本文關鍵詞：基于混合優(yōu)化神經網絡的光伏發(fā)電MPPT方法研究

  更多相關文章： 光伏電池陣列 最大功率點跟蹤 BP神經網絡 粒子群算法 人工魚群算法

【摘要】：隨著我國的經濟發(fā)展,能源消耗帶來的污染危機日益嚴重,為了緩解這種趨勢,新能源的應用成為了世界各國研究和開發(fā)的重中之重。太陽能作為擁有最清潔、最安全、可再生和取之不盡等優(yōu)勢的新能源而飽受青睞。目前,光伏發(fā)電的轉換形式為太陽能轉化成為電能,但是目前光伏發(fā)電的效率低、成本高等因素都限制了光伏系統(tǒng)在生活、生產中的推廣應用。提高最大功率點跟蹤的效率是提高光伏發(fā)電的效率的最有效的途徑之一。本文將智能控制算法引入到最大功率點跟蹤中,利用混合算法優(yōu)化后的BP神經網絡的突出尋優(yōu)特點和擬合預測能力,再與恒定電壓控制法結合,實現(xiàn)了光伏發(fā)電系統(tǒng)的最大功率點的有效跟蹤。本文完成的主要工作如下:首先,明確了目前國內外光伏發(fā)電的發(fā)展現(xiàn)狀及神經網絡在MPPT中的發(fā)展趨勢,分析了光伏電池的發(fā)電原理,通過仿真得到光伏電池的輸出特性曲線,結果表明電池輸出功率受到光照強度和外界溫度兩大主要因素影響。其次,研究了太陽能光伏陣列的最大功率點跟蹤方法,分析了擾動觀察法、增量電導法、并聯(lián)功率補償法、Fibonacci數(shù)列搜索法等現(xiàn)有MPPT方法,對其優(yōu)點缺點進行比較。研究了基于BP神經網絡的光伏發(fā)電MPPT方法,進行了BP神經網絡結構設計、模型搭建,仿真結果表明傳統(tǒng)方法在最大功率點跟蹤中誤差較大。此外,研究了MPPT的改進方法,針對傳統(tǒng)BP神經網絡的光伏發(fā)電MPPT方法預測誤差較大問題,在粒子群算法(PSO)和人工魚群算法(AFSA)基礎上,提出了一種基于人工魚群行為改進PSO混合優(yōu)化的BP算法,利用其全局優(yōu)良的尋優(yōu)能力,解決了粒子群算法在搜索過程中容易出現(xiàn)“聚集”現(xiàn)象而使得算法無法逃離局部值等問題。最后,研究了混合算法優(yōu)化BP神經網絡在MPPT中的應用方法,提出了一種基于混合算法優(yōu)化BP神經網絡的MPPT方法。在Matlab/Simulink環(huán)境中進行仿真,仿真結果表明該方法在最大功率跟蹤中與傳統(tǒng)的方法相比,新算法能有效地避免陷入局部極值,并且具有良好的穩(wěn)定性和跟蹤精度。
【關鍵詞】：光伏電池陣列 最大功率點跟蹤 BP神經網絡 粒子群算法 人工魚群算法
【學位授予單位】：沈陽建筑大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP183;TM615
【目錄】：

