基于神经网络模型的光伏发电系统MPPT研究

基于神经网络模型的光伏发电系统MPPT研究
论文题目：基于神经网络模型的光伏发电系统MPPT研究
专 业：电气工程及其自动化

摘 要：
随着现代科技的进步和世界经济的发展，人们对能源的需求量越来越大，而随着化石能源的枯竭，全球能源危机日益严重，因此清洁的可再生能源便成为了各国近年来研究的重点。太阳能是重要的可再生能源之一，太阳能具有普遍、清洁、巨大、容易获取等优点，光伏发电是人类对太阳能最有效的利用方式。光伏发电的研究对于缓解全球能源危机具有重要意义。
本文研究的重点是对光伏发电系统的最大功率点跟踪。通过对光伏发电的最大功率点跟踪，能够最大程度地提高光伏系统的发电效率。本文对光伏发电的原理和光伏电池的输出功率特性进行了分析，在MATLAB中构建光伏发电系统模型，采用BP神经网络模型对最大功率点进行预测，然后用PID控制法改变系统占空比实现MPPT跟踪，从而提高光伏发电系统的发电转换率。
通过对几种常见最大功率跟踪方法进行了研究和仿真，把传统的MPPT控制法和智能MPPT控制法进行对比分析，并把BP神经网络算法作为本文研究的主要内容，在MATLAB中对神经网络模型进行有监督的学习训练，创建了有效的BP神经网络，然后把它运用在光伏发电系统中，实现最大功率点跟踪。
本文详细介绍了对基于神经网络模型的光伏发电系统的MATLAB模型仿真过程，对实验结果进行了系统分析。

关键词：神经网络，最大功率点跟踪，光伏发电，MATLAB仿真

Subject: Research on Photovoltaic Power Generation System MPPT Based on Neural Network Model
Specialty: Electrical Engineering and Automation
Abstract

With the advancement of modern science and technology and the development of the world economy, people’s demand for energy is increasing. With the depletion of fossil fuels and the growing global energy crisis, clean and renewable energy sources have become the research of countries in recent years. th
……（新文秘网https://www.wm114.cn省略1725字，正式会员可完整阅读）……　
lyzes the e*perimental results.

Key Words:neural network, ma*imum power point tracking,photovoltaic power generation, MATLAB simulation

目录
第一章 绪 论 1
1.1课题的的背景和研究意义 1
1.1.1课题背景 1
1.1.2研究意义 2
1.2光伏发电的最大功率跟踪研究现状 2
1.2.1最大功率点跟踪 2
1.2.2我国MPPT研究及发展情况 3
1.3本文主要内容 3
第二章 太阳能光伏发电概述及其特性 5
2.1 太阳能光伏发电系统原理 5
2.2太阳能光伏系统的基本组成 5
2.3太阳能光伏发电系统分类 6
2.3.1并网光伏发电系统 6
2.3.2独立太阳能光伏发电系统 6
2.3.3复合型光伏发电系统 7
2.4光伏电池结构及其特性 8
2.4.1光伏电池结构 8
2.4.2光伏电池伏安特性 8
2.4.3光伏电池伏安特性曲线 9
2.5提高太阳能光伏发电效率的方法 10
2.5.1不同太阳能电池效率比较 11
2.5.2提高发电效率的方法 11
2.6 本章小结 11
第三章 光伏发电最大功率跟踪技术概述 13
3.1最大功率跟踪原理 13
3.2最大功率点跟踪的方法概述 14
3.2.1扰动观擦法（Perturb&Observea-P&O） 14
3.2.2增量电导法（Incremental Condutance） 16
3.2.3恒定电压法(CVT) 17
3.2.4粒子群控制法（PSO） 18
3.2.5模糊控制法 20
3.3 本章小结 21
第四章 基于神经网络的光伏发电MPPT跟踪 22
4.1神经网络概论 22
4.2 神经网络的类型 23
4.3 BP神经网络的结构和特点 23
4.3.1 BP神经网络的结构 23
4.3.2 BP神经网络的特点 25
4.4 BP神经网络的训练 25
4.4.1 BP神经网络的概述 25
4.4.2 BP神经网络的学习过程 25
4.4.3 BP神经网络的训练步骤 26
4.5 BP神经网络的输入层、输出层和隐含层的神经元个数的确定 29
4.6 BP神经网络的误差检验 30
4.7 本章小结 30
第五章 基于神经网络的光伏发电系统设计及仿真 31
5.1系统整体结构设计 31
5.2太阳能光伏电池组件的建模 32
5.3 DC/DC变换器的建模 34
5.4光伏发电系统整体模型 35
5.5最大功率点跟踪仿真 36
5.5.1扰动观察算法的仿真 36
5.5.2基于神经网络算法的光伏发电系统最大功率点仿真 37
5.6 本章小结 39
第六章 总结和展望 40
6.1论文总结 40
6.2光伏发电展望 41
参考文献 42
致 谢 44

第一章 绪 论
1.1课题的的背景和研究意义
1.1.1课题背景
当今社会已经步入了现代化高速发展的道路，随着世界经济的发展、人口的迅速增加、科技的日新月异，能源问题越来越受到我国以及世界各国的关注。在过去的20年之间，全球的能源消耗总量增加了40%左右。化石能源的消耗造成了严重的环境污染，酸雨、土地塌陷、水质污染、温室效应等问题时时刻刻如悬在我们头上的利剑[1]。而随着化石能源的不断消耗，能源危机带来的压力越来越大，世界各国都在寻求新的能源来满足高速发展的经济带来的巨大的能源需求。
中国是一个人口大国，我国对能源的需求量和消耗量越来越大。在已探明的各种能源中，我国的煤炭资源较丰富，但是石油和天然气都很少，无法满足我国经济发展的需求，每年都需要大量的进口，就拿我们最自豪的煤炭资源来说，也仅仅够中国开采100年左右。因此，发展可再生能源，减少污染气体的排放，改善环境是我国能源问题的出路，也是我们这一代人义不容辞的历史使命。2017年中国与世界能源结构对比如图1-1所示。

