论文部分内容阅读
为了缓解日趋严重的能源危机和传统能源消耗引起的日益恶化的生态环境,新能源的应用目益成为当今世界各国研究和开发的重点。太阳能具备绿色、安全、可再生等众多优点而广受青睐,将太阳能转换成电能是其重要的转换形式。但目前光伏发电的低效率、高成本等因素严重制约了光伏发电系统的推广和使用,而进行最大功率点跟踪是提高其转换效率的主要手段,本文将智能控制引入到最大功率点跟踪中,利用神经网络的拟合预测能力以及遗传算法的突出寻优特点,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。本文所做的工作如下：(1)首先对光伏发电的现状和发展趋势进行了综述,同时陈述了光伏MPPT技术的发展和评价标准,接着对光伏电池的原理也进行了简要介绍,并在Matlab/Simulink环境中搭建光伏电池模型,通过仿真获取U-I、U-P的动态变化曲线,分析外界条件变化对电池输出功率的影响趋势。(2)首先阐述光伏MPPT原理,接着仿真分析其实现途径,再具体分析各经典算法并分别建立其控制仿真模型,在此基础上结合上述电池模型搭建起完整的光伏MPPT仿真系统模型,仿真分析各算法优缺点,提出基于遗传算法优化BP神经网络的光伏最大功率点跟踪控制方法。(3)简要叙述了BP神经网络和遗传算法的原理,提出用BP神经网络预测光伏最大功率点处电压,再用遗传算法优化BP神经网络使其预测误差更为理想,在此基础上结合恒压控制法原理,提出基于GA-BPNN的改进型恒压光伏MPPT控制算法。(4)对遗传算法优化后的BP神经网络进行模块化处理,结合光伏MPPT仿真模型,搭建基于GA-BPNN的改进恒压型光伏MPPT仿真模型,并进行仿真分析,结果证明了该控制算法能准确快速的进行最大功率点跟踪,稳定性更好,精度更高。再结合Labview软件,搭建Labview显示界面平台,采集不同天气情况数据,结果验证了不管在什么天气情况下该最大功率点跟踪方法都有较好的跟踪效果。