基于DSP28335的光伏电池MPPT控制系统的研究

为实现最大功率点跟踪,分析了光伏电池的伏安特性,采用电导增量法,将DSP28335芯片用于MPPT控制器,选择Boost电路作为主电路,并且介绍了电压和电流的采样电路、Mosfet的驱动电路的设计.最后验证该系统确能快速稳定地跟踪到最大功率点.     

基于改进扰动法的光伏电池MPPT仿真研究

根据光伏电池的特性,搭建了其仿真模型,能够模拟不同日照和温度条件下电池的输出特性.针对占空比扰动法的不足,提出了一种基于模糊- PI控制的占空比扰动法进行最大功率点跟踪,并在Matlab环境下进行了仿真验证.仿真结果表明,与占空比扰动法相比,该方法在外界环境变化时能够快速跟踪光伏电池的最大功率点,有效提高最大功率点的跟踪精度,具有良好的动态和稳态性能.     

基于MPPT控制策略的光伏电池建模与仿真

太阳能作为当前最具发展潜力之一的可再生能源,将会在今后的能源结构中发挥重要的作用.光伏发电中进行能量转换的最基本单元是光伏电池,通过对光伏电池进行数学建模,并根据其仿真模型分析,能掌握光伏电池的输出特性.光伏电池利用率的高低受各种因素的影响,为了使光伏阵列在任何外界条件下,都能输出当前工况下最多的能量,本文采用最大功率点跟踪策略对其控制.本文推导了光伏电池的数学模型,且选择合适的最大功率跟踪策略对其控制,通过Matlab仿真验证其MPPT控制策略的有效性和正确性.     

基于神经网络的光伏发电最大功率点跟踪算法

由于光伏阵列电压和电流的非线性,光伏发电输出能量存在最大功率点.为提高光伏发电系统的发电效率,提出了一种基于神经网络和Cuk变换器对光伏阵列最大功率点跟踪的算法.神经网络输入变量为温度和光照强度,学习算法采用梯度下降法,输出量为电压信号,用于调节Cuk变换器的开关占空比.仿真结果表明,该算法最大功率点跟踪控制精度较高,响应迅速,且系统适应性良好.     

基于光伏电池数学模型的改进MPPT数值控制方法

针对以往光伏发电系统数值方法最大功率点跟踪(N-MPPT)控制存在跟踪速度不理想等特点,提出一种改进的数值方法MPPT控制方法,该方法是在直接检测外界光强及温度等自然因素的基础上配以二次插值数学方法来追踪最大功率点,利用Matlab/Simulink搭建了光伏发电系统及其相应的MPPT跟踪控制模型,仿真结果表明,该方法...     

基于模糊控制的光伏发电系统MPPT技术研究

为了有效利用光伏电池,弥补其比较低的光电转换效率,需要对光伏发电系统最大功率点进行快速准确的跟踪.在建立光伏发电系统MPPT仿真模型中,对基于模糊控制的MPPT问题进行了研究,通过在Matlab/Simulink下建立基于查表法模糊控制的光伏发电系统的仿真模型,以及对模糊控制的查表法中隶属度与规则的设计.仿真结果表明,该模型具有较好的响应速度以及较高的跟踪精度.     

改进电导增量法的光伏电池MPPT仿真

光伏发电系统的输出功率随着光照强度、环境温度和系统输出电压的不同而变化着,控制光伏阵列的工作点使其稳定的工作在当前的最大功率点处非常重要。首先对光伏电池进行机理建模．实验表明模型能够很好的反应实际的光伏电池工作特性。在介绍了几种传统的最大功率点跟踪（MPPT）控制算法的基础上,提出了一种新型的变步长电导增量法控制,其初始参考电压为当前光伏阵列开路电压的0．8倍,并且以计算得到的的步长进行继续跟踪。仿真结果表明,系统的跟踪速度增强并且有效的减小稳态震荡,具有良好的动态和稳态性能。     

关于光伏阵列的MPPT算法综述

针对光伏电池非线性输出特性存在最大功率输出的问题,只有实现最大功率点的跟踪(MPPT)才能提高太阳能电池的效率.分析了最大功率点跟踪的常用方法,即恒定电压控制法、扰动观测法、导纳增量法、功率回授法以及模糊控制法等,并对几种常见的MPPT方法进行比较和分析,为实现光伏并网控制器中重要环节的设计与实现提供参考.     

电动汽车光伏充电站光伏电源并网控制仿真研究

着重于光伏电源并网控制的研究,介绍了光伏电池模型、光伏电池最大功率点跟踪控制,以及电压电流双环解耦控制,并建立了光伏电源并网模型系统.仿真结果表明,系统具有较强的抗干扰能力和很好的动态响应特性,能满足并网要求.     

