基于遗传神经网络的光伏阵列多峰最大功率点追踪

论文摘要

由于常规能源逐渐面临枯竭以及日本大地震带来的核安全危机,清洁的可再生的太阳能越来越受到人们的重视,并且在未来光伏电池的应用中有着良好的发展前景。但由于光伏电池的转换效率较低,且价格较高,严重阻碍了光伏系统的推广和应用,因此必须最大限度的利用光伏电池所产生的功率,以降低光伏发电的成本。因此本文研究的重点是使光伏组件工作在最大功率点处,以获得最大的输出功率。本论文研究了光伏电池的结构和原理,深入探讨了光伏系统的组成,特别是在非均匀光照条件下,系统的输出特性,针对光伏系统的非线性特性,将BP神经网络进行优化,提出了基于遗传神经网络的多峰最大功率跟踪方案,以提高跟踪的速度和精度。本文还重点研究和建立了基于Proteus的适用于光照不均匀情况下的光伏组件多峰仿真模型以及硬件跟踪系统。主要进行了以下四方面的研究:（1）分析了在光照不均匀条件下,光伏组件的特性,得出组件的I-V方程和P-V方程,并在MATLAB环境下,仿真出它的输出特性曲线,为后续的最大功率的跟踪打下基础。（2）深入分析了BP神经网络的基本工作原理,结合本系统的特点,将BP神经网络应用于多峰最大功率的追踪中,并且分析了其追踪的效果。（3）针对BP算法的不足,提出了遗传算法优化神经网络（GABP）的方案。实验证明,采用此方案对多峰最大功率进行跟踪,可以充分结合遗传算法的全局搜索能力和BP算法的局部搜索能力,加快收敛速度（迭代次数从122降到10）,提高了追踪的精度（平均误差SN从0.156降到0.0021）。（4）研究和建立基于Proteus的适用于光照不均匀情况下的光伏组件的多峰仿真模型及硬件跟踪系统,给出了光伏组件中含有旁路二极管时的仿真模型。为系统的硬件研究打下了基础。

论文目录

• 摘要
• Abstract
• 第1章 概述
• 1.1 研究目的和意义
• 1.2 国内外研究概况
• 1.2.1 多峰最大功率研究状况
• 1.2.2 光伏系统最大功率跟踪算法（MPPT）研究状况
• 1.3 本论文的主要研究内容
• 第2章 光伏系统概述
• 2.1 太阳能电池发电原理
• 2.2 单体光伏电池、光伏组件特性分析
• 2.2.1 单体光伏电池特性分析
• 2.2.2 光伏组件特性分析
• 2.3 本章小结
• 第3章 基于人工神经网络的光伏组件最大功率跟踪建模仿真
• 3.1 BP 神经网络算法
• 3.1.1 BP 神经网络
• 3.2 BP 算法的实现步骤
• 3.3 BP 网络的结构设计
• 3.3.1 输入输出层设计
• 3.3.2 中间层的设计
• 3.4 BP 神经网络在光伏系统最大功率中的应用
• 3.4.1 数据获取
• 3.4.2 样本的标准化处理
• 3.4.3 仿真训练、测试
• 3.5 本章小结
• 第4章 遗传算法优化神经网络
• 4.1 遗传算法的工作参数
• 4.1.1 参数的编码
• 4.1.2 适应度函数选择
• 4.1.3 遗传操作
• 4.2 遗传算法运算流程
• 4.3 遗传算法工具箱的函数及其功能
• 4.3.1 主界面函数
• 4.3.2 核心函数及其它函数
• 4.4 遗传算法与神经网络的结合
• 4.4.1 遗传算法优化神经网络
• 4.4.2 遗传算法优化BP 神经网络的实现步骤
• 4.4.3 仿真训练、测试
• 4.5 本章小结
• 第5章 多峰最大功率跟踪硬件系统的搭建与仿真
• 5.1 硬件电路
• 5.1.1 光伏阵列的搭建
• 5.1.2 DC/DC 转换电路
• 5.1.3 控制系统
• 5.2 软件设计
• 5.2.1 编程语言
• 5.2.2 单片机资源利用
• 5.2.3 多峰最大功率跟踪
• 5.2.4 系统流程
• 5.3 仿真结果
• 5.4 本章小结
• 第6章 总结和展望
• 6.1 研究成果总结
• 6.2 下一步工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文
• 本人简历