基于神经网络的光伏发电MPPT的研究
基于神经网络的光伏发电MPPT的研究[20191215153109]
摘 要
21世纪是能源极度匮乏的时代，太阳能这一新兴能源的利用则引起了世界的关注，但目前光伏电池的转换效率低，而且成本高，阻碍了光伏发电的发展与推广。为了最大限度的利用光伏电池产生的功率，降低成本，本文的重点是使光伏组件在其最大功率点处工作，借此获得最大的输出功率。
利用神经网络来实现光伏发电最大功率点的跟踪可以大大提高光电转换效率。本文借助MATLAB/SIMULINK对光伏电池进行模型搭建与仿真，重点对影响光伏电池特性的两大因素：光照强度和温度进行研究，结果表明，BP神经网络与RBF神经网络均可较为快速准确的实现最大功率点的跟踪。结合二者不同的又是特点，本文对网络进行串联，即BP-RBF和RBF-BP两个串联模型，通过仿真结果可以看出，改进后的网络比之前独立的神经网络有更好的跟踪性能，即实际值和测试值的误差更小，同时也进一步的提高了神经网络的泛化性。因此，将组合神经网络和光伏发电系统结合起来研究具有不错的应用前景。
在此基础之上，利用神经网络的拟合预测能力的特点，再结合恒压控制法很好地实现了光伏发电系统的最大功率点跟踪。
查看完整论文请+Q: 351916072
关键字:光伏发电；最大功率点跟踪；BP；RBF；串联；恒电压控制；
目 录
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1 课题的研究背景及意义 1
1.2光伏电池存在的问题和解决方法 1
1.3 MPPT技术现状与发展 2
1.4神经网络的应用前景 2
1.5本文的主要工作与章节安排 2
第2章 太阳能光伏发电系统和太阳能光伏电池 4
2.1概述太阳能光伏发电系统 4
2.1.1光伏发电技术系统的基本组成 4
2.1.2 光伏发电系统的分类与应用 5
2.2光伏电池特性研究 5
2.2.1 光伏电池工作原理 5
2.2.2 光伏电池数学模型 7
2.3光伏电池的建模与仿真分析 11
2.3.1 光伏电池模型搭建 11
2.3.2 模型仿真结果分析 13
2.4本章小结 16
第3章 光伏发电最大功率点的跟踪控制算法 17
3.1光伏MPPT算法原理 17
3.2恒电压控制法 18
3.3本章小结 19
第4章 神经网络在光伏发电MPPT中的应用 20
4.1人工神经网络概述 20
4.1.1 人工神经元模型 20
4.1.2 神经网络模型及分类 21
4.1.3神经网络的学习方法 22
4.2 BP神经网络在光伏发电MPPT中的应用 23
4.2.1 BP神经网络概述 23
4.2.2 建立BP神经网络模型 24
4.2.3 BP神经网络的优缺点 25
4.2.4模型训练和仿真结果分析 26
4.3 RBF神经网络在光伏发电MPPT中的应用 30
4.3.1 RBF神经网络概述 30
4.3.2 建立RBF神经网络模型 31
4.3.3 RBF神经网络的优缺点 31
4.3.4模型训练和仿真结果分析 32
4.4改进型神经网络在光伏发电MPPT中的应用 34
4.4.1改进型神经网络的结构及原理 34
4.4.2 建立改进型神经网络模型 35
4.4.3模型训练和仿真结果分析 36
4.5本章小结 37
第5章 基于BPNN的改进恒压光伏MPPT控制 38
5.1BP神经网络的最大功率点跟踪 38
5.2基于BPNN的最大功率点跟踪流程 38
5.3最大功率点跟踪控制仿真分析 38
5.4本章小结 42
第6章 总结与展望 43
6.1总结 43
6.2展望 44
参考文献 45
致谢 47
附录 49
第1章 绪论
1.1 研究的背景和意义
能源和环境是国家持续发展和人民健康生活的重要保障，目前全球资源紧缺，生态和环境恶化，各国更加高度重视节能及节能新材料的应用。
