基于神经网络和支持向量机的光伏最大功率跟踪研究

论文摘要

由于传统能源(如煤炭,石油,天然气等)的供给已出现严重短缺局面,人类开始将目光转向可再生能源的发展,太阳能作为一种新型的绿色可再生能源,与其他新能源相比其数量大,分布广,是最理想的可再生能源。特别是近几十年来,随着科学技术的不断发展进步,太阳能光伏系统及其相关产业已成为发展最快的行业之一,因此对光伏系统的研究也是越来越重要。目前,由于光伏电池的转换效率较低,且价格较高,使其回收成本周期长,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和缩短回收成本的周期。因此本文重点所研究的最大功率跟踪方法就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。首先,对光伏电池产生的原理和过程进行了较为详细的分析,系统论述了最大功率跟踪原理,对现有的研究成果进行了分析与评述,并指出了理论研究与实际应用中存在的困难和一些待解决的问题。其次,在数据采集系统的理论基础上,设计并实现光强温度的采集,采集数据为以后的研究服务。在分析了影响最大功率点因素基础上,对神经网络的理论进行分析和阐述,提出了将神经网络应用于光伏最大功率跟踪建模预测,并与干扰观察法进行比较,结果表明神经网络具有更高的精度和效率。最后,本文将支持向量机应用于光伏系统研究。利用支持向量机的全局优化、适应性强、泛化性能好等优点,对光伏组件数学模型进行逼近研究,仿真结果表明有着非常好的效果。同时利用支持向量机应用到光伏最大功率跟踪的研究,并与神经网络方法做比较。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景
• 1.1.1 国外光伏发电现状和发展趋势
• 1.1.2 国内光伏发电现状和发展趋势
• 1.1.3 光伏发电产业发展需要解决的问题
• 1.2 课题的研究动机及目的
• 1.3 国内外MPPT 的相关研究
• 1.4 主要研究的内容
• 第2章 太阳能光伏系统概述
• 2.1 太阳能光伏电池的原理
• 2.2 光伏电池特性研究
• 2.2.1 单体光伏电池等效电路
• 2.2.2 光伏电池组件和光伏方阵
• 2.3 最大功率跟踪原理
• 2.4 最大功率跟踪技术的研究进展
• 2.4.1 MPPT 在电力电子技术应用方面的研究进展
• 2.4.2 MPPT 在控制理论方面的研究进展
• 第3章 光伏数据的采集系统设计
• 3.1 数据采集系统
• 3.1.1 数据采集系统的组成
• 3.1.2 数据采样理论
• 3.1.3 数据采集系统的功能
• 3.2 太阳能辐射数据的采集
• 3.3 采集系统硬件和软件设计
• 3.3.1 硬件的设计
• 3.3.2 采集系统软件控制程序的实现
• 3.4 本章小结
• 第4章 光伏最大功率主要影响因素的研究
• 4.1 数学模型研究
• 4.2 光伏组件特性研究
• 4.3 本章小结
• 第5章 基于神经网络的光伏MPPT 预测
• 5.1 人工神经网络
• 5.1.1 神经网络基础知识
• 5.1.2 人工神经网络原理
• 5.2 BP 神经网络
• 5.2.1 BP 网络结构
• 5.2.2 BP 学习算法
• 5.2.3 基于BP 算法的多层前馈网络的主要能力
• 5.3 BP 神经网络在光伏MPPT 中应用
• 5.4 实际BP 网络结构的设计
• 5.4.1 BP 网络的设计
• 5.4.2 网络具体拓扑结构
• 5.5 样本的选择和预处理
• 5.5.1 样本的选择原则
• 5.5.2 样本的预处理
• 5.6 仿真结果分析及讨论
• 5.6.1 数据的选取
• 5.6.2 仿真分析与结论
• 5.7 小结
• 第6章 支持向量机在光伏系统中应用研究
• 6.1 统计学习理论
• 6.1.1 VC 维
• 6.1.2 推广性的界
• 6.1.3 结构风险最小化原理
• 6.1.4 SVM 实现SRM 原则的结构和依据
• 6.2 支持向量机回归
• 6.2.1 支持向量机回归原理
• 6.2.2 核函数和损失函数
• 6.2.3 支持向量机回归算法
• 6.2.4 SMO 算法
• 6.3 支持向量机的非线性建模与回归问题
• 6.3.1 非线性系统建模
• 6.3.2 SVM 回归问题的数学提法
• 6.4 支持向量机回归在光伏系统中的应用研究
• 6.4.1 光伏组件数学模型的逼近研究
• 6.4.2 支持向量机应用于光伏最大功率跟踪
• 6.5 本章小结
• 第7章 总结和展望
• 7.1 研究成果总结
• 7.2 未来工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文
• 个人简历