基于GA-BP神经网络的光伏阵列MPPT研究

为了有效提高光伏发电系统的最大输出功率,在综合考虑传统算法优缺点的基础上,研究一种基于遗传算法(GA)优化BP神经网络的光伏最大功率点跟踪(MPPT)方法。通过建立神经网络最大功率点预测模型,并将预测模型转化为可在Simulink中直接使用的模块,避免了使用传统的S函数控制方法。在Matlab/Simulink环境下进行了仿真验证,仿真结果表明在光照强度和温度迅速变化时,该新型算法较传统电导增量法明显缩短了MPPT的跟踪时间,并且有效抑制了系统在最大功率点附近的波动。     

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。     

基于双模MPPT的光伏发电控制策略研究

提出一种结合拉格朗日二次插值法和最优梯度变步长3点比较法的双模式最大功率点跟踪(MPPT)控制方法,该方法用于光伏发电系统可避免扰动观测法产生的电压振荡及误判造成的功率损失,同时可以改善恒压法不能随环境条件实时调整工作电压的缺陷。仿真与实验结果表明该方法的有效性。     

BP神经网络在光伏发电MPPT中的应用

介绍了光伏电池的特性,提出了一种基于BP神经网络的最大功率跟踪的控制策略,并进行了仿真试验。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,具有较好的控制精度,从而提高了电能的转换效率。     

基于APID-RBF神经网络的光伏MPPT方法

针对光照强度急速变化和局部阴影时光伏发电系统最大功率点追踪响应速度慢、多峰值等问题,提出一种基于RBF神经网络与自适应PID控制相结合的控制方法。首先,采用RBF神经网络对环境的实时变化直接跟踪光伏最大功率点。然后,利用自适应PID的辅助修正,抑制光伏电池输出功率的波动。神经网络能提升在复杂环境下的跟踪速度,自适应PID能增强对神经网络误差的消除能力,提升跟踪精度。仿真结果表明,APIDRBF双控策略具有稳态性能高和控制精度高等优点,能有效提高光伏发电效率和稳定性。     

基于预测模型的光伏系统MPPT研究

针对传统光伏电池最大功率点跟踪技术扰动观察法中参考工作电压难以确定的缺点,提出了一种基于预测模型的MPPT方法。预测模型根据光伏电池的动态输出特性和环境条件,预测参考工作电压,并以其为扰动观察法的初值,在更小范围内搜索最大功率点。在基于DSP控制的硬件平台上进行实验,进行了该控制方法与传统控制方法的效率对比研究,实验结果证明了该控制方法在可快速搜索到最大功率点,并可显著提高光伏电池的发电效率。     

基于改进FOA优化BP神经网络算法的光伏系统MPPT研究

针对基于BP神经网络的光伏系统MPPT策略在光照强度突变时存在较大误差的问题,提出了一种改进的果蝇优化算法用于BP神经网络的权值和阈值优化,并建立了基于IFOA-BP神经网络算法的光伏系统MPPT控制的仿真模型。测试和仿真结果表明,IFOA的收敛速度和求解精度较改进前均有明显提升;IFOA优化后的BP神经网络收敛速度加快,预测误差减少;较之于电导增量法,IFOA-BP神经网络的MPPT策略在稳态条件下能明显抑制功率波动,在外界条件发生突变时,能迅速准确地追踪到最大功率点,具有良好的稳态精度和动态特性。     

一种光伏发电系统变步长MPPT控制策略研究

为了提高光伏器件的发电效率,提出一种变扰动步长的最大功率点跟踪算法,根据光伏组件输出P-U特性曲线上各点斜率的绝对值确定最大功率点跟踪的扰动步长,使搜索的快速性和稳定性同时增强.Matlab仿真验证结果表明:该算法能够实时对光伏组件输出功率进行跟踪调节,大大提高光伏系统跟踪最大输出功率速度的同时,有效降低系统输出功率在...     

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MPPT技术的研究∗

光伏电池的发电性能易受外界环境的影响.为使光伏系统输出功率最大化,多种最大功率点跟踪技术用于 解决该问题.在不同的环境条件下,这些方法的性能在响应时间和稳定性方面有所不同.在 MATLAB/Simulink环境 下对增量电导法、改进的扰动观测法和人工神经网络三种最大功率点跟踪算法进行比较分析,对应用不同算法的三相 光伏并网发电系统进行仿真,仿真结果表明,与其他方法相比,人工神经网络最大功率点跟踪技术的响应速度更快, 稳态振荡更小,低至０．４７％.     