从能源的角度出发，到目前为止世界经济的现代化主要都是靠这些有限的且不可再生的传统能源来支撑，而中国这些传统能源的储备情况更是岌岌可危，我们亟需寻求新的替代性能源来缓解这一眉睫；从环境角度出发，大气环境污染和生态被破坏主要是因为大规模开发利用化石能源。化石能源(比如石油)主要是通过“燃烧”来转为能量的，其燃烧过程中排放二氧化碳、氮氧化物等造成温室效应和酸雨等严重的环境污染问题。此时，我们不仅只需要可再生能源来解决我们的能源危机问题，我们更需要清洁的、无污染的新兴能源来替代传统的消耗能源。
为缓解传统能源消耗带来的生态环境问题和有限资源不断消失的能源危机，世界各国将目光转移到如何应用太阳能、氢能、风能、水能等一系列的新能源上。太阳能以其存在比较广泛、储存量丰富、采集便利、清洁安全等优势的受到世界越来越多的关注，太阳能的开发利用也可以大力发展光伏发电系统的事业。
1.2光伏电池的实际应用
太阳能发电即太阳能光伏发电(Photovoltaic，简称PV) ，是根据光生伏特效应原理，利用太阳电池将太阳光能直接转化为电能，是时下太阳能发电的主流。
太阳能具有普遍、无害、长久、巨大等它能源不可比拟的优点，光热、光化和光伏是三种直接利在太阳能的形式，光伏发电是其中发展最快且最有前途的一种。但是在实际推广应用中仍然存在以下问题：①光伏阵列效率低②系统造价成本高③气候环境因素的影响。
面对以上光伏发电存在的问题，主要的解决重点是如何提高光伏电池组件能量转换效率，这样才能最大限度的弥补效率低成本高带来的缺陷。主要的解决方法有：①通过改造光伏电池制造工艺，提高其转换效率②通过机械的方式对太阳高度角进行跟踪使其尽可能大的将光能进行转换③设计MPPT控制器，结合MPPT算法使系统始终工作在最大功率点，输出尽可能多的电能，提高转换效率。
1.3 MPPT技术的现状与发展
MPPT（Maximum Power Point Tracking)，即我们所称的最大功率点跟踪，可以提高光伏发电系统的发电效率、降低发电成本的，其有力地发展了光伏发电技术[1]。本文讨论的光伏电池，主要是研究影响输出功率的两大主要因素：温度和光照强度，而光伏电池的唯一的最大功率点可以体现在输出特性曲线上，MPPT的目的就是跟踪到这个最大点。
目前最大功率点的跟踪已经有很多的方法，大体上可以分为两大类，即自寻优和非自寻优。常见的扰动观测法、短路电流法或恒定电压法、电导增量法等为自寻优算法，其中扰动观测法算法比较简单而且易实现，但是响应速率却比较慢。极其容易在光照强度变化较快时，跟踪从而发生错误。对照恒定电压的控制法就相对简单，但是却需要使用额外的光伏器件，来获取控制所需的光伏器件的开路电压，单纯适用于小功率的场景。曲线拟合法则属于非自寻优算法，现今应用的比较少。但当上述传统控制效果欠佳或无法实现的情况下，智能控制算法的优势更为明显。常用的智能算法有模糊控制，神经网络等，在未来的应用会愈来愈广，发挥的作用也会愈来愈大。
1.4神经网络的应用前景
神经网络以其独有的非线性映射、多层前馈网络学习、存储大量输入输出模式映射关系的能力，已被广泛的应用于建模、模拟识别、控制工程、优化计算和联想记忆、信号处理等多个领域，成为近年来的研究热点。主要应用如下[21]：
①自动控制领域②处理组合优化问题③模式识别④图像处理⑤传感器信号处理
⑥机器人控制⑦经济⑧信号处理⑨卫生保健、医疗。
神经网络理论在以上众多研究领域取得了广泛的成功，但它并不是尽善尽美的，相信随着进一步深入的研究，神经网络将会为人类带来福利。
1.5本文的主要工作与章节安排
本文主要工作如下：
第一章绪论部分主要介绍了光伏发电的背景意义，光伏发电目前存在的问题和解决方法，提出本文使用神经网络来实现MPPT的论据。
第二章详细介绍光伏发电系统的基本概念，为研究光伏电池工作原理和输出特性，介绍了两种光伏电池的建模方法即理论模型和工程数学模型，主要针对G（光照强度）和T（温度）两大因素研究了输出特性曲线V-I和V-P。
