【摘要】：光伏系統(tǒng)的模塊重組對于改善系統(tǒng)的P-V特性有非常重要的作用。提出了一種在部分陰影遮蔽情況下基于人工神經(jīng)網(wǎng)絡(luò)算法的光伏模塊重組方案。這個方案中,光伏模塊分為固定部分和自由部分,并通過開關(guān)矩陣來連接。然后測量的每個自由模塊以及每行固定模塊的短路電流值,測量值通過人工神經(jīng)網(wǎng)絡(luò)算法得到的結(jié)果決定開關(guān)矩陣的連接方式。仿真實驗顯示所提出的方案的參數(shù)測量實時簡易、重組策略高效,能有效地改善部分陰影狀態(tài)下的光伏陣列的功率輸出。最重要是所提出的控制策略能應用于較大規(guī)模光伏系統(tǒng)結(jié)構(gòu)重組。
[Abstract]:The module recombination of photovoltaic system plays an important role in improving the P-V characteristics of the system. In this paper, an artificial neural network (Ann) algorithm for recombination of photovoltaic modules is proposed in the case of partial shadow shading. In this scheme, photovoltaic module is divided into fixed part and free part, and connected by switch matrix. Then the short-circuit current values of each free module and each row fixed module are measured. The results obtained by the artificial neural network algorithm determine the connection mode of the switch matrix. The simulation results show that the proposed scheme is simple and real-time, and the recombination strategy is efficient, which can effectively improve the power output of photovoltaic array in partial shadow state. The most important thing is that the proposed control strategy can be applied to the structural reorganization of large scale photovoltaic systems.
【作者單位】： 廣西大學電氣工程學院;廣西比迪光電科技工程有限責任公司;
【基金】：國家自然科學基金(51267001)
【分類號】：TM615

【相似文獻】

相關(guān)期刊論文 前10條

1 張毅;姜思博;李錚;;改進的遺傳灰色RBF模型的短期電力負荷預測[J];電測與儀表;2014年05期

2 胡迎松,陳明,范志明;一種電力系統(tǒng)短期負荷預測的RBF優(yōu)化算法[J];華中科技大學學報(城市科學版);2003年03期

3 苗青,曹廣益,朱新堅;基于一種改進的RBF神經(jīng)網(wǎng)絡(luò)的直接甲醇燃料電池建模[J];系統(tǒng)仿真學報;2005年02期

4 郭金偉;周渝慧;;基于RBF改進模型的電力系統(tǒng)短期負荷預測[J];電力信息化;2007年07期

5 楊胡萍;白慧;劉家學;張力;;基于改進RBF神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負荷預測[J];東華大學學報(自然科學版);2008年02期

6 郭偉偉;劉家學;馬云龍;李書琰;;基于改進RBF網(wǎng)絡(luò)算法的電力系統(tǒng)短期負荷預測[J];電力系統(tǒng)保護與控制;2008年23期

7 張曉亮;;一種改進的RBF網(wǎng)絡(luò)在電力系統(tǒng)短期負荷預測中的應用[J];煤礦機電;2008年03期

8 李強;田大林;夏迎迎;付煒;王亦飛;于遵宏;;新型兩段組合式氣化產(chǎn)氣熱值的RBF神經(jīng)網(wǎng)絡(luò)預測模型及遺傳算法優(yōu)化[J];計算機與應用化學;2008年10期

9 夏長亮;李志強;王明超;劉均華;;基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識的永磁無刷直流電機單神經(jīng)元PID模型參考自適應控制[J];電工技術(shù)學報;2005年11期

10 曹安照;田麗;;基于RBF神經(jīng)網(wǎng)絡(luò)的短期電力負荷預測[J];電子科技大學學報;2006年04期

相關(guān)會議論文 前10條

1 張培銘;顏毅鵬;吳功祥;鮑光海;吳傳武;;基于神經(jīng)網(wǎng)絡(luò)的電動機繞組溫升預測的探討[A];中國電工技術(shù)學會低壓電器專業(yè)委員會第十一屆學術(shù)年會論文集[C];2002年

2 陳佳;;神經(jīng)網(wǎng)絡(luò)在上海天然氣日負荷預測中的應用[A];第二屆中國城市燃氣論壇——燃氣青年工程師論壇資料匯編[C];2009年

