神经网络反推控制在光伏系统最大功率点跟踪中的应用

针对太阳电池输出最大功率受到光照强度和温度等因素影响的问题,提出一种基于神经网络反推控制技术的最大功率点跟踪方法。首先利用神经网络求取最优直流母线参考电压,设计反推控制实现光伏发电系统最大功率点跟踪和单位功率因数并网。然后,利用神经网络对光伏发电系统的不确定性部分进行补偿,消除非线性模型的不确定性部分的影响。最后,利用Liyapulov稳定性理论证明了神经网络反推控制器的稳定性。实验结果表明该方法能同时实现光伏发电系统的最大功率点跟踪和单位功率因数并网,具有良好的抗干扰能力。     

基于粒子群优化神经网络光伏并网最大功率点跟踪技术研究

针对电导增量法无法搜索全局光伏系统最大功率点的不足,文章将神经网络与电导增量法相结合,提出一种新型光伏并网最大功率点跟踪算法。该算法在不同光照和温度情况下,采集光伏阵列电压值和电流值,建立神经网络模型。通过人工神经网络预测光伏阵列输出电压,并将此电压作为电导增量法参考电压,从而实现局部阴影下最大功率点跟踪。实验结果表明,神经网络与电导增量法相结合可以准确实现局部阴影下光伏阵列最大功率点跟踪,具有较高的跟踪精度。     

基于β参数的混合控制策略光伏系统MPPT算法研究

最大功率点跟踪技术是光伏发电系统的关键技术之一。文章在Matlab中搭建了光伏系统最大功率点跟踪模型,并针对功率预测-扰动观察法在太阳辐照度快速变化时出现的误判现象以及最大功率点处振荡等问题,提出一种基于β参数的混合控制策略,该方法以β值为界限将跟踪过程分为两个阶段,分别采用变步长扰动法和模糊控制法,在太阳辐照度非匀速变化时,快速追踪最大功率点,避免了误判现象,并提高了系统的稳态精度。     

太阳电池最大输出功率点跟踪新方法

不同于传统的太阳电池最大输出功率跟踪算法，采用数值分析方法，建立了跟踪模型，然后通过实例来验证其可行性，最后给出了不同温度及光强下理想太阳电池最大输出功率点相应的负载数值表，简便地实现对最大输出功率点的跟踪。     

基于HPSO算法光伏并网逆变器MPPT技术研究

为了解决光伏阵列最大功率点跟踪问题,提出一种基于神经网络与粒子群优化算法的最大功率点跟踪算法。在不同太阳辐射强度情况下,利用神经网络辨识光伏阵列的瞬时功率,并将此瞬时功率作为粒子群优化算法的粒子,利用粒子群优化算法求出最大功率点所对应的逆变器开关量。实验结果表明,将神经网络与粒子群优化算法相结合,可以准确实现光伏阵列最大功率点的跟踪。     

基于神经网络滑模控制光伏系统最大功率点跟踪

在光照强度和环境温度变化的情况下,难以有效跟踪太阳电池的最大功率点。针对这个问题提出一种基于神经网络滑模控制技术的最大功率点跟踪方法。首先建立以太阳电池输出功率为状态量的数学模型,并选择实际输出功率、理想光照和温度下输出功率的差值构造滑模面。然后为消除时变和非线性不确定对控制系统的影响,利用RBF神经网络逼近滑模控制器的不确定部分,并通过Liyapulov稳定性理论求取RBF神经网络权值的自适应律。仿真和实验结果表明:该方法能同时实现光伏发电系统的最大功率点跟踪和变流器控制,具有良好的鲁棒性。     

局部阴影下光伏阵列建模及多峰值MPPT控制

针对实际应用中光伏阵列易受部分遮挡的情况,结合太阳电池的工程模型,推导出适用于复杂环境下的通用光伏阵列模型。考虑阴影条件下光伏阵列呈现多峰值输出特性,传统的最大功率点跟踪算法可能失效,提出了基于混合蛙跳算法(shuffled frog leaping algorithm,SFLA)的最大功率点跟踪算法。经仿真实验验证,该算法在静、动态阴影条件下均能快速准确跟踪全局最大功率点,可有效提高光伏阵列的输出功率。     