第三章主要阐述了MPPT的工作原理，分析几种常见最大功率点跟踪算法，鉴于其各自的优缺点，本文提出利用神经网络实现最大功率点的跟踪。
第四章主要介绍BP与RBF神经网络在MPPT中的应用。搭建各自的模型，通过学习训练，分别实现最大功率点的跟踪。鉴于其各有所长，本文提出对神经网络的结构进行改进，串联形成BP-RBF和RBF-BP网络,仿真结果发现改进后的网络有着更好的跟踪性与泛化性。
第五章主要介绍基于BPNN的改进恒压光伏MPPT控制系统，通过控制电路将光伏电池的最大功率由波动趋于一个稳定值，便于得到最大功率处的电压值。
第六章主要总结本文所做工作，对仍待改进与完善的的地方作提出下一步的展望。
第2章 太阳能光伏发电系统和太阳能光伏电池
2.1概述太阳能光伏发电系统
太阳能发电利用电池组件将太阳能直接转变为电能，目前我国主要研究生产适用于无电地区家庭照明用的小型太阳能发电系统，太阳能光伏发电系统图如下所示：
图2-1 光伏电池系统
光伏发电系统的优势与劣势如下：优势为无转动部件，不产生噪声；无空气污染，不排放废水：无燃烧过程，不需要燃料；运行可靠，无工质消耗；劣势为光伏阵列发电效率低；系统造价成本高；气候环境对发电的影响很大。
2.1.1光伏发电技术系统的基本组成
光伏发电系统组成由太阳能电池方阵、蓄电池组、负载、蓄电池、电力电子变换器等，光伏发电系统的构成方框图2-1所示[2]：
图2-2 光伏发电系统构成框图
2.1.2 光伏发电系统的分类与应用
按照光伏发电系统与电网的关系分类，主要分为独立光伏发电、并网光伏发电、混合型光伏发电系统三类[4] ，其中，独立光伏发电系统不与公共电网相连，主要广泛应用于环境恶劣的高原、海岛、偏远山区及野外作业，也可作为通讯基站、广告 灯箱、路灯等供电电源，有效缓解电力短缺地区的需求矛盾，解决偏远地区的生活及通讯问题。并网光伏发电系统与公共电刚相连，能够缓解当今严重能源危机问题，是目前太阳能发电的主流趋势；混合型光伏发电系统有着独特的资源优势，例如在某些煤炭、风力和农作物秸秆资源丰富的地区，将光伏运用到其中去产生更好的收益。
摘 要
21世纪是能源极度匮乏的时代，太阳能这一新兴能源的利用则引起了世界的关注，但目前光伏电池的转换效率低，而且成本高，阻碍了光伏发电的发展与推广。为了最大限度的利用光伏电池产生的功率，降低成本，本文的重点是使光伏组件在其最大功率点处工作，借此获得最大的输出功率。
利用神经网络来实现光伏发电最大功率点的跟踪可以大大提高光电转换效率。本文借助MATLAB/SIMULINK对光伏电池进行模型搭建与仿真，重点对影响光伏电池特性的两大因素：光照强度和温度进行研究，结果表明，BP神经网络与RBF神经网络均可较为快速准确的实现最大功率点的跟踪。结合二者不同的又是特点，本文对网络进行串联，即BP-RBF和RBF-BP两个串联模型，通过仿真结果可以看出，改进后的网络比之前独立的神经网络有更好的跟踪性能，即实际值和测试值的误差更小，同时也进一步的提高了神经网络的泛化性。因此，将组合神经网络和光伏发电系统结合起来研究具有不错的应用前景。
在此基础之上，利用神经网络的拟合预测能力的特点，再结合恒压控制法很好地实现了光伏发电系统的最大功率点跟踪。
查看完整论文请+Q: 351916072
关键字:光伏发电；最大功率点跟踪；BP；RBF；串联；恒电压控制；
目 录
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1 课题的研究背景及意义 1
1.2光伏电池存在的问题和解决方法 1
1.3 MPPT技术现状与发展 2
1.4神经网络的应用前景 2
1.5本文的主要工作与章节安排 2
第2章 太阳能光伏发电系统和太阳能光伏电池 4
2.1概述太阳能光伏发电系统 4
2.1.1光伏发电技术系统的基本组成 4
2.1.2 光伏发电系统的分类与应用 5
2.2光伏电池特性研究 5
2.2.1 光伏电池工作原理 5
2.2.2 光伏电池数学模型 7
