【摘要】：能源不僅是當今社會發(fā)展的基礎,也是世界各國經濟建設的動力。太陽能特有的零污染和取之不盡的特點使之成為世界公認的最理想的清潔能源,而太陽能被用來發(fā)電是目前最主要的用途之一。開展對光伏發(fā)電系統(tǒng)的研究不僅對能源的可持續(xù)利用、環(huán)境保護提供了有效解決方案,而且對社會的穩(wěn)定發(fā)展具有重要的戰(zhàn)略意義。利用最大功率跟蹤控制技術是提高光伏發(fā)電系統(tǒng)效率的有效方式,對光伏發(fā)電行業(yè)有重要影響,同時也是這一領域的研究熱點。本文以光伏發(fā)電系統(tǒng)為研究對象,針對最大功率跟蹤問題展開研究,主要內容有:1.根據光伏電池的等效電路推導了其數(shù)學模型,利用Matlab/Simulink搭建光伏電池模型以及整個光伏發(fā)電系統(tǒng)的仿真平臺。利用搭建的仿真平臺對光伏電池的V-I輸出特性進行仿真研究,并對傳統(tǒng)的占空比擾動觀察法,進行了分析與仿真研究。2.本文對利用BP神經網絡進行最大功率點跟蹤時,訓練數(shù)據存在測量誤差的情況進行了分析,指出了基于最小二乘的BP神經網絡(LS-NN) MPPT算法預測結果的精準度嚴重依賴訓練數(shù)據的準確性,提出了基于準最小二乘的BP神經網絡(QLS-NN) MPPT算法。通過仿真分析與實驗測試對比了兩種不同算法的預測結果。3.本文對利用阻抗匹配原理進行最大功率跟蹤的方法也做了重點研究。通過對傳統(tǒng)阻抗匹配MPPT算法的理論分析,發(fā)現(xiàn)傳統(tǒng)阻抗匹配MPPT算法對系統(tǒng)參數(shù)設置比較敏感,提出了改進型動態(tài)阻抗匹配MPPT算法。并通過仿真和實驗對比,本文提出的改進型動態(tài)阻抗匹配MPPT算法能夠有效的改善光伏發(fā)電系統(tǒng)的性能。本研究采用基于準最小二乘的BP神經網絡MPPT算法減小了含有測量誤差的訓練樣本對利用神經網進行預測最大功率的影響,提高了系統(tǒng)的魯棒性;基于改進型動態(tài)阻抗匹配的MPPT算法針對傳統(tǒng)阻抗匹配MPPT算法能夠有效的解決系統(tǒng)參數(shù)設定較多以及輸出功率受負載影響較大的問題,為提高光伏發(fā)電系統(tǒng)的整體效率和穩(wěn)定性提供了參考依據。
[Abstract]:Energy is not only the foundation of social development, but also the driving force of economic construction. The unique zero pollution and inexhaustible characteristics of solar energy make it the most ideal clean energy in the world, and solar energy is used to generate electricity is one of the most important uses. The research on photovoltaic power generation system not only provides an effective solution for the sustainable use of energy and environmental protection, but also has an important strategic significance for the stable development of society. The use of maximum power tracking control technology is an effective way to improve the efficiency of photovoltaic power generation system, which has an important impact on photovoltaic power generation industry, and is also a research hotspot in this field. In this paper, photovoltaic power generation system as the research object, aiming at the maximum power tracking problem, the main contents are: 1. According to the equivalent circuit of photovoltaic cell, the mathematical model of photovoltaic cell is deduced, and the model of photovoltaic cell and the simulation platform of the whole photovoltaic system are built by using Matlab/Simulink. The V-I output characteristics of photovoltaic cells are simulated by using the built simulation platform, and the traditional duty cycle disturbance observation method is analyzed and simulated. 2. In this paper, the measurement error of the training data in maximum power point tracking using BP neural network is analyzed. It is pointed out that the accuracy of BP neural network (LS-NN) MPPT algorithm based on least squares depends heavily on the accuracy of training data, and a BP neural network (QLS-NN) MPPT algorithm based on quasi least squares neural network is proposed. The prediction results of two different algorithms are compared by simulation analysis and experimental test. 3. 3. The method of maximum power tracking based on impedance matching principle is also studied in this paper. Based on the theoretical analysis of the traditional impedance matching MPPT algorithm, it is found that the traditional impedance matching MPPT algorithm is sensitive to the system parameters, and an improved dynamic impedance matching MPPT algorithm is proposed. The improved dynamic impedance matching MPPT algorithm proposed in this paper can effectively improve the performance of photovoltaic power generation system through the comparison of simulation and experiment. In this study, the BP neural network MPPT algorithm based on quasi least squares is used to reduce the influence of training samples with measurement error on the prediction of maximum power using neural network, and the robustness of the system is improved. The MPPT algorithm based on improved dynamic impedance matching can effectively solve the problem that the system parameters are set more and the output power is greatly affected by the load for the traditional impedance matching MPPT algorithm. It provides a reference for improving the overall efficiency and stability of photovoltaic power generation system.
【學位授予單位】：溫州大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TM615;TP183

