电源技术
電源技術
전원기술
CHINESE JOURNAL OF POWER SOURCES
2013年
8期
1410-1413,1421
,共5页
光伏阵列%粒子群优化算法%BP神经网络%最大功率点跟踪%阻抗变换器
光伏陣列%粒子群優化算法%BP神經網絡%最大功率點跟蹤%阻抗變換器
광복진렬%입자군우화산법%BP신경망락%최대공솔점근종%조항변환기
photovoltaic array%particle swarm optimization algorithm%BP neural network(BPNN)%maximum powerpoint tracking%impedance converter
为了充分利用光伏阵列转换能量,提高光伏阵列的发电效率,在分析光伏阵列的伏安特性及最大功率点跟踪(MPPT)原理的基础上,提出了一种基于粒子群算法优化BP神经网络(PSO-BPNN)的建模方法,并用这种改进的神经网络构建了光伏阵列的动态模型.通过PSO-BPNN模型拟合光伏阵列输出功率与输出电压的非线性关系,实现了对光伏阵列的最大功率点跟踪.Matlab/Simulink仿真及在线测试结果表明:基于PSO-BPNN估计的光伏阵列MPPT控制系统能快速、精确地跟踪光伏阵列的最大功率点,改善了BP神经网络收敛速度慢,易陷入局部极值,建模精度不高的缺点,提高了系统的稳定性和能量转换效率,是研究光伏发电这个复杂非线性系统的一个可行办法.
為瞭充分利用光伏陣列轉換能量,提高光伏陣列的髮電效率,在分析光伏陣列的伏安特性及最大功率點跟蹤(MPPT)原理的基礎上,提齣瞭一種基于粒子群算法優化BP神經網絡(PSO-BPNN)的建模方法,併用這種改進的神經網絡構建瞭光伏陣列的動態模型.通過PSO-BPNN模型擬閤光伏陣列輸齣功率與輸齣電壓的非線性關繫,實現瞭對光伏陣列的最大功率點跟蹤.Matlab/Simulink倣真及在線測試結果錶明:基于PSO-BPNN估計的光伏陣列MPPT控製繫統能快速、精確地跟蹤光伏陣列的最大功率點,改善瞭BP神經網絡收斂速度慢,易陷入跼部極值,建模精度不高的缺點,提高瞭繫統的穩定性和能量轉換效率,是研究光伏髮電這箇複雜非線性繫統的一箇可行辦法.
위료충분이용광복진렬전환능량,제고광복진렬적발전효솔,재분석광복진렬적복안특성급최대공솔점근종(MPPT)원리적기출상,제출료일충기우입자군산법우화BP신경망락(PSO-BPNN)적건모방법,병용저충개진적신경망락구건료광복진렬적동태모형.통과PSO-BPNN모형의합광복진렬수출공솔여수출전압적비선성관계,실현료대광복진렬적최대공솔점근종.Matlab/Simulink방진급재선측시결과표명:기우PSO-BPNN고계적광복진렬MPPT공제계통능쾌속、정학지근종광복진렬적최대공솔점,개선료BP신경망락수렴속도만,역함입국부겁치,건모정도불고적결점,제고료계통적은정성화능량전환효솔,시연구광복발전저개복잡비선성계통적일개가행판법.
