小功率光伏并网逆变器

该光伏并网逆变器由DC-DC变换器与DC-AC变换器两部分组成,应用升压斩波、SPWM技术等技术将光伏电池电压逆变成标准的正弦单相220V、50Hz交流电压。两部分采用同一个数字芯片TMS320F240来控制,能确保逆变电源的输出功率因数接近1,输出电流为正弦波形。     

基于神经网络的PMLSM建建模

永磁直线同步电动机（PMLSM）是直线电机驱动的垂直运输系统的核心，它的模型的建立对于整个系统的控制与运行分析具有重要的意义。利用BP算法，用C语言编制程序，实现了一个单输入层单输出层4隐含层的神经网络，并用实验数据对网络学习训练，建立了PMLSM的模型。通过实验验证，该模型的输出结果与实际结果十分接近，能够反映PMLSM的基本运动特性，因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究，并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制，使控制效果更好。这种模型的建立将为PMLSM的研究开辟出一条新路。     

基于神经网络的PMLSM建模

永磁直线同步电动机(PMLSM)是直线电机驱动的垂直运输系统的核心,它的模型的建立对于整个系统的控制与运行分析具有重要的意义.利用BP算法,用C语言编制程序,实现了一个单输入层单输出层4隐含层的神经网络,并用实验数据对网络学习训练,建立了PMLSM的模型.通过实验验证,该模型的输出结果与实际结果十分接近,能够反映PMLSM的基本运动特性,因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究,并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制,使控制效果更好.这种模型的建立将为PMLSM的研究开辟出一条新路.     

两级式光伏并网系统的单参数最大功率点跟踪研究

光伏并网发电系统是光伏系统发展的趋势,为提高太阳能的利用率,最大功率点的跟踪成了一个关键问题．常用方法是直接检测太阳能电池的输出电压和输出电流,连续计算太阳能电池的输出功率,通过寻优的方法来获得太阳能电池的最大功率．根据两级式光伏并网系统的特性及最大功率点跟踪原理,提出采用检测系统逆变器的输出电流1个参数,也能实现最大功率点跟踪．基于TMS320LF2407控制的硬件电路,实现了快速准确跟踪最大功率点的要求．     

基于DSP的太阳能阵列最大功率跟踪技术研究

太阳能光伏阵列的输出特性受外界环境因素的影响.为了跟踪太阳能光伏阵列的输出功率最大点,实现光伏阵列和负载的匹配,就需要有效的跟踪算法.而之前研究最大功率跟踪的方法有很多:固定电压法、登山法、微分导纳法等.本文通过对太阳能电池的伏安特性及功率电压曲线的分析,找到了一种新型的最大功率点跟踪方法:将扰动观察法和穷举法、成功失败法相结合,从而可以快速地跟踪太阳能电池的最大功率点.通过TMS320LF2407控制的硬件电路与最大功率跟踪方法相结合,从而实现跟踪最大功率的要求.通过验证表明,这种算法能够快速准确地跟踪最大功率点.     

并网光伏系统最大功率点跟踪控制的一种改进措施及其仿真和实验研究

最大功率点跟踪控制问题是光伏并网发电系统中经常遇见的问题.本文根据太阳电池阵列的工作特性以及单相并网逆变器的结构和工作原理,针对并网光伏系统最大功率点跟踪控制的间歇扫描法提出了一种改进措施.仿真和实验研究结果表明,改进后的间歇扫描法在最大功率点跟踪控制过程中,系统工作点波动较小,系统稳定性有明显提高.     

基于两级式光伏并网系统的单参数MPPT研究

通过对两级式光伏并网系统的特性及最大功率点跟踪原理的分析,提出了一种新型的最大功率点跟踪的方法。本文采用的控制法仅需要检测系统逆变器的输出电流一个参数即可实现最大功率点跟踪。实验结果验证了该方案的可行性和有效性。     

基于模糊控制的光伏系统MPPT

针对光伏电池的非线性特性和光伏阵列成本高、转换效率低的缺点,为充分提高光伏发电系统的效率,根据最大功率点跟踪原理及常用MPPT方法的优缺点,本文提出了将模糊控制算法应用到光伏系统最大功率点的跟踪控制中。该方法能快速响应外界环境的变化,并且在最大功率点波动比传统方法小。Matlab/Simulink仿真结果证明,该方法能使系统稳定工作在最大功率点,同时能快速准确地跟踪太阳能电池最大功率点。     

基于CEEMD-FE和AOA-LSSVM的短期电力负荷预测

针对电力负荷预测精度不高、效率低的问题,采用算术优化算法(AOA)和最小二乘支持向量机(LSSVM)的模型对经过互补集合经验模态分解(CEEMD)和模糊熵(FE)综合处理后的子序列进行预测,构建了CEEMD-FE-AOA-LSSVM预测模型。首先,利用FE算法对经过CEEMD处理后的各子序列进行熵值重组,该过程提高了模型的抗干扰能力和运算效率。然后,用AOA-LSSVM模型对处理后的子序列进行预测,并将预测叠加输出。最后,通过误差函数对模型进行横向对比和纵向对比,利用两种对比结果来检验其性能。通过实验可知,与CEEMD-LSSVM、AOA-LSSVM、CEEMD-AOA-LSSVM等其他模型相比,CEEMD-FE-AOA-LSSVM组合模型能够兼顾到预测精度与预测效率两方面,做到了综合性能的提升。同时也验证了经过CEEMD或AOA处理的模型能够有效地提升预测精度。     

局部阴影条件下光伏阵列数学模型研究

局部阴影条件下,光伏阵列的I-U特性呈现阶梯状、P-U特性存在多峰值以及输出曲线特性较复杂,为阴影条件下光伏阵列输出特性的建模带来较大难度。工程用数学模型和运动学平抛模型,难以适应多变的阴影条件,且计算量大,建模过程困难。在此基础上提出了电流排序运动学平抛模型。经过建模、仿真、分析和对比,证明使用该模型建模不仅输出结果误差能够维持在一定的范围内,而且在建模过程中能够大大减少计算量;适用于阴影条件下光伏阵列输出特性的快速建模。