基于模型辨识的BP神经网络在光伏系统MPPT中的应用

光伏电池作为光伏发电系统的重要组成部分,研究其模型的准确性并对其最大功率点进行预测与跟踪,对于光伏发电效率的提高具有重大意义;首先根据光伏电池的内部结构和伏安特性建立其数学模型,并对所建立的模型进行参数辨识,进而得到模型输出与测量信息偏差最小的参数值,验证模型的准确和有效性;根据模型所反映的规律,将温度和光照强度作为输入变量,最大功率点对应的电压作为输出变量,构建了用于MPPT的神经网络模型;神经网络经训练后对最大功率点电压进行预测与跟踪,结果表明构建的神经网络具有良好的适应性。     

光伏发电系统MPPT控制仿真模型

在光伏发电系统优化的研究中,为了有效提高太阳能利用率,建立了光伏电池等效电路和数学模型,在MATLAB/Simulink仿真环境下搭建光伏电池通用工程模型,光伏电池通过串并联方式组合成光伏阵列,并利用电导增量法原理通过控制Boost电路占空比实现光伏阵列最大功率点跟踪(MPPT).仿真结果表明:改进模型可仿真任意光照强度、环境温度下,不同型号光伏电池及其串并联组合成光伏阵列的I-V特性,并能较好控制并实现MPPT,模型动态性能好,具有较强的实用性.     

基于光伏电池输出特性的MPPT算法研究

为了寻找更好的实现光伏发电系统最大功率点跟踪控制方法,基于单个光伏电池的物理特性建立了太阳能光伏电池阵列的Matlab仿真模型,分析了太阳能光伏电池阵列所具有的随着光照强度和温度不同而变化的P-U和I-U非线性特性.基于光伏电池的动态特性,在最大功率点跟踪算法的设计中增加一个电流监测回路,并结合自寻优技术对电导增量法进行改进,提出了一种自适应变步长寻优算法.仿真结果表明,该算法能够快速准确的跟踪最大功率点.     

光伏电池滞环变步长MPPT算法研究

为了提高光伏电池发电效率,在传统MPPT控制方法的基础上提出了基于恒定电压法的变步长滞环控制法,通过分析光伏电池受光照强度的影响和在最大功率点附近的功率特性,确定了电压扰动步长值,并在MATLAB/Simulink仿真平台上建立了MPPT仿真模型,对该算法进行了验证。仿真结果表明,该算法在光照突变时仍能实时地跟踪光伏电池的输出功率,并能有效地抑制在MPP点附近的振荡现象,表现出很好的动态特性,证明了该算法的有效性和正确性。     

基于光伏微网的PI-dP&O高性能MPPT控制器的设计

通过采用PI-dP&O模块、Buck-Boost电路与具有电流闭环控制的抑制积分饱和的PI控制器相结合的策略,设计出一种具有高性能的MPPT控制器。此控制器具有软件实现简单、适应性好、成本低廉等优点。在Matlab实验平台上将此高性能的MPPT控制器与传统的MPPT控制器进行对比,并应用到光伏微网中,充分显示其优越性和可行性。     

模糊神经网络在光伏发电MPPT中的应用

研究光伏发电系统最大功率点跟踪(MPPT)问题,由于存在随机性,且往往不够准确和充分,容易导致系统无法准确跟踪或稳态剧烈震荡。针对传统的人工总结模糊控制规则有一定难度,提出模糊神经网络控制算法,将神经网络理论和T-S模糊推理方法相结合,选择网格法作为生成算法,混合法作为训练方法,由实测数据自动生成模糊控制规则,并将其嵌入模糊控制器当中去,以实现MPPT控制功能。仿真结果显示,采用该方法生成模糊规则准确实用,系统动态性能和稳态性能均十分优越。实验证明,模糊控制技术与人工神经网络法相结合实现光伏发电MPPT准确高效。     

改进的光伏发电系统MPPT预测算法的研究

在光伏发电效率预测的研究中,针对光伏供电系统受温度和光照变化影响大、太阳能利用效率低和最大功率点预测不准确等问题,提出一种改进的GA-BP神经网络的光伏系统MPPT预测算法,通过优化的BP神经网络训练光伏阵列实测数据,预测输出的最大功率.为提高算法预测精度,采用云模型云滴和遗传算法优化BP神经网络的初始权值和阀值,根据遗传算法收敛程度来调整云自适应交叉和变异算子.经Matlab仿真分析,在光照和温度变化时,改进的GA-BP神经网络比GA-BP神经网络和BP神经网络具有更好的预测效果.     

