基于神经网络的光伏电池建模

《基于神经网络的光伏电池建模》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于神经网络的光伏电池建模基于神经网络的光伏电池建模.txt精神失常的疯子不可怕，可怕的是精神正常的疯子！本文由meilideyidian贡献doc文档可能在WAP端浏览体验不佳。建议您优先选择TXT，或下载源文件到本机查看。基于MATLAB6.5毕业设计说明书题目：基于神经网络的光伏电池建模姓名：王晔楠导师：仲志丹学校：河南科技大学学院：机电工程学院专业：机械设计及其自动化2008年5月前言太阳能电池根据光生伏特效应原理,将太阳光能直接转化为电能,在转化过程中,没有污染和噪声。太阳能是可再生能源,利

2、用这种能源不仅能够减少燃料损耗,还可以改善环境污染和全球变暖给人类生存所带来的威胁,因而越来越受到人们的关注。太阳电池阵列(也称为光伏阵)本质上是一种高度非线性功率源。其功率输出主要随太阳能日照和电池温度的变化而变化。前已建立目的模型大多是基于光伏阵的物理模型进行建模,对系统功率流进行计算,从而对系统的长期稳态性能进行评价。然而,这种方法需要有太阳电池和生产规格等详细的物理参数。对于用户而言,这些参数不容易获得,而且推导出的数学模型不一定准确,因此基于此法预测的最大功率点与实际情况相差较大[1]。其建

3、模精度极为有限,而且这些模型表达式过于复杂,难以满足工程上对光伏系统的实时控制要求。人工神经网络建模不需要任何光伏阵物理定义,因此在电力系统工程中吸引了人们越来越多的注意,大量的神经网络技术应用于光伏系统中[2～4]。这些方法大多采用反向传播多层感知器型神经网络(MLP-BP),然而,在训练中存在局部极值,不能建立最优模型或者不适合于特殊的系统。基于以上原因,本文采用改进的BP神经网络辨识方法对光伏电池进行辨识建模,以太阳能日照、温度以及负载电压作为神经网络辨识模型的输入量,光伏电池输出电流为输出量,

4、根据实验的输入输出数据建立光伏系统的电压/电流模型。实验结果表明,与传统的数学模型相比,BP建模的精度较高,训练时间短,更重要的是建模过程避免了复杂的解析建模,通过神经网络的计算,可以快速地得到电堆的输入/输出特性。这说明基于BP神经网络技术建立光伏阵这一个复杂非线性系统的模型是可行的1基于神经网络的光伏电池建模摘要由于光伏电池具有高度非线性特性,难以建模,而传统的数学模型难以满足光伏控制系统设计和应用的要求。文利用神经网络具有该逼近任意复杂非线性函数的能力,将神经网络技术应用到光伏阵的建模中,避开了

5、该模块内部的复杂性。模型以太阳能日照、度以及负载电压作为神经网络辨识模型的温输入量，光伏阵输出电流为输出量，采用改进型BP算法,建立了光伏电池的动态响应模型,然后预测了最大功率点。文中给出模型的结构,训练步骤和仿真结果。仿真结果表明,方法可行,建立的模型精度较高,从而为设计光伏实时控制系统奠定了基础。关键词：光伏电池;神经网络;建模2ModelingofPhotovoltaic-ArrayBasedonImprovedBPNeuralNetworksIdentificationABSTRACTFort

6、heseriouscomplexityofphotovoltaicarray(PV),modelingofitisverydifficultandtheexistingmodelsaretoocomplicatedtobeappliedtodesigningandcontrollingthesystem,especiallytoonlinecontrolling.Inthispaper,wetrytoestablishavoltageandcurrentmodelofPVarraybyusingneu

7、ralnetworksidentificationtechniques.Thetemperature,radiationandvoltageofthesolarcellsaretakenastheinputandthecurrentastheoutputoftheneuralnetworksmodel.Inthisway,wecanavoidtheinternalcomplexityofPVmodule.The595groupsexperimentaldataareused,andthestructu

8、reandthenovelBPalgorithmofneuralnetworksidentificationsystemaregiven.Thevalidityandaccuracyofthemodelareprovedbythesimulationresults.Theneuralnetworksmodelingmakesitpossibletodesignon-linecontrollerofPVsystem.KEYWORDS:Photovoltai