基于bp神经网络的光伏列阵mppt控制研究-电气工程专业论文.docxVIP

万方数据 万方数据 中图分类号：×××× 学校代码：10188 UDC：×××× 密级：公开 基于 BP 神经网络的光伏列阵 MPPT 控制研究 硕 士 研 究 生：李帅 导 师：任先文 学 位 类 别：硕士 学 科 专 业：电气工程 或专业学位领域 所 在 单 位：电气工程学院 答 辩 日 期：2016 年 3 月 授 予 学 位 单 位：东北电力大学 Classified Index: ×××× U.D.C: ×××× STUDY ON PHOTOVOLTAIC ARRAY MPPT CONTROL BASED ON BP NEURAL NETWORK Candidate： Li Shuai Supervisor： Professor Ren Xianwen Academic Degree Applied for： Master of Engineering Speciality： Electrical Engineering Affiliation： School of Electrical Engineering Date of Defence： Mar, 2016 Degree-Conferring-Institution： Northeast Dianli University 摘 要 摘 要 目前，由于社会经济的快速发展，所带来的能源紧缺和环境污染问题越来越严重。 太阳能作为一种可再生的清洁能源已成为了最具发展潜力的新能源，而光伏发电技术 作为利用太阳能最有效的方法之一受到了社会的广泛关注。由于光伏列阵附近可能会 出现塔杆等固定遮挡物以及移动云等移动遮挡，以及光照强度和环境温度可能随时出 现变化，使得光伏列阵的输出特性曲线会出现多峰值的情况，导致传统的最大功率跟 踪方法不能准确的对光伏电池进行跟踪控制，大大降低了光电转换率，造成能源浪费 的同时光伏电池的寿命也受到了影响。因此，在复杂光照条件下对光伏电池进行最大 功率跟踪控制对提高光伏发电效率具有重要意义。 本文通过对光伏电池的工作原理进行分析，在 MATLAB 中搭建了光伏电池模型， 对不同遮挡情况下的光伏列阵的输出特性曲线进行了分析。根据单极式光伏发电系统 原理，搭建了单极式光伏并网发电的光伏模型。 本文通过对几种传统最大功率跟踪方法的研究及仿真，分析传统方法在复杂光照 条件下容易陷入局部最大功率点以及最大功率点方向误判等情况。并对新型智能算法 进行了介绍，基本的 BP 神经网络算法只能够在光伏列阵出现固定遮挡物时进行准确 放大最大功率跟踪控制，而当出现移动遮挡物时，其跟踪准确度明显下降。在此基础 上提出了改进的 BP 神经网络算法。在 MATLAB 上搭建了神经网络模型，将其应用在 单级式光伏并网发电系统当中。模拟当有移动云经过光伏列阵时，测试改进的 BP 神 经网络算法对光伏列阵进行最大功率跟踪控制情况。 为了进一步验证改进的 BP 神经网络法的有效性，通过 RT_LAB 进行了硬件在环 半实物仿真。在 RT_LAB 中构建单极式光伏模型，并完成了改进的 BP 神经网络算法 及生产 PWM 波的 DSP 程序。改进的 BP 神经网络算法能够在光伏列阵出现移动或者 固定遮挡物时对光伏列阵进行准确的最大功率跟踪控制。 与典型的神经网络算法相 比，MPPT 的反应速度加快了，跟踪准确度也得到了提高，并且可以在光伏列阵出现 移动遮挡物时进行准确跟踪。 关键词：光伏发电；最大功率跟踪；阴影遮挡；BP 神经网络；单极式光伏发电系统； 光伏列阵模型 I - 万方数据 万方数据 东北电力大学硕士学位论文 Abstract At present, due to the rapid development of social economy, the energy shortage and environmental pollution problems have become more and more serious. Solar energy as a renewable clean energy has become the most development potential of new energy, and photovoltaic power generation technology as one of the most effective way to use the sola r energy has been widely concerned by the community. Because of the shielding in photovoltaic array surrounding public facilities, buildin