不均匀光照下光伏系统最大功率点跟踪与控制研究

发布时间：2017-05-24 18:23

  本文关键词：不均匀光照下光伏系统最大功率点跟踪与控制研究，，由笔耕文化传播整理发布。

【摘要】：随着经济的快速发展和人口数量的不断增长,人类对能源的依赖越来越明显,同时化石燃料的不断减少甚至枯竭,环境的日益恶化,使得人类面临着严重的能源危机,发展可再生能源已迫在眉睫。太阳能是绿色可再生能源,随着光伏发电技术的不断完善,越来越受到人们的关注。本文主要研究了不均匀光照条件下的最大功率点跟踪算法、DC/DC变换器的控制以及并网逆变器PQ控制等相关内容。具体工作从以下几个方面研究：本文首先建立均匀光照和不均匀光照条件下的光伏电池等效电路和数学模型,并搭建光伏阵列仿真模型,对不同光照强度和温度下的输出特性进行分析；对均匀光照和不均匀光照条件下的输出特性进行仿真,并分析了其多峰特性。通过仿真分析了遗传算法、BP神经网络和改进PSO-模糊神经网络算法各自的优缺点。在此基础上提出了基于PSO-模糊神经网络的改进“教与学”优化算法,该算法对基本“教与学”优化算法的初值设定范围、“教”阶段和“学”阶段系数分别进行了改进,使得算法收敛速度、精度和稳定性显著提高。针对滑模变结构控制中的抖振问题,提出了一种基于ITLBO的混合滑模变结构控制方法。分别对采用基于ITLBO的混合滑模变结构控制方法和采用传统的滑模变结构控制方法进行了建模和仿真,对比仿真结果,证明提出的基于ITLBO的混合滑模变结构控制方法的优越性,该控制方法比传统的控制方法能更快速的跟踪到最大功率点,并且具有更小的超调量和调整时间。提出了基于PSO算法和Prony算法的抖振波检测新算法PSO-Prony算法。详细分析了PSO-Prony算法的基本原理和参数求解过程,并通过谐波曲线拟合测试PSO-Prony算法的性能,结果证明该方法稳定性、精度和抗噪性能优越。将PSO-Prony算法应用于滑模变结构的抖振波消除中,使得最大功率点跟踪输出值恒定,而不会出现波动的情况。建立了PQ控制的仿真模型,通过仿真验证了PQ控制器的有效性。最后,将带MPPT的光伏电池模型接入PQ控制器中建立了相应仿真模型,并实现并网PQ控制。通过仿真验证了带MPPT的光伏电池并网PQ控制的优越性。
【关键词】：光伏发电 最大功率点跟踪与控制 PSO-模糊神经网络算法 基于ITLBO的混合滑模变结构控制 PSO-Prony算法 PQ控制器
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM615
【目录】：

• 摘要4-6
• ABSTRACT6-14
• 第一章 绪论14-23
• 1.1 课题研究的背景及意义14-16
• 1.2 光伏发电的现状和发展趋势16-21
• 1.2.1 国内外光伏发电MPPT现状18-19
• 1.2.2 国内外滑模变结构控制及抖振问题的现状19-21
• 1.3 本文主要工作21-23
• 第二章 光伏电池建模和仿真分析23-34
• 2.1 光伏系统概述23-25
• 2.1.1 光伏系统组成23
• 2.1.2 光伏系统的分类23-25
• 2.2 光伏电池建模25-29
• 2.2.1 光伏电池基本原理25
• 2.2.2 光伏电池等效电路图25-27
• 2.2.3 光伏阵列数学模型27-28
• 2.2.4 光伏阵列仿真模型28-29
• 2.3 光伏阵列特性仿真29-33
• 2.3.1 光伏阵列输出特性仿真分析29-32
• 2.3.2 不均匀光照条件下光伏阵列输出特性仿真分析32-33
• 2.4 本章小结33-34
• 第三章 太阳能最大功率点跟踪算法34-49
• 3.1 不均匀光照下遗传算法的全局最大功率点跟踪34-36
• 3.1.1 遗传算法的基本原理34
• 3.1.2 遗传算法的基本流程34-35
• 3.1.3 仿真分析35-36
• 3.2 不均匀光照下改进PSO-模糊神经网络全局最大功率点跟踪36-43
• 3.2.1 BP神经网络37
• 3.2.2 改进PSO-模糊神经网络算法37-41
• 3.2.3 仿真分析41-43
• 3.3 不均匀光照下“教与学”优化算法全局最大功率点跟踪43-48
• 3.3.1 基本“教与学”优化算法43-44
• 3.3.2 基于神经网络的改进“教与学”优化算法的基本原理44-46
• 3.3.3 基于神经网络的改进“教与学”优化算法的流程46-47
• 3.3.4 仿真分析47-48
• 3.4 本章小结48-49
• 第四章 最大功率点跟踪控制49-63
• 4.1 MPPT原理49
• 4.2 DC/DC变换器49-55
• 4.2.1 常见DC/DC变换器工作原理50-53
• 4.2.2 DC/DC变换器数学模型53-55
• 4.2.3 Boost变换器参数设定55
• 4.3 滑模变结构控制55-62
• 4.3.1 滑模变结构控制概述55-56
• 4.3.2 滑模变结构控制的抖振问题56-57
• 4.3.3 基于ITLBO的混合滑模变结构控制及仿真57-62
• 4.4 本章小结62-63
• 第五章 MPPT抖振波检测与抑制63-75
• 5.1 Prony算法理论分析及其局限性63-65
• 5.1.1 Prony算法建模63-64
• 5.1.2 Prony算法求解过程分析64-65
• 5.1.3 Prony算法局限性分析65
• 5.2 改进PSO-Prony算法65-68
• 5.2.1 PSO算法改进65-66
• 5.2.2 改进PSO-Prony算法的原理66-67
• 5.2.3 改进PSO-Prony算法参数求解步骤67-68
• 5.3 改进PSO-Prony算法的MPPT抖振波检测与抑制仿真分析68-74
• 5.3.1 Prony算法和改进PSO-Prony算法的性能测试68-72
• 5.3.2 改进PSO-Prony算法在MPPT抖振波检测与抑制中的应用72-74
• 5.4 本章小结74-75
• 第六章 光伏电池带MPPT的并网PQ控制75-84
• 6.1 PQ控制原理75-77
• 6.2 PQ控制的仿真分析77-80
• 6.3 光伏电池带MPPT的并网PQ控制仿真分析80-83
• 6.4 本章小结83-84
• 总结与展望84-86
• 参考文献86-91
• 攻读硕士学位期间发表的论文91-93
• 致谢93