2.3光伏电池的建模与仿真分析 11
2.3.1 光伏电池模型搭建 11
2.3.2 模型仿真结果分析 13
2.4本章小结 16
第3章 光伏发电最大功率点的跟踪控制算法 17
3.1光伏MPPT算法原理 17
3.2恒电压控制法 18
3.3本章小结 19
第4章 神经网络在光伏发电MPPT中的应用 20
4.1人工神经网络概述 20
4.1.1 人工神经元模型 20
4.1.2 神经网络模型及分类 21
4.1.3神经网络的学习方法 22
4.2 BP神经网络在光伏发电MPPT中的应用 23
4.2.1 BP神经网络概述 23
4.2.2 建立BP神经网络模型 24
4.2.3 BP神经网络的优缺点 25
4.2.4模型训练和仿真结果分析 26
4.3 RBF神经网络在光伏发电MPPT中的应用 30
4.3.1 RBF神经网络概述 30
4.3.2 建立RBF神经网络模型 31
4.3.3 RBF神经网络的优缺点 31
4.3.4模型训练和仿真结果分析 32
4.4改进型神经网络在光伏发电MPPT中的应用 34
4.4.1改进型神经网络的结构及原理 34
4.4.2 建立改进型神经网络模型 35
4.4.3模型训练和仿真结果分析 36
4.5本章小结 37
第5章 基于BPNN的改进恒压光伏MPPT控制 38
5.1BP神经网络的最大功率点跟踪 38
5.2基于BPNN的最大功率点跟踪流程 38
5.3最大功率点跟踪控制仿真分析 38
5.4本章小结 42
第6章 总结与展望 43
6.1总结 43
6.2展望 44
参考文献 45
致谢 47
附录 49
第1章 绪论
1.1 研究的背景和意义
能源和环境是国家持续发展和人民健康生活的重要保障，目前全球资源紧缺，生态和环境恶化，各国更加高度重视节能及节能新材料的应用。
从能源的角度出发，到目前为止世界经济的现代化主要都是靠这些有限的且不可再生的传统能源来支撑，而中国这些传统能源的储备情况更是岌岌可危，我们亟需寻求新的替代性能源来缓解这一眉睫；从环境角度出发，大气环境污染和生态被破坏主要是因为大规模开发利用化石能源。化石能源(比如石油)主要是通过“燃烧”来转为能量的，其燃烧过程中排放二氧化碳、氮氧化物等造成温室效应和酸雨等严重的环境污染问题。此时，我们不仅只需要可再生能源来解决我们的能源危机问题，我们更需要清洁的、无污染的新兴能源来替代传统的消耗能源。
为缓解传统能源消耗带来的生态环境问题和有限资源不断消失的能源危机，世界各国将目光转移到如何应用太阳能、氢能、风能、水能等一系列的新能源上。太阳能以其存在比较广泛、储存量丰富、采集便利、清洁安全等优势的受到世界越来越多的关注，太阳能的开发利用也可以大力发展光伏发电系统的事业。
1.2光伏电池的实际应用
太阳能发电即太阳能光伏发电(Photovoltaic，简称PV) ，是根据光生伏特效应
太阳能具有普遍、无害、长久、巨大等它能源不可比拟的优点，光热、光化和光伏是三种直接利在太阳能的形式，光伏发电是其中发展最快且最有前途的一种。但是在实际推广应用中仍然存在以下问题：①光伏阵列效率低②系统造价成本高③气候环境因素的影响。
面对以上光伏发电存在的问题，主要的解决重点是如何提高光伏电池组件能量转换效率，这样才能最大限度的弥补效率低成本高带来的缺陷。主要的解决方法有：①通过改造光伏电池制造工艺，提高其转换效率②通过机械的方式对太阳高度角进行跟踪使其尽可能大的将光能进行转换③设计MPPT控制器，结合MPPT算法使系统始终工作在最大功率点，输出尽可能多的电能，提高转换效率。
1.3 MPPT技术的现状与发展
MPPT（Maximum Power Point Tracking)，即我们所称的最大功率点跟踪，可以提高光伏发电系统的发电效率、降低发电成本的，其有力地发展了光伏发电技术[1]。本文讨论的光伏电池，主要是研究影响输出功率的两大主要因素：温度和光照强度，而光伏电池的唯一的最大功率点可以体现在输出特性曲线上，MPPT的目的就是跟踪到这个最大点。