基于改进MPPT算法的光伏并网控制策略研究

研究了光伏并网发电系统的控制策略,并进行了一定改进.结合恒定电压跟踪法与增量电导法两种控制方法,提出了一种改进的最大功率点跟踪（MPPT）算法.当外界环境变化时,通过直接控制直流斩波器开关占空比,以达到快速准确的功率跟踪效果.系统通过双闭环并网控制,使并网逆变器在保持并网电流质量的同时更好地控制直流电压.在MATLAB/SIMULINK软件平台上搭建光伏并网发电系统的仿真模型,并验证了改进的MPPT算法及并网控制策略的有效性.     

太阳能光伏系统最大功率跟踪器的研究

提出了一种利用硬件电路实现光伏系统最大功率跟踪（MPPT）的方法．主电路为一个升压型DC-DC功率变换器．与以往MPPT不同,该最大功率跟踪器的控制部分是利用简单的硬件电路实现的,并以光伏方阵的输出功率为跟踪量,实现了真正意义上的最大功率跟踪．     

基于模糊控制的最大功率点跟踪

依据光伏电池的输出功率特性,建立了光伏电池的仿真模型.研究了一种光伏发电系统的控制结构并分析其工作原理.设计了基于模糊控制的最大功率点跟踪控制器,将其应用于光伏发电系统并进行了仿真验证,仿真结果表明该方法具有良好的控制效果.     

基于改进微扰观察法的最大功率跟踪系统的实现

为了提高光伏系统的效率,需对光伏阵列进行最大功率点的跟踪控制.根据太阳能光伏阵列的输出特性,在传统微扰观察法的基础上采用了一种新的变步长的改进算法进行最大功率点跟踪,克服了定步长跟踪的弊端.利用AVR单片机设计了一台具有最大功率点跟踪功能的光伏发电电源系统,并对其进行了仿真.结果表明,该改进算法能够有效提高系统对光伏阵列的最大功率点跟踪的效率,说明该系统具有一定的实用性.     

基于LabVIEW 的RBF神经网络实现

LabVIEW 是一种图形化编程语言,被工业界和研究实验室广泛使用。RBF神经网络是一种三层前 向网络,可有效地进行非线性模型的辨识。介绍了3种在LabVIEW 实现RBF神经网络计算的方法。用LabVIEW 完成了RBF神经网络的程序开发并进行了函数逼近验证。仿真结果表明,使用本文方法方便有效,把RBF神经网 络与虚拟仪器开发平台结合,拓宽了其应用领域。     

基于神经网络的大气污染预报方法的研究

大气污染物浓度的变化具有较强的非线性特性，基于人工神经网络捕捉非线性变化独特的优越性，将RBF网络应用于实测大气污染物浓度的预报。     

基于Spiking的RBF神经网络故障诊断算法

神经网络是一种不依赖模型的控制方法,其自身并不需要给定预先需要的有关先验知识和判断函数,因此能对变化的环境（包括扰动和噪声信号等等）具有良好的自适应性.RBF神经网络是具有单隐层的三层前馈网络,由输入到输出的映射是非线性的,而隐含层空间到输出空间的映射是线性的.其优点在于收敛速度快,具有唯一最佳逼近的特性,且不会陷入局部最小的问题.Spiking神经网络采用时间编码的方式来进行数据处理,更接近于实际生物神经系统.基于Spiking的RBF神经网络在预测精度和误差控制上有着显著的效果.     

基于GA-BP和GA-RBF网络的结构损伤识别

首先指出了当人工神经网络算法解决结构工程实践问题时,网络结构本身所面临的缺陷;然后描述了人工神经网络和遗传算法的概念,从理论和实例上说明了运用遗传算法优化和改进神经网络结构的可行性,以结合二者的长处解决工程实践问题;接着详细阐述了如何利用遗传算法优化或改进BP(B ack P ropagation)网络模型和RBF(R ad ia l B as is Function)网络模型,以及如何利用遗传优化BP网络和遗传优化RBF网络模型分析结构损伤,进而比较遗传BP网络和RBF网络在结构损伤分析方面的性能。     

基于粒子群算法的RBF神经网络的优化方法

本文用粒子群算法来优化RBF神经网络的中心值和连接权值,使之具有更强的非线性逼近能力,并将优化后的RBF神经网络和未经优化的RBF神经网络用于非线性函数的逼近,实例证明优化后的RBF神经网络比未经优化的RBF神经网络具有更强的非线性函数的逼近能力。     

一种基于ACO的RBF神经网络训练方法

针对k平均聚类径向基(Radial Basis Function简称RBF)网络算法的聚类结果易受初始参数选取的影响,并常收敛于局部极小值的问题,提出一种将蚁群优化算法用于径向基神经网络训练过程,优化径向基函数的中心点,建立相应优化模型的算法.实验结果表明,该算法精确度高于k平均聚类径向基神经网络算法,且函数的拟合程度也得到了改善.