本文關鍵詞：粒子群優(yōu)化BP神經(jīng)網(wǎng)絡光伏鋰電池充電系統(tǒng)

  更多相關文章： 最大功率點跟蹤 粒子群優(yōu)化 BP神經(jīng)網(wǎng)絡 脈沖寬度調(diào)制 鋰電池快速充電

【摘要】：通過對太陽能光伏電池最大功率點的跟蹤和鋰電池的充電控制兩部分實現(xiàn)了對鋰電池的快速充電。首先利用SIMULINK的s-function的自定義模塊和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡算法實現(xiàn)了對在輻射度、電池板溫度、環(huán)境溫度和風速共4種工作環(huán)境下的光伏電池進行最大功率點跟蹤和建模,然后通過單片機編程對開關管進行PWM控制,完成充電電路的智能控制。之后,結合MATLAB和SIMULINK完成粒子群優(yōu)化BP神經(jīng)網(wǎng)絡并在PROTEUS平臺上完成充電電路的仿真,最后程序下載到硬件中并通過調(diào)試完成對鋰電池充電過程的檢測。結果表明,粒子群優(yōu)化后的BP神經(jīng)網(wǎng)絡光伏鋰電池充電控制系統(tǒng)具有較高的充電速度和充電效率。
【作者單位】： 齊齊哈爾大學通信與電子工程學院;齊齊哈爾大學計算中心;
【關鍵詞】： 最大功率點跟蹤 粒子群優(yōu)化 BP神經(jīng)網(wǎng)絡 脈沖寬度調(diào)制 鋰電池快速充電
【基金】：國家自然科學基金(61204127) 黑龍江省教育科學“十二五”規(guī)劃課題(GBC1214089) 黑龍江省高�？萍汲晒a(chǎn)業(yè)化前期研發(fā)培育項目(1254CGZH04) 黑龍江省教育廳科學技術研究項目(12541899,12531774)
【分類號】：TP183;TM910.6
【正文快照】： 隨著新能源技術開發(fā)和應用的快速發(fā)展,為改變傳統(tǒng)充電器對市電的依賴,最大限度利用和使用太陽能,提高發(fā)電和充電效率,如何構建基于太陽能光伏電池和鋰電池快速充電控制系統(tǒng)成為人們研究的熱點[1-3]。一方面,太陽能光伏電池在向負載供電時,需要對其最大功率點進行跟蹤,傳統(tǒng)的跟

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應用[J];華中科技大學學報(自然科學版);2005年10期

2 李艷靈;李剛;;粒子群優(yōu)化算法研究進展[J];重慶工學院學報(自然科學版);2007年05期

3 岳興漢;薛云燦;蔡亮;;基于混沌思想的粒子群優(yōu)化算法[J];河海大學常州分校學報;2007年04期

4 呂林;羅綺;劉俊勇;田立峰;;一種基于多種群分層的粒子群優(yōu)化算法[J];四川大學學報(工程科學版);2008年05期

5 房靖;高尚;;不完全判斷矩陣權值的粒子群優(yōu)化算法計算[J];科學技術與工程;2009年19期

6 徐安;趙思宏;寇英信;黃俊;;基于混合粒子群優(yōu)化的多目標決策新方法[J];火力與指揮控制;2010年01期

7 梁武;;改進的粒子群優(yōu)化算法在結構優(yōu)化中的應用[J];廣東建材;2010年04期

8 馮雪;裴志松;;粒子群優(yōu)化算法的研究與應用[J];吉林建筑工程學院學報;2011年03期

9 高立群;李若平;鄒德旋;;全局粒子群優(yōu)化算法[J];東北大學學報(自然科學版);2011年11期

10 趙成業(yè);閆正兵;劉興高;;改進的變參數(shù)粒子群優(yōu)化算法[J];浙江大學學報(工學版);2011年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張妍;張曉光;王永鋼;;幾種改進型的粒子群優(yōu)化算法[A];第一屆中國高校通信類院系學術研討會論文集[C];2007年

2 孫紅光;潘毓學;;基于運動目標路徑的粒子群優(yōu)化算法研究[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽;;混合粒子群優(yōu)化算法求解多層批量問題(英文)[A];中國運籌學會第八屆學術交流會論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應粒子群優(yōu)化算法的應用研究[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見青;;一種新的自適應粒子群優(yōu)化算法及應用[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測算法[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

8 徐俊杰;忻展紅;;基于增強型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術及其應用學術交流會論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類改進的自適應粒子群優(yōu)化算法對混沌系統(tǒng)未知參數(shù)的估計[A];中國力學大會——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進粒子群優(yōu)化算法的彈道求解方法[A];2013年中國智能自動化學術會議論文集（第三分冊）[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 劉昊;多樣性增強的粒子群優(yōu)化算法及其應用研究[D];北京理工大學;2015年

2 姜毅;動態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學;2013年

3 劉華鎣;粒子群優(yōu)化算法的改進研究及在石油工程中的應用[D];東北石油大學;2012年

4 劉波;粒子群優(yōu)化算法及其在機電設備中的應用研究[D];中北大學;2011年

5 熊勇;粒子群優(yōu)化算法的行為分析與應用實例[D];浙江大學;2005年

6 唐賢倫;混沌粒子群優(yōu)化算法理論及應用研究[D];重慶大學;2007年

7 閆允一;粒子群優(yōu)化及其在圖像處理中的應用研究[D];西安電子科技大學;2008年

8 余炳輝;粒子群優(yōu)化算法試驗研究及擴展[D];華中科技大學;2007年

9 唐賢倫;混沌粒子群優(yōu)化算法理論及應用[D];重慶大學;2007年

10 徐慧;粒子群優(yōu)化算法改進及其在煤層氣產(chǎn)能預測中的應用研究[D];中國礦業(yè)大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳卓;粒子群優(yōu)化算法的改進及在油藏數(shù)值模擬中的應用[D];北京建筑大學;2015年

2 白云;基于粒子群優(yōu)化算法的復雜網(wǎng)絡社區(qū)挖掘[D];西北農(nóng)林科技大學;2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機的網(wǎng)絡態(tài)勢預測模型研究[D];蘭州大學;2015年

4 孟亞州;基于粒子群優(yōu)化OTSU的肺組織分割算法研究[D];寧夏大學;2015年

5 鄭博;基于快速排序的多目標粒子群優(yōu)化算法的研究及應用[D];鄭州大學;2015年

6 米永強;非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學;2015年

7 李建美;基于自適應變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學;2015年

8 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學;2015年

9 牛旭;動態(tài)粒子群優(yōu)化算法及其應用[D];西安電子科技大學;2014年

10 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學;2014年

，

本文編號：605259