光伏发电系统MPPT控制及其实验研究

为了进一步提高光伏发电系统的发电利用率、降低系统成本,研究了光伏组件的特性及最大功率点跟踪控制算法,并在可程控直流电源供应器6250H-600S及其虚拟仪器面板solar array simulation soft panel中进行最大功率跟踪过程模拟,最后进行了实验验证,结果验证了采用最大功率跟踪控制算法的可行性。     

基于BP神经网络与改进粒子群的光伏MPPT算法

针对光伏阵列在环境突变情况下尤其是局部阴影下的多峰值现象,提出一种基于反向传播(BP)神经网络与改进粒子群的最大功率点跟踪(MPPT)算法。该算法利用BP神经网络近似定位最大功率点,并利用对粒子群算法中的惯性权重值进行非线性动态优化后的改进粒子群精确定位最大功率点。仿真结果表明,复合算法可以更好地跟踪最大功率点,有效避免前期易陷入局部极值的问题,提高了精度,减小了功率振荡。     

改进模糊控制的光伏发电系统最大功率点跟踪

研究了光伏发电系统最大功率点跟踪的问题,由于其存在着随机性,且往往不够充分与准确,容易导致系统稳态剧烈震荡或无法准确跟踪。鉴于传统人工总结模糊控制规则难度高,提出了模糊神经网络控制算法,将T-S模糊推理方法与神经网络理论相结合,选择混合法作为训练方法,网格法作为生成算法,由实测数据自动生成模糊控制规则,将其嵌入到模糊控制器当中,从而实现了MPPT控制功能。仿真结果表明,采用该方法生成的模糊规则实用准确,系统稳态性能与动态性能均十分优越。实验证明人工神经网络法与模糊控制技术相结合,实现光伏发电MPPT高效准确。     

一种基于模拟电路MPPT技术的独立光伏电源系统

本文提出了一种基于模拟电路MPPT控制的独立光伏电源系统,输入侧为光伏电池阵,变换器采用Superbuck电路,输出侧接蓄电池和负载.系统采用模拟电路MPPT与蓄电池的恒压、恒流控制协调控制的方法,在保证蓄电池安全充放电的前提下实现光伏电池的最大功率输出.该系统具有太阳能利用率高,可靠性高,纹波小,成本低的优点.仿真和实验结果表明,该系统在MPPT模式下能够准确地追踪光伏电池最大功率点,并且通过与蓄电池储能的配合实现对太阳能最大限度的利用.     

双级式光伏系统最大功率点跟踪研究

光伏电池的输出功率随外部环境和负载的变化而变化.为充分发挥光伏器件的效能,需采用最大功率点跟踪(MPPT)电路.根据MPPT的基本原理和常用光伏发电系统控制的优缺点,主电路采用了Boost电路结构,结构简单,硬件实现方便.控制部分在经典干扰观测方法的基础上对控制方法进行改进,采用变步长跟踪,克服了跟踪速度与跟踪精度之间的矛盾.实验结果证明,该方法能够快速、准确地跟踪太阳能电池的最大功率点.     

基于DE-GWO算法的光伏系统MPPT仿真研究

光伏系统受部分遮影作用,使其P-V特性曲线呈现多峰特性,导致传统最大功率点跟踪算法的跟踪效率降低。为此,本文提出含双层结构的最大功率点跟踪算法,将差分进化算法和灰狼优化算法分别置于附属层和主层,运用更替和反哺方式促使两组算法协同搜索使光伏系统输出功率最大化的占空比。首先,将占空比拟物为各算法的个体和灰狼;然后,采用差分进化算法快速搜索多组群体,将各组群体内最佳占空比更替为主层狼群的位置;最后,应用灰狼优化算法对狼群的位置寻优,并将α狼反哺回附属层,指导附属层群体更新。在Matlab2017a/Simulink环境下,应用本文算法对不同遮影程度的四组案例进行仿真,结果表明,本文算法在四组案例中跟踪效率分别为:99.63%、99.91%、99.41%和99.95%,均高于其余三类算法,可较好提升光伏系统发电量。     

基于RBF神经网络的动力电池故障诊断系统研究

纯电动车动力电池在性能、成本、寿命、安全性上的局限是制约电动车普及的关键问题。基于RBF神经网络,设计了一套电池故障诊断系统,对动力电池组的故障进行预防和诊断。首先,利用d SPACE中的电池模型,模拟电池的故障,进行神经网络的学习训练,然后,利用三组测试数据对故障诊断系统进行测试。测试结果显示,设计的系统可以准确诊断电池故障类型与故障级别。     

基于RBF神经网络的光伏动态重组系统

光伏系统的模块重组对于改善系统的P-V特性有非常重要的作用。提出了一种在部分阴影遮蔽情况下基于人工神经网络算法的光伏模块重组方案。这个方案中,光伏模块分为固定部分和自由部分,并通过开关矩阵来连接。然后测量的每个自由模块以及每行固定模块的短路电流值,测量值通过人工神经网络算法得到的结果决定开关矩阵的连接方式。仿真实验显示所提出的方案的参数测量实时简易、重组策略高效,能有效地改善部分阴影状态下的光伏阵列的功率输出。最重要是所提出的控制策略能应用于较大规模光伏系统结构重组。