目前最大功率点的跟踪已经有很多的方法，大体上可以分为两大类，即自寻优和非自寻优。常见的扰动观测法、短路电流法或恒定电压法、电导增量法等为自寻优算法，其中扰动观测法算法比较简单而且易实现，但是响应速率却比较慢。极其容易在光照强度变化较快时，跟踪从而发生错误。对照恒定电压的控制法就相对简单，但是却需要使用额外的光伏器件，来获取控制所需的光伏器件的开路电压，单纯适用于小功率的场景。曲线拟合法则属于非自寻优算法，现今应用的比较少。但当上述传统控制效果欠佳或无法实现的情况下，智能控制算法的优势更为明显。常用的智能算法有模糊控制，神经网络等，在未来的应用会愈来愈广，发挥的作用也会愈来愈大。
1.4神经网络的应用前景
神经网络以其独有的非线性映射、多层前馈网络学习、存储大量输入输出模式映射关系的能力，已被广泛的应用于建模、模拟识别、控制工程、优化计算和联想记忆、信号处理等多个领域，成为近年来的研究热点。主要应用如下[21]：
①自动控制领域②处理组合优化问题③模式识别④图像处理⑤传感器信号处理
⑥机器人控制⑦经济⑧信号处理⑨卫生保健、医疗。
神经网络理论在以上众多研究领域取得了广泛的成功，但它并不是尽善尽美的，相信随着进一步深入的研究，神经网络将会为人类带来福利。
1.5本文的主要工作与章节安排
本文主要工作如下：
第一章绪论部分主要介绍了光伏发电的背景意义，光伏发电目前存在的问题和解决方法，提出本文使用神经网络来实现MPPT的论据。
第二章详细介绍光伏发电系统的基本概念，为研究光伏电池工作原理和输出特性，介绍了两种光伏电池的建模方法即理论模型和工程数学模型，主要针对G（光照强度）和T（温度）两大因素研究了输出特性曲线V-I和V-P。
第三章主要阐述了MPPT的工作原理，分析几种常见最大功率点跟踪算法，鉴于其各自的优缺点，本文提出利用神经网络实现最大功率点的跟踪。
第四章主要介绍BP与RBF神经网络在MPPT中的应用。搭建各自的模型，通过学习训练，分别实现最大功率点的跟踪。鉴于其各有所长，本文提出对神经网络的结构进行改进，串联形成BP-RBF和RBF-BP网络,仿真结果发现改进后的网络有着更好的跟踪性与泛化性。
第五章主要介绍基于BPNN的改进恒压光伏MPPT控制系统，通过控制电路将光伏电池的最大功率由波动趋于一个稳定值，便于得到最大功率处的电压值。
第六章主要总结本文所做工作，对仍待改进与完善的的地方作提出下一步的展望。
第2章 太阳能光伏发电系统和太阳能光伏电池
2.1概述太阳能光伏发电系统
太阳能发电利用电池组件将太阳能直接转变为电能，目前我国主要研究生产适用于无电地区家庭照明用的小型太阳能发电系统，太阳能光伏发电系统图如下所示：
图2-1 光伏电池系统
光伏发电系统的优势与劣势如下：优势为无转动部件，不产生噪声；无空气污染，不排放废水：无燃烧过程，不需要燃料；运行可靠，无工质消耗；劣势为光伏阵列发电效率低；系统造价成本高；气候环境对发电的影响很大。
2.1.1光伏发电技术系统的基本组成
光伏发电系统组成由太阳能电池方阵
图2-2 光伏发电系统构成框图
2.1.2 光伏发电系统的分类与应用
按照光伏发电系统与电网的关系分类，主要分为独立光伏发电、并网光伏发电、混合型光伏发电系统三类[4] ，其中，独立光伏发电系统不与公共电网相连，主要广泛应用于环境恶劣的高原、海岛、偏远山区及野外作业，也可作为通讯基站、广告 灯箱、路灯等供电电源，有效缓解电力短缺地区的需求矛盾，解决偏远地区的生活及通讯问题。并网光伏发电系统与公共电刚相连，能够缓解当今严重能源危机问题，是目前太阳能发电的主流趋势；混合型光伏发电系统有着独特的资源优势，例如在某些煤炭、风力和农作物秸秆资源丰富的地区，将光伏运用到其中去产生更好的收益。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/2181.html
