论文部分内容阅读
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。