仪器仪表与分析监测
儀器儀錶與分析鑑測
의기의표여분석감측
INSTRUMENTATION ANALYSIS MONITORING
2015年
2期
26-31
,共6页
马进%黄鹏%刘卫亮%李强%蔡硕
馬進%黃鵬%劉衛亮%李彊%蔡碩
마진%황붕%류위량%리강%채석
太阳能%光伏发电系统%最大功率点跟踪%和声搜索算法%神经网络
太暘能%光伏髮電繫統%最大功率點跟蹤%和聲搜索算法%神經網絡
태양능%광복발전계통%최대공솔점근종%화성수색산법%신경망락
提出一种光伏发电系统最大功率跟踪方法,即一种和声搜索算法改进的BP神经网络预测模型HS-BP结合INC的MPPT方法.当外界环境条件变化时,可以通过预测模型直接将工作电压迅速调至Vref附近,从而大大提高了MPPT的跟踪速度;当以Vref为初值进行电导增量法INC以实现最大功率跟踪时,由于Vref已经接近最大功率点MPP对应的电压,故可以设置较小的扰动步长,因此可以改善MPPT的跟踪精度,从而有效地降低静态过程的功率损失.在基于单片机控制的硬件平台上进行试验,结果表明,该方法具有稳定、快速等优点,可以显著提高光伏电池的发电效率.
提齣一種光伏髮電繫統最大功率跟蹤方法,即一種和聲搜索算法改進的BP神經網絡預測模型HS-BP結閤INC的MPPT方法.噹外界環境條件變化時,可以通過預測模型直接將工作電壓迅速調至Vref附近,從而大大提高瞭MPPT的跟蹤速度;噹以Vref為初值進行電導增量法INC以實現最大功率跟蹤時,由于Vref已經接近最大功率點MPP對應的電壓,故可以設置較小的擾動步長,因此可以改善MPPT的跟蹤精度,從而有效地降低靜態過程的功率損失.在基于單片機控製的硬件平檯上進行試驗,結果錶明,該方法具有穩定、快速等優點,可以顯著提高光伏電池的髮電效率.
제출일충광복발전계통최대공솔근종방법,즉일충화성수색산법개진적BP신경망락예측모형HS-BP결합INC적MPPT방법.당외계배경조건변화시,가이통과예측모형직접장공작전압신속조지Vref부근,종이대대제고료MPPT적근종속도;당이Vref위초치진행전도증량법INC이실현최대공솔근종시,유우Vref이경접근최대공솔점MPP대응적전압,고가이설치교소적우동보장,인차가이개선MPPT적근종정도,종이유효지강저정태과정적공솔손실.재기우단편궤공제적경건평태상진행시험,결과표명,해방법구유은정、쾌속등우점,가이현저제고광복전지적발전효솔.
