新型忆阻光伏电池的建模与分析

光伏电池在缓解能源危机、改善生态环境中发挥了重要作用.文章针对光伏电池工作环境的易变性和模型参数的不确定性,提出了2类新型忆阻光伏电池模型,这两种模型能够对光伏电池输出特性进行准确、自适应描述;然后,通过严谨的数学推导以及数值仿真分别讨论了内、外部参数对新型忆阻光伏电池输出特性的影响,这样有利于高效选取忆阻器模型参数;...     

适用于大规模光伏阵列的无水清扫机器人

基于目前国内光伏电站光伏电池板的主流安装模式,设计了光伏阵列无水清扫机器人。根据机器人所要具有的自动实现上下行走足错位调节功能、停靠位置躲避遮挡功能和无死角全面清扫功能,确定其整体运行控制策略。利用模糊控制方法重点研究了机器人行走过程中上下行走足的错位调节。通过在Matlab/Simulink下的仿真及现场实验表明,所设计的模糊控制器合理、实用,能够实现预期的目标。     

高效屋顶光伏发电及其并网系统研究

文章针对屋顶光伏发电及并网设计了DC-DC-AC型双级式的电力变换器,即前级最大功率跟踪电路和后级单位功率因数并网逆变电路,介绍了双级电力变换器的结构与原理,研究了最大功率跟踪与单位功率因数并网问题,提出基于双环MPPT和专家PID控制的系统控制方法,通过仿真和搭建屋顶光伏发电系统实验平台,分别验证了文章方法的有效性和准确性。     

基才AVR单片机的光伏系统充电器的设计

文章分析了光伏阵列输出能量特点和蓄电池充电特点,提出了一种新的控制方法,并设计出基于AVR单片机的光伏系统充电控制器。试验证明该控制器在充分利用光伏阵列能量同时能提高蓄电池充电效率。较理想地实现了对光伏系统中储能蓄电池的充电控制。     

基于AVR单片机的光伏系统充电器的设计

文章分析了光伏阵列输出能量特点和蓄电池充电特点,提出了一种新的控制方法,并设计出基于AVR单片机的光伏系统充电控制器.试验证明该控制器在充分利用光伏阵列能量同时能提高蓄电池充电效率,较理想地实现了对光伏系统中储能蓄电池的充电控制.     

TORQUE CONTROL STRATEGY RESEARCH OF LARGE-SCALE VSPR WIND TURBINE

针对兆瓦级变速变距风电机组的转矩控制提出一种基于转矩阻尼控制器和RBF神经网络PID整定的智能参数优化方法.该方法采用模态线性化过程进行被控对象模型提取,经Campell模态分析后,对多人多出线性空间被控对象进行PID转矩控制器的设计及参数优化,最后对3MW海上风电机组进行控制系统的设计验证.结果显示:传动链阻尼器的设计使得传动系统扭矩波动明显减小;采用RBF神经网络整定的PID控制参数,使系统的快速性好、自适应能力强,具有良好的控制品质.     

光伏组件智能清扫机器人设计

为解决光伏组件表面积灰问题,依据光伏组件表面积灰数学模型以及光伏电站安装规格,设计一种光伏组件智能清扫机器人,采用直流减速电机驱动,采用滚筒式毛刷作为清扫刷,结构简单合理。通过光伏电站设计对比实验验证该清扫机器人的机械结构和控制电路的合理性,可实现自主清扫,对光伏组件表面无损伤,清扫覆盖率为100%,整体清洁度95%以上,提高清扫区发电量约20%。     

基于DRNN网络的强排式燃气热水器自整定PID控制

强排式燃气热水器是一个耦合的两输入两输出系统,随机负荷的变化又表现出参数快时变的特性。固定参数PID控制难以适应此系统控制要求,因此,提出一种基于回归神经网络(DRNN)的两输入两输出PID控制器结构,给出了DRNN神经网络参数学习算法和PID控制器参数自整定算法。计算机仿真结果验证了该控制策略可行性,这为以后进一步研究奠定了基础。     

