基于RBF神经网络的光伏动态重组系统

发布时间：2019-02-16 11:51

【摘要】：光伏系统的模块重组对于改善系统的P-V特性有非常重要的作用。提出了一种在部分阴影遮蔽情况下基于人工神经网络算法的光伏模块重组方案。这个方案中,光伏模块分为固定部分和自由部分,并通过开关矩阵来连接。然后测量的每个自由模块以及每行固定模块的短路电流值,测量值通过人工神经网络算法得到的结果决定开关矩阵的连接方式。仿真实验显示所提出的方案的参数测量实时简易、重组策略高效,能有效地改善部分阴影状态下的光伏阵列的功率输出。最重要是所提出的控制策略能应用于较大规模光伏系统结构重组。
[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.
【作者单位】： 广西大学电气工程学院;广西比迪光电科技工程有限责任公司;
【基金】：国家自然科学基金(51267001)
【分类号】：TM615

【相似文献】

相关期刊论文 前10条

1 张毅;姜思博;李铮;;改进的遗传灰色RBF模型的短期电力负荷预测[J];电测与仪表;2014年05期

2 胡迎松,陈明,范志明;一种电力系统短期负荷预测的RBF优化算法[J];华中科技大学学报(城市科学版);2003年03期

3 苗青,曹广益,朱新坚;基于一种改进的RBF神经网络的直接甲醇燃料电池建模[J];系统仿真学报;2005年02期

4 郭金伟;周渝慧;;基于RBF改进模型的电力系统短期负荷预测[J];电力信息化;2007年07期

5 杨胡萍;白慧;刘家学;张力;;基于改进RBF神经网络的电力系统短期负荷预测[J];东华大学学报(自然科学版);2008年02期

6 郭伟伟;刘家学;马云龙;李书琰;;基于改进RBF网络算法的电力系统短期负荷预测[J];电力系统保护与控制;2008年23期

7 张晓亮;;一种改进的RBF网络在电力系统短期负荷预测中的应用[J];煤矿机电;2008年03期

8 李强;田大林;夏迎迎;付炜;王亦飞;于遵宏;;新型两段组合式气化产气热值的RBF神经网络预测模型及遗传算法优化[J];计算机与应用化学;2008年10期

9 夏长亮;李志强;王明超;刘均华;;基于RBF神经网络在线辨识的永磁无刷直流电机单神经元PID模型参考自适应控制[J];电工技术学报;2005年11期

10 曹安照;田丽;;基于RBF神经网络的短期电力负荷预测[J];电子科技大学学报;2006年04期

相关会议论文 前10条

1 张培铭;颜毅鹏;吴功祥;鲍光海;吴传武;;基于神经网络的电动机绕组温升预测的探讨[A];中国电工技术学会低压电器专业委员会第十一届学术年会论文集[C];2002年

2 陈佳;;神经网络在上海天然气日负荷预测中的应用[A];第二届中国城市燃气论坛——燃气青年工程师论坛资料汇编[C];2009年

3 易健雄;朱大奇;陈昕静;;量子神经网络在电机转子故障辨识中的应用研究[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年

4 邹宇;王萍;邢文超;;基于Hopfield神经网络的谐波检测方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

5 金苏柯;朱小良;;基于神经网络的火电机组传感器数据融合[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年

6 朱锋;孙辉;周玮;;基于相似日聚类的神经网络风速预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

7 康忠健;徐丽;勾松波;金华蓉;李瑞生;;考虑分布电容的神经网络单相接地故障测距算法[A];第二十七届中国控制会议论文集[C];2008年

8 赵春元;王存旭;张玉艳;于红霞;;基于神经网络的模糊数学在锅炉控制中应用[A];第十届全国电工数学学术年会论文集[C];2005年

9 夏靖波;邹铁鹏;王师;吴恩庚;陆增喜;;基于神经网络微小电容测量方法的研究[A];1997中国控制与决策学术年会论文集[C];1997年

10 吴建兵;刘国海;;神经网络对异步电机转子磁链和转速的辨识[A];第11届全国电气自动化电控系统学术年会论文集[C];2002年

相关重要报纸文章 前1条

1 ;神经网络和模糊逻辑[N];世界金属导报;2002年

相关博士学位论文 前9条

1 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

2 邵海见;基于数据的风电场短期风速预测[D];东南大学;2016年

3 袁继敏;基于混沌和神经网络的时域参数测试研究及其在示波器中的应用[D];电子科技大学;2009年

4 郭鹏;Hopfield神经网络及其在电厂中的应用研究[D];华北电力大学（河北）;2004年

5 李鸿儒;基于神经网络的永磁同步电机控制策略的研究[D];东北大学;2001年

6 谭阳红;基于小波和神经网络的大规模模拟电路故障诊断研究[D];湖南大学;2005年

7 焦嵩鸣;计算智能及其在热工系统中的应用研究[D];华北电力大学（河北）;2007年

8 王晓红;混合时滞神经网络的稳定性研究及在电力系统中的应用[D];华中科技大学;2013年

9 谢宏;基于Volterra级数、小波分析与神经网络的非线性网络故障诊断方法的研究[D];湖南大学;2005年

相关硕士学位论文 前10条

1 李志强;基于RBF神经网络在线辨识的永磁无刷直流电机单神经元自适应PID控制[D];天津大学;2005年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

5 曾钰;基于遗传算法优化的RBF神经网络在光伏发电MPPT中的应用[D];湖南工业大学;2015年

6 吴德军;基于模型设计的永磁同步电机神经网络PID控制系统研究[D];长安大学;2015年

7 张丰伟;山火的无线传感与RBF识别研究[D];昆明理工大学;2015年

8 王训;基于忆阻神经网络的风电变流器故障诊断[D];天津理工大学;2015年

9 王贺;基于BP神经网络的风机故障预警[D];华北电力大学;2015年

10 宁少华;基于数据的风电机组故障趋势预测方法研究[D];华北电力大学;2015年

，

本文编号：2424419