基于步长优化的扰动观察法最大功率点跟踪算法研究

光伏阵列的功率输出极易受到光照强度、温度变化等环境因素的影响。为了保证光伏发电系统保持高效的输出,最大功率点跟踪技术就显得尤为重要。针对目前的最大功率点跟踪技术仍存在功率振荡、步长选择以及跟踪时间等问题,提出一种基于功率对电压的导数变化的变步长最大功率点跟踪算法。通过实时数字仿真器建立半实物125 kW“T”型三电平三相光伏发电系统,对比分析了改进型算法和传统两段步长算法的静态特性和动态特性,实验结果表明：所提出算法具有更好的有效性和实用性。     

光伏并网发电系统最大功率追踪算法的稳定性研究

随着光伏发电技术及光伏产业的发展,太阳电池阵列如何在同样日照、温度的条件下输出尽可能多的电能成为人们的研究重点。然而,根据太阳电池的工作原理,当光照强度,温度等自然条件改变时,太阳电池的输出特性将随之改变,输出功率及最大工作点亦相应改变。分析了几种常见的最大功率跟踪方法（Maximum Power Point Tracking,简称MPPT）,针对扰动观测法中的误判现象进行分析,并加以改进,使系统更加平稳地输出有功功率,实现了对最大功率点的稳定追踪。     

基于步长优化的扰动观察法在最大功率点跟踪中的应用

光伏阵列的功率输出极易受到光照强度、温度变化等环境因素的影响。为了保证光伏发电系统保持高效的输出,最大功率点跟踪技术就显得尤为重要。针对目前的最大功率点跟踪技术仍存在功率振荡、步长选择以及跟踪时间等问题,提出一种基于功率对电压的导数变化的变步长最大功率点跟踪算法。通过实时数字仿真器建立半实物125 k W"T"型三电平三相光伏发电系统,对比分析了改进型算法和传统两段步长算法的静态特性和动态特性,实验结果表明:所提出算法具有更好的有效性和实用性。     

自适应BP神经网络在光伏MPPT中的应用

根据光伏电池的内部结构和输出伏安特性建立Matlab仿真模型。比较了扰动观察法(P&O)、电导增量法、恒定电压法、开路电压法和寄生电容法等几种光伏系统最大功率跟踪(MPPT)算法。由于这些算法存在在最大功率点附近扰动较大、且受环境影响、鲁棒性较差等问题,提出一种基于神经网络的MPPT算法。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。仿真表明所提出的方法具有良好的适应性,显著提高了光伏系统的转换效率。     

基于CA-SE-GA-BP的光伏发电功率预测

针对光伏发电功率预测精度低的问题,以澳大利亚爱丽丝泉地区某200kW的光伏电站为例,选用遗传算法(GA)优化BP神经网络,采用相关性分析法(CA)确定太阳辐照度、温度、湿度为影响光伏发电功率的主要因子,结合经样本熵(SE)量化的天气类型作为模型输入量,提出CA-SE-GA-BP神经网络的光伏发电功率预测模型。结果表明,多云天气下CA-SE-GA-BP神经网络均方根误差、平均绝对百分比误差分别为4.48%、2.27%,晴天、雾霾、雨天三种天气类型下的预测误差也基本上不超过10%,相较于SE-GA-BP、CA-GA-BP、GA-BP神经网络,CA-SE-GA-BP神经网络预测误差降低,为解决光伏系统发电功率预测提供了一种高效准确可行的方法。     

基于改进神经网络的光伏发电功率短期预测方法研究

针对光伏发电中因多种随机因素引起的输出功率不确定性问题,文章结合思维进化算法和BP神经网络算法建立了光伏发电功率的短期预测模型,模型的输入因子为大气温度、辐照度、风速和历史输出序列。根据季节变化采用4个预测单元对预测模型进行训练和电站出力预测,并通过仿真对所提算法的有效性和准确性进行验证。结果表明,MEA-BP模型能有效降低BP网络模型的预测误差。     

基于粒子群优化和爬山法的MPPT算法

针对光伏发电系统在部分遮蔽情况下所具有的高度非线性、时变不确定性和多个局部功率峰值的特点,提出一种基于粒子群优化和爬山法的MPPT算法,粒子群优化用来快速定位近似最大功率点,爬山法可根据实际状况精确化最大功率点,克服太阳电池工程用数学模型与实际输出偏差或微小扰动而导致的功率损失。建立Matlab仿真模型,仿真结果表明在系统被部分遮蔽的情况下该方法具有迅速精确的跟踪能力。     

