光伏电站光功率预测及逆变器的研究

发布时间：2024-03-24 17:05

　　随着国内外光伏发电行业的蓬勃发展,光功率预测技术及逆变器技术也得到了较快的发展。但现阶段光功率预测系统的准确性不太理想,而逆变器的转换效率还有继续提升的空间。本文针对这种状况,提出两种对应的方法:(1)将BP神经网络应用于光功率预测;(2)将跟踪光伏电池最大功率点的定步长电导增量法改为变步长电导增量法,并在此基础上对变步长电导增量法继续改进。本文主要完成了以下工作:(1)利用MATLAB设计搭建了 BP神经网络的模型,并用某一光伏电站的气象数据训练该网络,最后将该光伏电站另外一天的气象数据输入该神经网络,将得到的预测输出功率与光伏电站自身的光功率预测系统相对比。(2)利用MATLAB设计搭建了光伏电池的仿真模型及测试模型,并与实际的某一型号的光伏电池进行了特性比对,说明搭建的电池模型与实际电池的特性一致,并且搭建了 MPPT模型,比较了定步长与变步长的电导增量法在跟踪光伏电池最大功率点方面的能力;然后又比较了变步长电导增量法与改进后的变步长电导增量法跟踪光伏电池最大功率点的能力。仿真结果表明:搭建的BP神经网络模型在光功率预测方面比光伏电站自己的光功率预测系统准确度高;证明了变步长电导...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 论文研究的背景、意义和论文目的
        1.1.1 研究背景、意义
        1.1.2 论文研究目的
    1.2 我国能源现状和结构
    1.3 我国利用太阳能资源的紧迫要求
    1.4 太阳能发电的主要应用领域
    1.5 光伏太阳能发电的发展与研究现状
        1.5.1 国内外发展现状
        1.5.2 国内外研究现状
    1.6 本章总结
第2章 光伏电站与电池原理
    2.1 光伏电站的模式
    2.2 光伏电站的组成
    2.3 光伏太阳能电池的构造与原理
        2.3.1 光伏太阳能电池的组成
        2.3.2 光伏太阳能电池的基本工作原理
    2.4 本章总结
第3章 光功率预测系统
    3.1 光伏发电的光功率预测系统的作用
    3.2 人工神经网络光功率预测方法
        3.2.1 BP神经网络
        3.2.2 BP神经网络的具体推导与网络训练
        3.2.3 信号的正向传递过程
        3.2.4 差值的逆向运行过程
    3.3 训练BP神经网络的部分数据以及预测当天(2016.07.01)的气象数据
    3.4 训练完成后得到的BP神经网络结构图
    3.5 本章总结
第4章 光伏电池模型与逆变器
    4.1 建立光伏电池板的等效模型
    4.2 光伏太阳能电池的特性
    4.3 光伏电池模型的仿真
    4.4 对光伏电池最大功率跟踪点方法与控制
        4.4.1 对电导增量法的改进
        4.4.2 电池最大功率点跟踪算法仿真
    4.5 光伏电站的逆变器
        4.5.1 逆变器的性能
        4.5.2 逆变器的结构和原理
        4.5.3 两级式和单极式逆变器的优点和缺点比较
        4.5.4 光伏并网逆变器的技术和性能
        4.5.5 逆变器的孤岛保护和低电压穿越
            4.5.5.1 光伏电站的孤岛效应及其危害
            4.5.5.2 孤岛效应的检测方法
            4.5.5.3 逆变器的低电压穿越能力
            4.5.5.4 低电压穿越的检测方法
            4.5.5.5 目前的现状及改进措施
    4.6 本章总结
第5章 结论
参考文献
攻读硕士学位期间发表的论文和获得的科研成果
致谢
附件



本文编号：3937771