论文部分内容阅读
光伏并网发电是利用太阳能的主要方式,与之相关的各项技术是当前研究热点。针对当前光伏并网发电系统存在的光伏阵列在长时间工作中可能出现的各种故障不能及时有效的被发现,光伏并网逆变器最大功率点跟踪(MPPT)算法在非均匀光照下性能较差等问题,本文采用人工智能算法,提出了基于概率神经网络(PNN)的光伏阵列故障诊断算法和基于花粉传播法(FPA)的MPPT算法,并以TMS320F28335为控制核心设计了一套光伏并网逆变器,提高了系统智能化控制水平。首先,对光伏并网逆变器的拓扑结构和关键算法进行理论分析与研究,重点研究MPPT算法和光伏阵列故障诊断方法。其次,搭建仿真模型对系统进行仿真,验证逆变器硬件参数设置是否合理,并对所提算法原理及参数进行仿真和调试。最后,完成系统软硬件设计制作并测试。本文系统由硬件电路,DSP控制软件和故障诊断上位机构成。硬件电路采用BOOST升压两级式非隔离拓扑结构,辅助电路有采样,驱动,控制等模块。DSP控制软件主要由MPPT、并网控制、孤岛检测、采样滤波等算法构成。其中,MPPT算法基于FPA来实现,通过大量仿真分析合理确定了算法参数;并网控制算法采用电压电流双闭环控制,通过理论分析和仿真调试确定PI补偿参数;孤岛检测算法采用主动频移法,在并网控制算法基础上微调即可。故障诊断采用概率神经网络算法,在分析各种故障特点的基础上确定了输入变量,采集了大量故障数据进行训练和预测,并基于MATLAB完成了上位机编写。在理论和仿真研究的指导下,本文设计研究的光伏并网逆变器样机达到了预期的各项指标。样机额定输出功率达到1200W,整机效率达到90%以上,并网功率因数0.99以上,THD在4%以内。MPPT算法效率在99%以上,并且在参数设置,收敛时间和输出震荡方面与现有同类算法相比均有明显优势。当发生孤岛效应时,系统能够在0.2s之内检测到并断开与电网的连接。对光伏阵列故障诊断的准确率在95%以上。本文在并网逆变器参数设计,MPPT算法,阵列故障诊断算法等方面取得的成果对其它并网逆变器的研究设计具有一定的参考价值。