【參考文獻】

相關期刊論文 前10條

1 ;2030年前全球太陽能光伏發(fā)電能力將強勁增長[J];石油化工應用;2016年09期

2 馬慶強;;我國光伏產業(yè)發(fā)展的現(xiàn)狀、問題及國際經驗借鑒[J];上海經濟;2016年04期

3 聶曉華;賴家俊;;復雜應用環(huán)境下粒子群光伏MPPT控制方法[J];電力電子技術;2016年01期

4 丁天啟;谷彩連;;基于定步長擾動觀察法的光伏電池最大功率點跟蹤仿真[J];沈陽工程學院學報(自然科學版);2016年01期

5 高金輝;李國成;;一種開路電壓和短路電流相結合的MPPT算法研究[J];電力系統(tǒng)保護與控制;2015年24期

6 韓麗;尚儀;史麗萍;;基于在線自調整神經網絡的最大功率跟蹤方法研究[J];太陽能學報;2015年08期

7 董秀成;皮光林;;能源地緣政治與中國能源戰(zhàn)略[J];經濟問題;2015年02期

8 張夢潔;;英國將成為歐洲太陽能光伏市場新領頭羊[J];能源研究與利用;2014年04期

9 袁曉玲;施俊華;徐杰彥;;計及天氣類型指數(shù)的光伏發(fā)電短期出力預測[J];中國電機工程學報;2013年34期

10 何耀耀;許啟發(fā);楊善林;余本功;;基于RBF神經網絡分位數(shù)回歸的電力負荷概率密度預測方法[J];中國電機工程學報;2013年01期

相關會議論文 前1條

1 傅望;郭珂;周林;;光伏電池工程用數(shù)學模型研究[A];重慶市電機工程學會2010年學術會議論文集[C];2010年

相關博士學位論文 前2條

1 張正江;過程系統(tǒng)的數(shù)據校正與參數(shù)估計[D];浙江大學;2010年

2 張超;光伏并網發(fā)電系統(tǒng)MPPT及孤島檢測新技術的研究[D];浙江大學;2006年

相關碩士學位論文 前6條

1 呂盛華;基于光伏陣列拓撲的全局最大功率跟蹤算法研究[D];太原理工大學;2016年

2 李帥;基于BP神經網絡的光伏列陣MPPT控制研究[D];東北電力大學;2016年

3 陳建龍;電動汽車的雙向DC-DC變換器的研究[D];哈爾濱工業(yè)大學;2015年

4 劉國勝;基于偏差調節(jié)的最大功率點跟蹤技術比較研究[D];燕山大學;2014年

5 王廈楠;獨立光伏發(fā)電系統(tǒng)及其MPPT的研究[D];南京航空航天大學;2008年

6 郭熠;電動汽車雙向DC/DC變換器的研究[D];天津大學;2004年

，

本文編號：2414896