光伏组件PID现象抑制方法研究

随着光伏组件PID现象的研究越来越深入,对其抑制方法的要求越来越高。针对这一问题,通过对目前研究或应用的光伏组件PID现象抑制方法的分析研究,预测了光伏组件PID现象抑制方法未来的发展趋势,并且提出了一种基于专家系统的PID现象抑制系统,该系统符合PID抑制研究和光伏电站智能化的发展趋势。     

能源互联网下基于HS-Elman的光伏出力预测研究

文章在阐述能源互联网概念的基础上,针对光伏出力的预测问题,提出了一种基于天气类型的改进Elman神经网络(HS-Elman)光伏出力预测模型。首先,分析了天气类型、环境温度、空气湿度、风速、太阳辐照度等对光伏出力的影响;然后,利用和声搜索算法对预测模型的权值和阈值等进行优化;最后,利用上海某能源网实验平台的历史数据,对所提出的预测模型进行验证。分析结果表明:基于HS-Elman的光伏出力预测模型的预测结果能够达到光伏出力的预测标准;与传统的Elman神经网络相比,在不同的天气类型条件下,文章所提出的预测模型具有更优的运算速度和预测精度。     

基于BP神经网络的光伏阵列清洁机械臂逆运动学分析与时间最短运动规划

针对光伏阵列积灰效应带来的光电转换效率下降问题,依据中国西北地区安装地形特点和清洁作业环境设计一款车载式光伏阵列清洁机器人。清洁机械臂逆运动学分析是末端清洁器轨迹规划的难点,针对解析法求解逆运动学方法复杂且得不到最优解,提出基于BP神经网络求解机械臂逆运动学的方法,建立BP神经网络模型并利用Matlab进行仿真验证。为了提高光伏阵列清洁效率,针对清洁机械臂点到点运动的时间最优问题进行时间最短运动规划。利用五次多项式插值法对机械臂各个关节变量在关节空间坐标系中进行路径拟合,并利用遗传算法对清洁机械臂运动时间进行优化。最终根据优化结果对机械臂进行轨迹规划仿真。结果表明,建立的机械臂运动学模型及使用的BP神经网络求解清洁机械臂逆运动学方法符合清洁机械臂时间最优运动规划,提高了光伏阵列清洁效率,在一定程度上为光伏阵列清洁机器人机械臂提供了时间最优控制规划。     

Evaluation of neural network based real time maximum power trackingcontroller for PV system

This paper presents a neural network based maximum power tracking controller for interconnected PV power systems. The neural network is utilized to identify the optimal operating voltage of the PV power system. The controller generates the control signal in real-time, and the control signal is fed back to the voltage control loop of the inverter to shift the terminal voltage of the PV power system to its identified optimum, which yields maximum power generation. The controller is of the PI type. The proportional and the integral gains are set to their optimal values to achieve fast response and also to prevent overshoot and also undershoot. Continuous measurement is required for the open circuit voltage on the monitoring cell, and also for the terminal voltage of the PV power system. Because of the accurate identification of the optimal operating voltage of the PV power system, more than 99% power is drawn from the actual maximum power     

基于自适应神经网络模糊PID的磨煤机控制研究

以衡丰发电厂钢球磨煤机辨识结果为研究对象,基于MATLAB/Simulink平台搭建自适应神经网络模糊PID的磨煤机控制系统仿真模型,通过自适应神经网络对模糊规则进行训练和学习,改进磨煤机出口温度控制、入口负压控制以及负荷控制策略.仿真结果表明:自适应神经网络模糊PID控制优化效果明显,在磨煤机50％工况下,相比传统P...     

采用神经网络改善式循环柴油机的供氧控制

在氧气反馈调节的基础上,不依赖系统模型,借助神经网络的构成前馈控制器,以反馈输出引导网络权值及输出的调整,使网络逐步学成前馈补偿功能,并最在控制中占据主导地位,实现对负荷扰动的补偿。仿真结果表明,采用这一复合控制系统能有效地改善氧气控制的动态特性。     

基于改进径向基神经网络的风电叶片模温串级PID控制算法

针对风电叶片模具电加热系统中被控对象存在的大惯性、非线性、干扰多等问题,提出一种基于改进径向基(RBF)神经网络的串级PID温度控制方法.首先,采用RBF神经网络结构对常规PID串级控制主回路结构进行优化,在此基础上,引入双动量因子,对主控制回路的输出Jacobian信息进行系统辨识,进而实现对控制器参数的自适应整定;...     

