法改进的BP网络光伏阵列最大功率点预测模型,利用遗传算法的全局搜索能力,对BP神经网络的权值和阈值进行优化,有效克服了BP网络容易陷入局部最小的问题。仿真表明,基于遗传算法优化的光伏阵列最大功率点预测BP网络具有良好的泛化能力和一定的有效性。     

自适应BP神经网络在光伏MPPT中的应用

首先介绍了光伏电池的特性,并在比较了扰动观察法、电导增量法、恒定电压法、开路电压法等几种光伏系统最大功率跟踪(MPPT)算法的基础上,提出了一种基于BP神经网络的最大功率跟踪的控制策略。该策略将温度和光强作为输入变量,通过神经网络识别后可得到最大功率点。仿真结果表明,该方法能够快速、准确地跟踪光伏电池的最大功率点,具有良好的控制精度和适应性,显著提高了光伏系统的转换效率。     

光伏并网发电系统最大功率跟踪新算法及其仿真

根据光伏阵列的特性,开发了光伏阵列的通用仿真模型,该模型可以模拟任意日照和温度下光伏电池的输出特性.分析了光伏并网发电系统最大功率跟踪的算法,针对最常用的最大功率跟踪方法--扰动观察法的不足,提出了一种新的最大功率跟踪的新算法.在Matlab/Simulink下进行了建模与仿真.仿真结果表明该方法在一定程度上可解决光伏电池输出非线性的问题,有效地避免跟踪的偏差,能够准确地跟踪太阳能电池的最大功率点,有效地提高光伏电池的输出效率,其动态响应速度快,使光伏系统具有良好的动态和稳态性能.     

光伏系统中最大功率点跟踪方法的研究

在光伏发电系统中,光伏电池的最大输出功率取决于温度和光照条件,采用最大功率跟踪(Maximum PowerPoint Tracking,简称MPPT)方法可以使光伏电池持续输出最人功率.研究了光伏系统中的最大功率控制部分,提出了MPPT控制器的设计,介绍了几种常用的MPPT方法,其中重点研究了电导增量(Incremental Conductance,简称INC)法.给出了INC法的软件流程的设计,并在Matlab中建立了光伏电池的仿真模型.最后通过实验验证了MPPT控制器的可行性,其MPPT的响应速度和控制精度均达到了预期要求.     

参数辨识在光伏发电控制系统中的应用

受外部因素的影响,应用于光伏电池最大功率跟踪系统的数学模型的输出与其实际输出之间会有一些误差.利用递推最小二乘法对应用于光伏电池最大功率跟踪系统的数学模型的相关参数进行了辨识,利用辨识结果并结合最优梯度法实现了对太阳能光伏电池的最大功率跟踪.仿真结果表明,递推最小二乘法能较好地对系统模型的参数进行辨识,从而可以减少光伏电池最大功率跟踪系统的误差.     

基于改进型比例谐振控制器的光伏发电系统最大输出功率预测方法

常规的光伏发电系统输出功率预测方法主要是对海量的发电数据进行提取,仅能够保证短期负荷的预测精 度,影响最终的预测效果,因此设计了基于改进型比例谐振控制器的光伏发电系统最大输出功率预测方法.提取光伏 发电系统最大输出功率映射特征,建立不同工况与输出功率的映射关系,确保输出功率的长期预测.基于改进型比例 谐振控制器构建稳态功率预测模型,调节光伏发电系统的输出电流与输出电压,确保最大输出功率的稳态预测.采用 对比实验的方式,验证了该预测方法的预测精准度更高,能够应用于实际生活中.     

非均匀光照强度的等效研究

光伏电池的输出特性主要与外界环境因素有关,如环境温度、光照强度、阴影等。在实际应用中,光伏阵列经常会被外界因素部分或全部遮挡。在局部阴影的光照条件下,光伏阵列的输出特性将更加复杂,并将影响最大输出功率。因此,研究分析非均匀光照强度对光伏阵列输出特性的影响是非常重要的。在研究分析非均匀光照强度带来的影响的基础上,提出了一种将非均匀光照强度等效为理想光照情况下的等效均匀输入光照强度的方法,使输入光照强度便于进行量化和比较,具有良好的工程应用前景。     

基于全局比较的光伏电池MPPT实验研究

当光伏电池被阴影遮挡时,最大功率对应电压会出现偏移,导致传统算法追踪过程显得繁复,为解决传统最大功率点追踪(maximum power point tracking,MPPT)算法在进行功率判断时所存在的判断速度以及准确性方面的问题,提出在扰动观察法基础上加入全局比较算法(global comparison algorithm,GCA),该算法通过检测光伏电池短时间内由开路至短路过程的功率变化来进行最大功率点追踪。根据光伏电池的伏安特性设计四种不同光照强度及阴影遮挡的环境,采用光伏实验平台以及DC-DC升压电路对算法可靠性进行实验研究。结果表明:全局比较算法的加入可以有效提升扰动观察法在不同程度阴影及不同光照强度条件下追踪最大功率的时效性及可靠性,且在一个遮挡周期内,发电效率可提升5%以上。     