基于动态阻抗匹配和两步模型预测控制的最大功率点跟踪算法

为提高光伏阵列的能量利用率,提出了一种基于动态阻抗匹配(DIM)和两步模型预测控制(MPC)的最大功率点跟踪(MPPT)算法,首先建立光伏状态空间方程,计算当前时刻光伏系统动态阻抗并预测下一时刻外部阻抗,然后定义成本函数构建两步模型预测控制器,预测开关管状态控制DC/DC电路内部阻抗接近外部阻抗,从而实现光伏发电系统快速和稳定地输出最大功率,并通过Matlab/Simulink软件建立仿真模型进行验证。结果表明,该算法可行、有效,且大幅提高了光伏系统最大功率跟踪的快速性和稳定性。     

基于改进多种群遗传算法的光伏阵列多峰值MPPT研究

光伏阵列在实际工作条件下因灰尘、受照不均匀等影响而功率输出呈现多峰特性,传统的最大功率点跟踪（maximum power point tracking,MPPT）算法不能实现全局寻优,无法精确跟踪到最大功率点。遗传算法可以有效解决多峰寻优问题,但一般遗传算法在跟踪过程中会出现早熟、准确率较低等问题,为此,提出一种多种群遗传算法（multiple population genetic algorithm,MPGA）与扰动法相结合的算法来解决此类问题。在光伏电池拓扑模型中,采用优化双二极管代替单二极管模型,并在Matlab/Simulink下进行建模仿真。结果表明：该算法可以准确快速高效地找到局部阴影条件下光伏阵列的最大功率点。     

考虑多变量因素影响的光伏PEM制氢系统建模与分析

针对复杂工况对光伏制氢系统性能产生不确定性的影响,提出考虑多变量因素影响的光伏制氢系统模型,探索辐照度、温度、膜厚、压力等因素对光伏质子交换膜（PEM）制氢系统的影响。系统首先建立考虑辐照度、温度、膜厚、压力等因素影响的光伏-质子交换膜电解槽-氢储罐的光伏制氢模型,之后对系统进行定量计算和定性分析,并依据实际光伏数据进行实验验证。结果表明,在额定功率范围内,太阳电池输出电流和功率随辐照度的增加而增大,随温度的升高而降低。质子交换膜电解槽电压随辐照度、膜厚、压力的增加而增大,随温度的升高而减小。太阳电池输出功率、质子交换膜电解槽电压的变化趋势与辐照度变化趋势具有一致性。最终计算得到太阳电池系统、质子交换膜电解槽系统和总系统效率分别为16.8%、72.2%和12.1%。     

基于fuzzy-PI双模控制的光伏发电系统最大功率点跟踪仿真研究

为了提高太阳电池阵列的工作效率和整个光伏发电系统的稳定性,在光伏发电系统中需要对光伏电池的最大功率点进行跟踪。为了消除常规模糊跟踪算法在最大功率点附近出现的振荡问题,在分析光伏电池伏安特性的基础上,提出了fuzzy-PI双模控制策略,分析了该控制算法的原理,并对控制系统做了设计。Matlab/Simulink仿真表明fuzzy-PI双模控制能够快速、准确地跟踪最大功率点,避免了最大功率点处的振荡,提高了系统稳定性和能量转换效率,从而使整个双模控制兼有了MPPT精确性与快速性。     

ΔD法实现光伏系统最大功率点跟踪

在光伏系统中,光照强度、环境温度和负载变化等将会影响光伏系统的功率输出,因此光伏系统最大功率点跟踪(MPPT)是光伏系统研究的一个重要环节。文章在对比当前几种MPPT算法的基础上,通过改进扰动观察法得到了一种改变变换器开关频率占空比(D)来获得光伏系统最大输出功率的方案。利用MATLAB对光伏系统进行了不同工作条件下的仿真,证明其是可行的。同时,在一个实际光伏应用系统中进行占空比微增(ΔD)法最大功率点跟踪的应用试验。     

一种变步长阻抗匹配的光伏MPPT控制

针对光伏系统最大功率点跟踪难以同时获得响应速度和稳态跟踪精度的问题,提出了一种基于变步长阻抗匹配的光伏发电系统最大功率点跟踪技术。利用光伏系统拓扑结构的阻抗匹配原理实现光伏系统最大功率点跟踪,在此基础上,引进了变步长控制方法,改善了系统的动态响应速度和稳态跟踪精度。仿真结果证明了该算法的有效性。