3 易健雄;朱大奇;陳昕靜;;量子神經(jīng)網(wǎng)絡(luò)在電機轉(zhuǎn)子故障辨識中的應用研究[A];'2006系統(tǒng)仿真技術(shù)及其應用學術(shù)交流會論文集[C];2006年

4 鄒宇;王萍;邢文超;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的諧波檢測方法[A];中國儀器儀表學會第九屆青年學術(shù)會議論文集[C];2007年

5 金蘇柯;朱小良;;基于神經(jīng)網(wǎng)絡(luò)的火電機組傳感器數(shù)據(jù)融合[A];2012電站自動化信息化學術(shù)和技術(shù)交流會議論文集[C];2012年

6 朱鋒;孫輝;周瑋;;基于相似日聚類的神經(jīng)網(wǎng)絡(luò)風速預測[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（下冊）[C];2008年

7 康忠健;徐麗;勾松波;金華蓉;李瑞生;;考慮分布電容的神經(jīng)網(wǎng)絡(luò)單相接地故障測距算法[A];第二十七屆中國控制會議論文集[C];2008年

8 趙春元;王存旭;張玉艷;于紅霞;;基于神經(jīng)網(wǎng)絡(luò)的模糊數(shù)學在鍋爐控制中應用[A];第十屆全國電工數(shù)學學術(shù)年會論文集[C];2005年

9 夏靖波;鄒鐵鵬;王師;吳恩庚;陸增喜;;基于神經(jīng)網(wǎng)絡(luò)微小電容測量方法的研究[A];1997中國控制與決策學術(shù)年會論文集[C];1997年

10 吳建兵;劉國海;;神經(jīng)網(wǎng)絡(luò)對異步電機轉(zhuǎn)子磁鏈和轉(zhuǎn)速的辨識[A];第11屆全國電氣自動化電控系統(tǒng)學術(shù)年會論文集[C];2002年

相關(guān)重要報紙文章 前1條

1 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導報;2002年

相關(guān)博士學位論文 前9條

1 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

2 邵海見;基于數(shù)據(jù)的風電場短期風速預測[D];東南大學;2016年

3 袁繼敏;基于混沌和神經(jīng)網(wǎng)絡(luò)的時域參數(shù)測試研究及其在示波器中的應用[D];電子科技大學;2009年

4 郭鵬;Hopfield神經(jīng)網(wǎng)絡(luò)及其在電廠中的應用研究[D];華北電力大學（河北）;2004年

5 李鴻儒;基于神經(jīng)網(wǎng)絡(luò)的永磁同步電機控制策略的研究[D];東北大學;2001年

6 譚陽紅;基于小波和神經(jīng)網(wǎng)絡(luò)的大規(guī)模模擬電路故障診斷研究[D];湖南大學;2005年

7 焦嵩鳴;計算智能及其在熱工系統(tǒng)中的應用研究[D];華北電力大學（河北）;2007年

8 王曉紅;混合時滯神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性研究及在電力系統(tǒng)中的應用[D];華中科技大學;2013年

9 謝宏;基于Volterra級數(shù)、小波分析與神經(jīng)網(wǎng)絡(luò)的非線性網(wǎng)絡(luò)故障診斷方法的研究[D];湖南大學;2005年

相關(guān)碩士學位論文 前10條

1 李志強;基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識的永磁無刷直流電機單神經(jīng)元自適應PID控制[D];天津大學;2005年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 劉波;短期風電功率預測方法研究[D];南京信息工程大學;2015年

5 曾鈺;基于遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)在光伏發(fā)電MPPT中的應用[D];湖南工業(yè)大學;2015年

6 吳德軍;基于模型設(shè)計的永磁同步電機神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)研究[D];長安大學;2015年

7 張豐偉;山火的無線傳感與RBF識別研究[D];昆明理工大學;2015年

8 王訓;基于憶阻神經(jīng)網(wǎng)絡(luò)的風電變流器故障診斷[D];天津理工大學;2015年

9 王賀;基于BP神經(jīng)網(wǎng)絡(luò)的風機故障預警[D];華北電力大學;2015年

10 寧少華;基于數(shù)據(jù)的風電機組故障趨勢預測方法研究[D];華北電力大學;2015年

，

本文編號：2424419