太阳能（光伏）应用系统优化控制的研究

发布时间：2017-04-26 15:20

  本文关键词：太阳能（光伏）应用系统优化控制的研究，由笔耕文化传播整理发布。

【摘要】： 随着众多不可再生能源的消耗殆尽和环境污染的日益严重,新型能源的开发及利用逐渐成为人们日益关注的焦点。太阳能凭借其他能源不可比拟的优势,成为新兴能源中的宠儿。光伏发电应用系统,是太阳能利用的载体之一。近年来,随着光伏发电技术的发展,光伏发电应用系统得到越来越广泛的应用。光伏电池作为光伏应用系统中能量转换的重要部件,其效率的优化,即最大功率点跟踪控制的研究是光伏应用领域的一个重要课题。本文正是以太阳能光伏应用系统为研究对象,以光伏电池的效率优化为研究目的,以光伏电池的最大功率点跟踪控制为研究主线,展开了较为深入的理论和实验研究。 本文首先较为系统地综述了课题的研究背景,继而对光伏应用系统进行简单介绍,从而引出本课题的研究现状及研究意义;然后在给出光伏电池工作原理和数学模型的基础上,基于MATLAB软件编程,对其输出特性进行模拟,并结合TH110(17)型号电池的实际测量所得输出特性曲线,验证了该模拟方法的准确性,随后着重介绍了一种可模拟环境温度、光照强度、光伏阵列串并联数等参数的光伏阵列动态通用仿真模型,解决了以往只针对特定光伏阵列建模的局限性,并给出仿真结果;接下来,概述了最大功率点跟踪控制的原理及几种常用的最大功率点跟踪控制方法,在此基础上,对最大功率点跟踪控制的实现策略进行研究,建立了系统各个模块的仿真模型,进而比较了扰动观察法及电导增量法的跟踪性能,并提出一种改进的扰动观察法,仿真结果表明该方法可有效减少传统扰动观察法的误判功率损失,具有较好的动态响应速度和稳定度;最后详细研究了遗传算法和神经网络在光伏发电系统最大功率点跟踪控制中的应用,实验及仿真结果表明了基于遗传算法优化的径向基神经网络的优越性。
【关键词】：太阳能发电 光伏应用系统 最大功率点跟踪 遗传算法 RBF神经网络
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：TM615
【目录】：

• 摘要2-3
• Abstract3-6
• 第一章 绪论6-20
• 1.1 课题背景6-11
• 1.1.1 能源危机与环境污染6-7
• 1.1.2 太阳能和光伏发电7-11
• 1.2 光伏应用系统概述11-16
• 1.2.1 光伏应用系统的构成11-13
• 1.2.2 光伏应用系统的分类13-16
• 1.3 国内外关于光伏应用系统的研究动向16-18
• 1.3.1 并网光伏应用系统16-17
• 1.3.2 变换器17
• 1.3.3 MPPT控制17-18
• 1.4 本课题的研究意义及主要内容18-20
• 第二章 光伏电池的建模及仿真研究20-40
• 2.1 光伏电池简介20-23
• 2.1.1 光伏电池的工作原理20-21
• 2.1.2 光伏电池的分类21-22
• 2.1.3 光伏电池的发展趋向22-23
• 2.2 光伏电池输出特性的研究23-34
• 2.2.1 光伏电池的等效电路23-26
• 2.2.2 光伏电池的输出特性26-28
• 2.2.3 光伏电池输出特性的仿真及实验研究28-34
• 2.3 光伏阵列的建模及仿真研究34-38
• 2.3.1 光伏阵列的数学模型34-35
• 2.3.2 光伏阵列的建模及仿真研究35-38
• 2.4 本章小结38-40
• 第三章 光伏应用系统最大功率点跟踪控制的研究40-68
• 3.1 MPPT控制的基本原理40-41
• 3.2 MPPT控制方法研究41-47
• 3.2.1 恒定电压控制法41-43
• 3.2.2 扰动观察法43-44
• 3.2.3 电导增量法44-46
• 3.2.4 模糊逻辑控制法46
• 3.2.5 其他MPPT控制方法46-47
• 3.3 光伏阵列MPPT控制的实现策略47-51
• 3.4 仿真结果及分析51-64
• 3.4.1 扰动观察法的仿真结果51-57
• 3.4.2 电导增量法的仿真结果57-63
• 3.4.3 两种MPPT算法仿真结果的分析与比较63-64
• 3.5 一种改进的扰动观察法64-67
• 3.5.1 改进扰动观察法的算法原理64-65
• 3.5.2 改进扰动观察法的仿真结果65-67
• 3.6 本章小结67-68
• 第四章 基于GA优化的RBF神经网络在光伏电池MPPT中的应用68-80
• 4.1 遗传算法68-71
• 4.1.1 遗传算法的基本思想68-71
• 4.1.2 遗传算法的特点71
• 4.2 RBF神经网络71-73
• 4.2.1 RBF神经网络的结构及特点71-73
• 4.2.2 RBF神经网络的学习方法73
• 4.3 基于GA优化的RBF神经网络在光伏电池MPPT中的应用73-78
• 4.3.1 基于GA优化的RBF神经网络的实现方法73-76
• 4.3.2 GA-RBF神经网络在光伏电池MPPT中的应用76-78
• 4.4 本章小结78-80
• 第五章 结论与展望80-82
• 参考文献82-85
• 致谢85-86
• 攻读学位期间发表的学术论文86-88

【引证文献】

中国期刊全文数据库 前1条

1 何人望;吴迅;齐艳;饶建兰;;基于PSIM的光伏并网系统的仿真研究[J];电源技术;2012年06期

中国硕士学位论文全文数据库 前10条

1 黄克亚;光伏发电系统最大功率点跟踪算法研究及实现[D];苏州大学;2010年

2 焦凌云;光伏发电系统MPPT及自动跟踪控制的研究[D];中原工学院;2011年

3 田华;计及感应电动机负荷的光伏并网系统的小干扰稳定性分析[D];太原理工大学;2011年

4 常超;三相光伏并网系统控制策略的研究[D];西安理工大学;2010年

5 李建;一种具有MPPT功能的并网逆变器研究[D];青岛大学;2010年

6 王东娇;太阳能光伏发电控制技术研究[D];中北大学;2010年

7 韩雄;光伏阵列模拟器的设计[D];太原理工大学;2012年

8 解俊娣;基于DFLC的光伏发电MPPT控制策略的研究[D];天津理工大学;2012年

9 何占宁;双模式光伏控制系统的研究[D];青岛大学;2012年

10 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

  本文关键词：太阳能（光伏）应用系统优化控制的研究，由笔耕文化传播整理发布。

，

本文编号：328730