【参考文献】

中国期刊全文数据库 前10条

1 吴拓;马海川;许端平;;滑模变结构控制的最大功率点跟踪方法及实验[J];辽宁工程技术大学学报(自然科学版);2015年01期

2 拓守恒;雍龙泉;邓方安;;“教与学”优化算法研究综述[J];计算机应用研究;2013年07期

3 温和;滕召胜;王永;曾博;郑丹;;改进加窗插值FFT动态谐波分析算法及应用[J];电工技术学报;2012年12期

4 刘观起;游晓科;杨玉新;杜宝星;赵振云;;光伏发电系统最大功率点跟踪方法研究综述[J];陕西电力;2012年02期

5 杨永恒;周克亮;;光伏电池建模及MPPT控制策略[J];电工技术学报;2011年S1期

6 张喜平;梅柏杉;胥杰;丁佐进;;大型光伏发电系统的并网控制技术[J];上海电力学院学报;2011年06期

7 张云贵;薛向荣;佟为民;于立业;薛杰荣;;采用滑模变结构控制MPPT的三相光伏并网发电系统[J];电力自动化设备;2011年10期

8 袁银梅;;太阳能电池最大功率跟踪的线性近似法分析[J];节能技术;2011年03期

9 艾亚;执新;;全国政协委员热议低碳经济[J];国际融资;2010年04期

10 高云鹏;滕召胜;卿柏元;;基于Kaiser窗双谱线插值FFT的谐波分析方法[J];仪器仪表学报;2010年02期

中国重要报纸全文数据库 前4条

1 丁鑫;;过分依赖海外市场及产能过剩 掣肘光伏产业成长脚步[N];证券日报;2011年

2 王文韦;;标杆电价难产 “勒住”光伏发电[N];首都建设报;2010年

3 刘汉元;;光伏产业发展要看“后市”[N];中国企业报;2009年

4 ;十大环境问题威胁人类[N];消费日报;2007年

中国硕士学位论文全文数据库 前8条

1 张彩云;基于改进PSO算法的模糊神经网络研究[D];哈尔滨理工大学;2014年

2 何俊强;基于滑模变结构的光伏并网发电系统MPPT算法研究[D];山东大学;2012年

3 刘玉明;光伏发电系统的一种MPPT控制算法的研究[D];青岛大学;2012年

4 石国飞;光伏系统MPPT的滑模变结构控制[D];重庆大学;2012年

5 纪芳;并网光伏发电系统最大功率点跟踪技术的研究[D];山东大学;2010年

6 刘建雄;小波和Prony方法在电能质量检测中的应用研究[D];浙江工业大学;2008年

7 虞正琦;基于模糊控制的光伏发电系统MPPT技术研究[D];华中科技大学;2007年

8 闵江威;光伏发电系统的最大功率点跟踪控制技术研究[D];华中科技大学;2006年

  本文关键词：不均匀光照下光伏系统最大功率点跟踪与控制研究，由笔耕文化传播整理发布。

本文编号：391616