光伏發(fā)電系統最大功率點跟蹤研究.pdf

1、隨著經濟持續(xù)發(fā)展和世界人口急劇增長，現代社會對能源的需求量越來越大，而傳統的化石能源不符合可持續(xù)發(fā)展的要求，同時會造成嚴重的環(huán)境污染，因此尋求新型綠色可持續(xù)能源已刻不容緩。太陽能是一種綠色無污染、可持續(xù)的能源，為提高光伏發(fā)電效率，本文選擇光伏發(fā)電系統中的最大功率點跟蹤(maximumpowerpointtracking，MPPT)作為研究課題。
　　本文根據光伏電池實體輸出特性建立了光伏電池等效電路結構圖以及等效輸出數學模型，上利

2、用Matlab軟件創(chuàng)建了光伏電池仿真模型。利用光伏電池模型對不同光照強度及電池溫度條件下光伏電池的P-V和I-V特性進行了仿真研究，并通過仿真結果對光照強度和電池溫度對最大功率點電壓、電流及輸出的最大功率影響總結概括。
　　通過對光伏電池特性研究，探討最大功率點跟蹤方法及改進措施。本文選取基于擾動自尋優(yōu)控制方法中的擾動觀察法和電導增量法進行研究，首先通過Matlab建立基于此兩種方法的電路仿真模型，對跟蹤效果進行分析，針對方法的不

3、足，對擾動步長地設定及跟蹤過程中地誤判問題做了優(yōu)化，并通過Matlab仿真驗證。采用自適應步長和防誤判進行優(yōu)化的兩種MPPT控制方法擾動步長確定靈活同時避免了誤判地發(fā)生，有效地增加光伏電池的輸出功率，提高了光伏電池發(fā)電效率。
　　在人工智能方法應用于最大功率點跟蹤控制上，本文采用了基于支持向量機回歸(SupportVectorRegression，SVR)的光伏MPPT控制方法。在建立了基于SVR的光伏MPP預測模型基礎上，構建了

4、基于SVR的光伏MPPT控制器，并應用于光伏發(fā)電系統電路，運行結果驗證了基于SVR的光伏MPPT控制器可行性和有效性。對比采用基于BP(BackPropagation)神經網絡的預測模型，預測結果表明基于SVR的預測模型預測精度好于BP神經網絡，更適應于作為光伏MPPT控制器的應用算法。由于基于SVR的光伏MPPT控制器對MPP預測準確性取決于SVR預測模型，而SVR預測模型預測能力表現與模型參數之間有重要的關聯，本文對SVR預測模型參

5、數分別采用了網格搜索算法(GridSearchAlgorithms，GSA)、遺傳算法(GeneticAlgorithms，GA)和粒子群優(yōu)化算法(ParticleSwarmoptimization，PSO)三種算法進行優(yōu)化，并比較三種方法優(yōu)化下模型性能。結果表明GSA-SVR法預測精度較高，但同時需要大量時間對模型參數尋優(yōu);PSO-SVR法預測精度稍低于GSA-SVR，但高于GA-SVR。PSO-SVR預測模型優(yōu)化簡便，用時短，預測精