光伏电池最大功率点跟踪方法的研究

随着能源的耗竭,光伏发电技术越来越受到人们的重视,光伏发电的过程主要就是将接收到的太阳辐射利用光伏电池转变为电能的过程。在光伏发电系统中,为了进一步提高光伏电池的转换效率,需要对光伏电池的最大功率点进行跟踪。本文首先分析了在跟踪控制中常见的恒压控制法,扰动跟踪法和功率数学模型法,比较了它们的优缺点,并基于这三种方法提出了一种改进的跟踪方法。     

基于克隆选择算法的光伏最大功率点跟踪控制

研究太阳能电池提高光电转换率问题,由于光伏发电系统中最大功率点难以实时跟踪,使光伏阵列输出功率达不到要求。为此提出采用克隆选择算法进行优化控制。根据光伏电池等效电路模型在SIMULINK中建立仿真模型进行特性分析,并编写克隆选择算法。通过在算法进化过程中合理地选取种群规模、克隆规模和变异率等参数,从而保证算法以最佳的搜索轨迹达到最优解。通过对算法有效性的验证,仿真结果表明:在温度、光强变化情况下,能实时跟踪到最大功率点,提高系统的鲁棒性和发电效率。     

光伏电池输出特性与最大功率跟踪的仿真分析

该文根据光伏电池的工程数学模型,提出一种利用MATLAB软件包中的Simulation模块直接模拟光伏电池工作状况的方法,该仿真模型能准确反映光伏电池的输出特性,而且参数调节方便。文章主要对不同负载、模型内部参数变化和日照强度变化条件下光伏电池输出的特性进行了研究,得到了光伏电池输出特性变化的一般规律。数据分析结果表明,光伏电池的输出特性呈非线性。光伏电池输出功率随外部环境或内部参数的变化而发生改变,其最大值只在满足特定条件下的某一点才可能出现。基于导纳增量法,利用BOOSTDC／DC变换电路实现了光伏电池输出的最大功率跟踪,其控制算法用S函数编程实现。     

基于模糊PID控制的光伏最大功率点跟踪仿真研究

在分析光伏电池伏安特性的基础上,设计了一个模糊PID控制器,以提高光伏发电的性能。仿真结果表明,模糊PID控制能够快速、准确地跟踪最大功率点,避免最大功率点处的振荡,提高了系统稳定性和能量转换效率。     

基于模糊控制的最大功率点跟踪算法的研究

本文根据太阳能电池的特性方程进行优化得到其工程模型并建立MATLAB/SIMULINK仿真模型,同时对仿真结果进行简单分析,主要是分析太阳能电池在标准参数下的伏安特性和伏瓦特性,以及在不同温度和光照强度条件下的特性。介绍最大功率点跟踪(MPPT)的原理并采用扰动观察法进行了定步长的仿真并对其结果进行了分析,在其基础上进行改进,提出一种基于模糊控制的变步长扰动观察算法,应用MATLAB中的Fuzzy工具箱进行模糊控制器的设计。得出的仿真结果表明,本算法能够稳定在最大功率点,避免了定步长扰动观察法在最大功率点的震荡,在环境参数突变的情况下,能够快速寻找到新的最大功率点,具有良好的跟踪效果。     

