论文部分内容阅读
光伏发电系统主要通过光伏阵列将太阳能转换为负载所需要的电能。光伏阵列在标准的外部环境条件下,其功率-电压(P-V)输出曲线呈现单峰现象,当光伏阵列受到局部阴影遮挡或光伏电池部分损坏时,其P-V曲线会出现多个峰值,使用单峰的最大功率追踪(MPPT)算法,容易陷入局部最优解。因此针对上述问题,本文提出了一种基于负载电压反馈与自适应神经网络控制(DANC)相结合的混合算法,并与粒子群算法(PSO)、基于微分平坦控制的混合算法以及基于反馈负载电压与变步长电导增量(INC)混合算法进行对比分析并通过硬件实验进行验证。论文首先分析了光伏系统结构,并对光伏电池、Boost电路进行建模分析。在标准的外部环境条件下,得到了光伏电池的P-V特征输出曲线。其次在单峰情况下,对扰动观察法(P&O)、INC法、模糊控制、改进的模糊控制及DANC算法进行仿真分析,突出了DANC算法的优点。然后对3?3光伏阵列的SP模型进行建模仿真,分析其在两种情景下的P-V曲线,阐明了单峰算法容易陷入局部最优解的原因。对PSO算法、微分平坦控制与P&O法相结合的混合算法进行仿真分析,提出微分平坦控制与模糊控制相结合的混合算法。最后对PSO算法、基于微分平坦控制的混合算法的优缺点进行分析,提出了一种基于反馈负载电压与DANC相结合的混合算法,并与基于反馈负载电压与变步长INC法相结合的混合算法进行对比分析,突出本文所提算法在追踪效率上的优越性。通过Matlab仿真和硬件实验,进一步证明该算法的可行性。