欢迎来到天天文库
浏览记录
ID:34917598
大小:2.07 MB
页数:67页
时间:2019-03-14
《光伏发电系统监控、功率预测及故障检测相关技术的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、广东工业大学硕士学位论文(工学硕士)光伏发电系统监控、功率预测及故障检测相关技术的研究曾敏二〇一八年五月分类号:TM615学校代号:11845UDC:621.3密级:学号:2111504126广东工业大学硕士学位论文(工学硕士)光伏发电系统监控、功率预测及故障检测相关技术的研究曾敏指导教师姓名、职称:万频教授学科(专业)或领域名称:控制科学与工程学生所属学院:自动化学院论文答辩日期:2018年5月ADissertationSubmittedtoGuangdongUniversityofTechnologyfortheDegreeofMaster(MasterofEngineeringSci
2、ence)ResearchonRelatedTechnologiesofPhotovoltaicPowerGenerationSystemMonitoring、PowerPredictionandFaultDetectionCandidate:ZengMinSupervisor:WanPinMay2018SchoolofAutomationGuangdongUniversityofTechnologyGuangzhou,Guangdong,P.R.China,510006摘要摘要太阳能光伏发电具有绿色无污染、可持续开发等特点,在新能源产业中具有广阔应用与发展前景,并逐渐由次要供给能源向主要
3、供给能源过渡。就目前而言,其中的部分技术仍然需要完善,需要进行更深入的研究,从而提高光伏并网发电系统的效率和可靠性。本文对光伏发电系统的现状进行了分析,研究了光伏发电系统结构及其工作原理。通过分析发现,目前光伏发电监控子系统中的基于RS-485为主的通讯方案存在如传输效率低、容纳节点数少等不足,研制了基于CAN总线的光伏发电监控子系统,并进行了实验验证。最大功率预测是光伏并网发电系统研究的重要问题,论文详细分析了BP神经网络算法、粒子群算法(PSO)和极限学习机(ELM)算法,通过分析对比,最后结合PSO和ELM这两种算法,建立了PSO-ELM的输出功率预测模型,该方法利用PSO算法对EL
4、M模型参数输入权值和隐元偏置进行优化,应用优化得到的ELM模型对预测集进行预测,通过Matlab/Simulink实验仿真得到预测效果要优于常规的ELM模型和BP神经网络模型。光伏阵列故障检测是保证光伏发电系统可靠工作的重要环节,传统的光伏阵列故障检测有红外图像检测法和基于CTCT结构的多传感器检测法,通过对比分析,本文提出了一种基于北斗卫星与伪卫星结合的故障检测方案,能提高对位于偏僻地区的光伏阵列故障检测的可靠性,相对于传统的红外图像检测法和基于CTCT结构的多传感器检测法减少了传感器的使用数量。最后对整篇论文的工作内容进行了总结,并对后续的研究工作做出了期望。关键字:光伏并网发电系统;
5、CAN总线;光伏阵列;PSO算法;极限学习机I广东工业大学硕士学位论文ABSTRACTSolarphotovoltaicpowergenerationischaracterizedbygreen,pollution-freeandsustainabledevelopment.Ithasbroadapplicationanddevelopmentprospectsinthenewenergyindustry,andgraduallytransitionsfromsecondaryenergysupplytomajorenergysupply.Forthemoment,someoftheset
6、echnologiesstillneedtobeimprovedandmorein-depthresearchisneededtoimprovetheefficiencyandreliabilityofphotovoltaicgrid-connectedpowergenerationsystems.Thispaperanalyzesthestatusquoofphotovoltaicpowergenerationsystem,andstudiesthestructureandworkingprincipleofphotovoltaicpowergenerationsystem.Throug
7、hanalysis,itisfoundthatthecurrentbasedonRS485communicationsolutioninthephotovoltaicpowergenerationmonitoringsubsystemhasthedisadvantagesoflowtransmissionefficiency,lownumberofnodes,andsoon.ThebasedonCANbusphotovo
此文档下载收益归作者所有