基于太阳光照模型的最大功率点跟踪算法

根据实际单体光伏电池特性和电气参数,提出一种利用MATLAB中曲线拟合工具箱结合光照强度数据模拟光照强度变化的方法,该仿真模型能够准确地反映光照强度变化情况;文章主要对某地春季一天实际光照强度变化数据进行分析,建立了全天光强时间模型;并依据此模型绘制了短时间内光照发生突变时的功率时间曲线;同时分析并利用工程上四种常用的最大功率点跟踪方法对发生跳变时的曲线进行了matlab仿真跟踪试验,比较了在局部光照变化阶段和不同步长时各种跟踪方法的跟踪效果;仿真结果表明,在该光照模型下可以很好地实现各种方法的最大功率点跟踪但跟踪效果有所差异。     

基于分组粒子群的光伏最大功率点跟踪方法

针对光伏发电系统在复杂遮阴条件下,光伏输出P-V特性曲线呈现高度非线性,采用基于分组粒子群算法（particle swarm optimization, PSO）和优化的扰动观察法(perturb and observe, P&O)相结合的MPPT（maximum power point tracking）算法进行光伏发电系统输出功率的提升。提出的最大功率点算法分为两个阶段,首先通过将混合蛙跳算法(shuffled frog leaping algorithm, SFLA)的分组思想引入到传统粒子群算法,并采用改进后算法实现近似全局最大功率点的快速搜索,以加快最大功率点跟踪的收敛速度和稳定性。然后,采用优化的扰动观察法实现最大功率点附近的动态精确跟踪,同时减少后续最大功率点跟踪过程中的计算量。通过在不同阶段发挥两种MPPT算法的各自优点来提高光伏最大功率点跟踪控制的效率。最后进行光伏系统遮阴条件变化的仿真实验,与传统粒子群算法相比,提出MPPT方法具有较快的跟踪速度和稳定的功率输出。     

基于机器学习的光伏输出功率预测方法研究

光伏发电机组容量在电力系统中的比重日益增大,预测光伏出力对电力系统调度具有极其重要的意义。因为影响光伏发电系统的许多因素随机性较高,使得预测工作难度加大。传统的预测方法对数据的依赖性较强,数据的完整性对预测过程影响很大,因此需要更严谨、便捷的方法使光伏功率的预测工作更加准确、实用。通过对光电站历史数据的探索性分析,对比多种回归预测模型,对影响功率的因素建立神经网络与非线性拟合的组合预测模型。仿真结果表明,组合分步法可以显著降低预测误差,对电网规划、提升新能源发电竞争力、优化调频具有一定的意义。     

光伏系统最大功率点跟踪控制仿真模型

介绍了一种简单实用的光伏系统计算机仿真软件设计方法。通过对太阳能电池的物理模型和电特性的分析计算,建立了太阳能电池的数学模型,并结合S函数的编写,在M atlab/S imu link环境下建立其动态仿真模型。考虑到太阳能的波动性和随机性对太阳电池阵列的影响,该模型具有最大功率点跟踪(MPPT)功能。文中还给出了光伏系统仿真所使用的详细参数。仿真结果表明,利用该模型不需要精确的系统内部特性和结构参数,就可以实时模拟任何功率、电压组合的光伏阵列。     

采用自适应扰动观察法的光伏并网系统最大功率点跟踪

提出了一种自适应扰动观察（P＆O）算法,用于在不同天气条件下太阳能光伏（PV）并网系统的最大功率点跟踪（MPPT）控制策略。该策略对于从太阳能光伏电池板中,获取最大的功率输出是十分重要的。利用一种依赖于功率变化的可变的扰动步长,提出了改进的自适应扰动观察算法。最后将通过仿真所得到的数据与传统的扰动观察算法进行了比较,结果表明所提出MPPT算法的收敛值和速度得到了改善,稳定时间缩短25%,稳态值提高20%以上,在太阳能光伏并网系统的最大功率点跟踪时是有效而实用的。     

光伏电池最大功率跟踪智能控制技术研究

本文在阐述光伏电池输出特性的基础上,针对光伏电池最大功率点跟踪（MaximumPowerPointTracking,MPPT）中存在的问题,结合智能控制方法,给出了最大功率跟踪的改进型控制方法：模糊逻辑MPPT控制,神经网络MPPT控制以及两者的结合型。分析表明智能控制技术具有较强的自适应能力,能够根据环境的变化,快速、稳定地跟踪最大功率点。