电弧炉PID神经网络解耦控制器

结合电弧炉主电路系统,推导出电弧炉电气系统状态方程,在此基础上分析了电弧炉三相电流的耦合关系.使用PID神经元网络控制器对电弧炉电极系统进行解耦控制.给出了PID神经元网络控制器的权值初始化规则,其权值更新采用经典的BP算法.分别对于控制器的解耦性、抗干扰性和鲁棒性进行仿真,结果表明PID神经网络控制器具有很好的动态性...     

神经网络自学习PID控制器的研究

从兼顾人工神经网络控制系统自学习能力和实时性角度出发，通过构建新的人工神经网络自学习PID控制器的结构，控制系统的样本拾取，更新与优化均采用在线学习方式，使控制系统具有较强的自学习能力。在分析了目前广为应用的多层前向神经网络误差反向传播算法(BP)的局限性及原因的基础上，提高了改进的BP算法-自适应动量项BP算法。从而提高了神经网络的收敛速度和收敛精度，并通过实例验证了自学习PID控制器的可行性及改进算法的合理性。图6参4     

Experimental analysis of a two‐axis tracking system for solar parabolic dish collector

In this paper, an attempt has been made to develop a two‐axis tracking system for solar parabolic dish concentrator and experimentally evaluated the performance of the tracking system. In this proposed design, the sensor design uses the illumination produced by the convex lens on the apex of a pyramid to align the dish in‐line with the sun. The change in incident angle of the solar rays on the lens surface shifts the area of illumination from the apex of the pyramid towards its faces. Photodiodes placed on the faces of the pyramid are used as the sensitive elements to detect the movement of the sun. The sensor output is fed to a microcontroller‐based system to drive the stepper motor on the basis of the programmed algorithm such that it receives normal incidence of sunlight on the sensor. To evaluate the performance of the proposed system, a conventional available 1‐W photovoltaic (PV) panel is placed at the focal point to measure the short circuit current and open circuit voltage. With respect to the conventional solar PV panel, it is observed that the positioning accuracy of the proposed tracking system enhances the short circuit current of 0.11 A by 86%. Thus, the proposed tracking system can be used in a stand‐alone parabolic dish with concentrating PV module as the focal point for further studies.     

模糊PID神经网络算法在污水处理中的应用

溶解氧控制是污水处理厂控制的关键,针对当前溶解氧控制效率低下的问题,提出了一种具有自学习和自适应功能的模糊PID神经网络算法。首先建立PID模糊控制规则表;然后采用神经网络对模糊控制规则表进行不断的训练,得到最佳的模糊控制规则表;最后利用Matlab仿真和工程模拟调试进行验证。结果表明,在大滞后非线性的曝气控制系统中,模糊PID神经网络算法能在最短的时间内使溶解氧达到所期望的值,且整个控制过程具有良好的动态性能和稳态性能。     

基于互信息和PID神经网络的SCR脱硝扰动补偿控制

针对火电厂选择性催化还原(Selective Catalytic Reduction,SCR)烟气脱硝系统机理复杂,工况变化时呈现的不确定性、强扰动等特点,提出了一种基于互信息和PID神经网络的SCR烟气脱硝扰动补偿控制方法。利用PID前向神经网络的学习性能逼近被控对象的逆构成扰动观测器对系统进行反馈补偿,以达到超前消除系统扰动的目的。选取观测扰动和系统扰动的互信息为目标函数,采用改进的帝国竞争算法实现PID神经网络权值的优化调整。设计鲁棒PID控制器来进一步克服被控对象存在的不确定性。仿真实验表明,该方法具有突出的抗干扰能力和较好的鲁棒性,控制品质优于常规的PID控制。