基于混合储能的光伏波动功率平抑方法研究

针对光伏发电系统中发电功率波动问题,构建了一种基于混合储能的光伏并网发电系统模型,以平抑并网功率的波动。该模型引入了由超级电容器和蓄电池组成的混合储能系统,可以有效应对在各种天气条件下所引起的光伏输出功率波动问题,从而对并网功率进行削峰填谷。同时,对现有的MPPT法进行相应改进,提出了单向变步长追踪法,能够更加稳定且迅速地调整光伏系统的最大输出功率,提高发电效率。最后,在Matlab/Simulink上进行仿真,结果表明该混合储能控制系统能够有效提高光伏并网功率输送的稳定性能。     

基于模糊控制的光伏发电系统MPPT设计

为了提高光伏发电的效率,分析了光伏发电系统最大功率点跟踪控制的原理,选出了实现最大功率跟踪的硬件电路。针对光伏电池输出的非线性特点,提出了将模糊控制应用于光伏发电的 MPPT 控制中,设计了模糊控制器,并在正常光照及光照强度变化的条件下对模糊算法控制系统和扰动观察算法控制系统进行了仿真实验,得出两种算法控制下系统输出的电压波形。通过对波形的对比分析,进一步证明了模糊MPPT控制系统响应快,抗干扰能力强,系统稳定性好。     

基于输出参数的光伏电池最大功率点控制

最大功率点跟踪(MPPT)控制技术是光伏系统领域中在一定环境温度以及日照强度情况下太阳能电池阵列能够输出的最大功率.传统的控制方法是检测系统的输入电压和输入电流,计算其输入功率并使其达到最大.本文通过Buck变换器实现系统的最大功率点跟踪,其实现方法是检测系统的输出电压或者输出电流,通过软件的精确算法控制变换器的占空比,从而使得太阳能电池阵列的输出功率最大化.实验结果验证了该方案的可行性和正确性.     

基于双层BP神经网络的光伏电站输出功率预测

光伏电站输出功率对电网调度有很大影响,但受到太阳辐射强度和气象因素的影响,光伏电站输出功率具有随机性和不可控性。为合理利用光伏发电系统,建立一种基于气象预测信息以及BP神经网络的光伏电站输出功率预测模型。通过相关性分析确定影响光伏出力的影响因子,结合历史数据和气象因素进行模型训练和功率预测。文中主要提出一种新的预测模型-双层BP神经网络模型,通过对某光伏电站预测结果与实测值对比,结果表明该方法能有效提高光伏电站输出功率预测精度,对发电计划的制定有较好的参考价值和实用价值。     

光伏发电系统Boost电路采用同步技术研究

光伏发电系统受光照、温度等环境因素影响,输出功率具有随机波动性。同时光伏电池板输出电压较低,较多使用Boost电路来提高和稳定电压,以及在Boost电路上实现最大功率跟踪,充分利用光伏发电。Boost电路电压增益在电感电流连续模式下计算简便且效率更高,这导致在光伏电池电流较小时就需要较大的电感值才能保证电路处于电感电流连续模式,从而引起电感元件体积和成本增加的问题。在Boost电路中采用同步控制技术,即首先使用场效应开关管来替代原电路中的二极管,然后采用带死区控制的最大功率追踪方法,实现光伏电池电流较小时,即使采用较小电感值,也能获得较高的控制性能和转换效率。MATLAB仿真证明了该方案的可行性与有效性。     

基于功率预测的新型变步长电导增量法最大功率点跟踪策略

光伏电池的输出特性具有强烈的非线性,最大功率点跟踪技术能够提高光伏系统的效率。常规定步长算法在选取步长时在响应速度和稳态精度之间无法兼顾。变步长算法在同一光照强度具有良好性能,但在光照突变时存在最大功率点跟踪死区的情况。提出了基于功率预测的新型变步长电导增量法。该方法采用一种新的步长调整系数,能够根据外界条件的变化调节步长,解决了跟踪速度与稳态精度之间的矛盾。并且当光照剧烈变化时,确保扰动前后的判断是基于同一功率曲线进行的,避免误判现象的发生。仿真验证了该算法的有效性。     

基于Matlab的光伏阵列输出特性和最大功率点跟踪控制策略的研究

针对光伏并网发电过程中存在的最大功率输出问题,研究了光伏阵列高度的非线性输出特性和最大功率点跟踪(MPPT)问题。根据光伏阵列的等效数学模型,结合Matlab分析环境中的Simulink工具,基于S函数建立光伏阵列的输出特性分析模型。通过对不同温度和光照强度条件下进行模型仿真分析,研究环境温度和光照强度对光伏阵列输出特性的影响。采用S函数对最大功率点进行建模,给出MPPT的控制策略。重点研究了扰动观察法和电导增量法最大功率跟踪特性,并对仿真结果进行对比分析。研究结果对并网控制器的研究和实践具有一定的理论指导和参考价值。     

基于相似日理论的光伏发电系统输出功率预测

光伏发电系统的输出功率受到太阳辐照强度、辐照时间、气温等多种气象因素的影响,具有一定的时变性和随机性。对各种气象影响因素进行合理的选取和处理,由于具有相似气象条件下的光伏阵列输出功率具有较大的关联性,基于差异性和相关性原理,提出了选择光伏阵列输出功率相似日的方法,设计了基于相似日选取和BP神经网络的光伏阵列输出功率预测模型,利用我国某地光伏发电系统的实测数据对模型进行了验证,结果表明模型有较好的预测精度,具有一定的实用性及可行性。