• 摘要4-5
• Abstract5-11
• 第一章 緒論11-19
• 1.1 選題背景與意義11-13
• 1.2 國內外研究現(xiàn)狀13-16
• 1.2.1 光伏發(fā)電研究現(xiàn)狀13-14
• 1.2.2 光伏陣列的MPPT研究現(xiàn)狀14-15
• 1.2.3 蓄電池研究現(xiàn)狀15-16
• 1.3 本文主要研究內容16-17
• 1.4 本章小結17-19
• 第二章 光伏發(fā)電系統(tǒng)和太陽能光伏電池19-27
• 2.1 太陽能光伏發(fā)電系統(tǒng)19-21
• 2.1.1 光伏發(fā)電系統(tǒng)特點及組成19-20
• 2.1.2 光伏發(fā)電系統(tǒng)分類及應用20-21
• 2.2 太陽能光伏電池21-25
• 2.2.1 光伏電池分類21
• 2.2.2 光伏發(fā)電的原理21-22
• 2.2.3 光伏電池的等效模型22-25
• 2.3 光伏陣列的輸出特性分析25-26
• 2.4 本章小結26-27
• 第三章 太陽能光伏陣列的最大功率點跟蹤方法研究27-33
• 3.1 最大功率點跟蹤原理27
• 3.2 最大功率點跟蹤方法27-32
• 3.2.1 恒電壓控制法27-28
• 3.2.2 擾動觀察法28-29
• 3.2.3 電導增量法29-30
• 3.2.4 直線近似法30-31
• 3.2.5 Fibonacci數(shù)列搜索法31
• 3.2.6 基于狀態(tài)空間的MPPT算法31
• 3.2.7 并聯(lián)功率補償法31-32
• 3.3 本章小結32-33
• 第四章 神經網絡在光伏發(fā)電最大功率點跟蹤中的應用33-45
• 4.1 人工神經網絡概述33-35
• 4.1.1 神經網絡的結構模型33-34
• 4.1.2 神經網絡的分類34
• 4.1.3 神經網絡的性能參數(shù)34-35
• 4.2 BP神經網絡在光伏發(fā)電MPPT中的應用35-44
• 4.2.1 BP神經網絡的結構及原理35-37
• 4.2.2 BP神經網絡MPPT算法流程37-39
• 4.2.3 BP神經網絡模型建立39-40
• 4.2.4 模型訓練與仿真結果分析40-44
• 4.3 本章小結44-45
• 第五章 基于混合優(yōu)化的BP神經網絡MPPT算法45-61
• 5.1 粒子群優(yōu)化BP算法45-50
• 5.1.1 粒子群算法(PSO)45-46
• 5.1.2 PSO優(yōu)化BP神經網絡算法流程46-47
• 5.1.3 PSO優(yōu)化BP神經網絡MPPT算法47-48
• 5.1.4 模型訓練與仿真結果分析48-50
• 5.2 基于人工魚群與自適應的粒子群算法優(yōu)化BP神經網絡50-59
• 5.2.1 人工魚群算法(AFSA)50-51
• 5.2.2 基于AFSA對PSO參數(shù)的改進51-52
• 5.2.3 基于AFPSO優(yōu)化BP神經網絡算法流程52-53
• 5.2.4 基于AFPSO優(yōu)化BP神經網絡MPPT算法53-56
• 5.2.5 模型訓練與仿真結果分析56-59
• 5.3 本章小結59-61
• 第六章 結論61-63
• 6.1 總結61
• 6.2 展望61-63
• 參考文獻63-67
• 作者簡介67
• 作者在攻讀碩士學位期間發(fā)表的學術論文67-69
• 致謝69-70

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 王凡,孟立凡;關于使用神經網絡推定操作者疲勞的研究[J];人類工效學;2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經網絡的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經網絡的應用與展望[J];佛山科學技術學院學報(自然科學版);2009年05期

4 許萬增;;神經網絡的研究及其應用[J];國際技術經濟研究學報;1990年01期

5 張軍華;神經網絡技術及其在軍用系統(tǒng)中的應用[J];現(xiàn)代防御技術;1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經網絡在預報控制中的應用[J];機床;1993年11期

7 靳蕃;神經網絡及其在鐵道科技中應用的探討[J];鐵道學報;1993年02期

8 宋玉華，王啟霞;神經網絡診斷──神經網絡在自動化領域里的應用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內外神經網絡技術的研究與應用概況[J];電機電器技術;1995年04期

10 王中賢，，錢頌迪;神經網絡法在經濟管理中的應用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據庫 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據庫 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據庫 前10條

1 章穎;混合不確定性模塊化神經網絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經網絡的風力發(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 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經網絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經網絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經網絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經網絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

本文編號：652284