图1.1 2017年中国和世界能源结构对比图
从上图我们可以看到中国和世界之间还存在着巨大的差距，要想实现中国经济的持续快速发展，能源是必须解决的一个问题。2009年，在哥本哈根大会上中国向世界做出了郑重的承诺：到2020年，非化石能源占一次性消耗能源比重达15%以上，把实现降低能耗、降低环境污染作为我国经济发展的重要指标[2]。所以，我们积极地开发可再生能源，具有非常重大的意义。
1.1.2研究意义
中国正处在一个能源结构转型的阶段，我们对化石能源的需求还很高。随着我国能源结构的改革，可再生能源在能源结构中的比重不断增大，
目前我国对化石能源的依赖较高，大力发展新型的清洁能源是现时代的要求，其中太阳能具有普遍廉价、随处可见、总量巨大等优点，因此太阳能具有很高的发展潜力，根据世界能源组织预测，太阳能光伏发电将成为我国甚至全世界的重要能源之一。到2020年，光伏发电将得到极大的发展，在能源结构中所占的比重会进一步增大；到21世纪50年代，光伏发电量会占到世界总能源的20%，总之太阳能发电的总量会持续上升，并逐渐在能源结构中占主导地位[3]。
虽然光伏发电的前景很可观，但是目前光伏发电仍有很多问题需要解决，主要集中在以下几个方面:
（1）太阳能光伏发电的转换效率不高，由于晶体半导体的制造工艺等原因，太阳能大规模生产时最高功率只有18%左右，因此提高光伏发电的转换效率，是目前各国科学家研究的热门问题。
（2）发电效率不稳定问题，由于受光强、温度及阴影遮挡等的影响，光伏电池的输出功率波动很大，因此光伏发电是一种不稳定能源。光伏发电系统输出功率的波动会降低发电的效率，并引起电力系统在并网过程中的潮流分布。所以实现光伏发电最大功率跟踪是各国研究的重点之一。
（3）搭建光伏发电系统会占据很大的空间，由于太阳能的能量分布密度系数较低，导致光伏发电站占据大量空间，成为了当今光伏发电的一个难题。
（4）发电成本高。由于制作工艺等原因导致制作光伏电池时能耗较大，大大提高了成本，因此光伏电池发出的电能价格比火力发电较高。
综上分析，实现光伏发电最大功率跟踪，能够极大地提高光伏电池的发电效率，降低成本。
1.2光伏发电的最大功率跟踪研究现状
1.2.1最大功率点跟踪
太阳能电池组件的瞬时输出功率由于受外部电路的影响在U-I曲线上下移动，最大功率跟踪技术就是用电力电子器件和软件，使系统的输出电压工作在最大功率点附近。如果没有最大功率跟踪技术，电池组件的输出功率就有可能工作在任意功率点，造成光伏发电效率下降，甚至损坏太阳能电池板。
目前最大功率跟踪技术采用的方法很多，控制方法分为传统方法和智能控制法。常见的传统方法有：电压跟踪法CTV、扰动观测法P&O、短路电流比例法、电导增量法INC等；智能控制法是目前提出的最新的理论和科学技术，它是对传统方法的改进和引申，可以解决传统控制法无法解决的问题，比如最发功率曲线出现多峰时造成跟踪困难的问题[4]。现在较成熟的智能控制法有：粒子群算法、神经网络算法、模糊控制法等。其中神经网络算法对非线性曲线的预测较准确，在太阳能光伏发电中得到了广泛的应用，通过采用神经网络算法的MPPT模型，对复杂光照条件下的光伏电池的输出特性曲线进行较准确的预测和跟踪，具有准确性高、速度快、稳定等优点，能够实现理想的控制效果。
1.2.2我国MPPT研究及发展情况
我国的光伏发电产业期起步比较晚，在上世纪80年代首次在地面上应用光伏发电，但是由于成本较高、发电转换率较低等原因，光伏市场发展较慢，只在一些卫星电源和小功率设备上得到了应用；1990年我国的光伏市场迅速发展，其应用领域也进一步扩大，在石油、通信、交通、军事、航空航天等领域得到了大力发展。到目前为止，我国正在建设及已投入生产的光伏发电站已遍布全中国，尤其在我国西北地区，如新疆、西藏、内蒙古等地区建立了很多光伏发电场[5]。
我国的光伏发电开始研究的较晚，技术不够成熟，但是近年来随着光伏发电产业的大力发展，我国很多学者和科学家都在致力于光伏发电的研究，并且取得了很多成熟的可以应用于实践的研究成果。总的来说，光伏发电的MPPT研究仍是今后光伏发电的研究重点和热门话题。
1.3本文主要内容
本课题研究对象是基于神经网络模型的光伏发电系统MPPT，研究的重点在神经网络模型的选择和对光伏发电系统的最大功率点跟踪。通过对传统算法（如扰动法等）和BP神经网络算法的比较，分析它们各自的优缺点；在MATLAB仿真软件上建模，利用神经网络模型进行预测，通过PID控制法改变占空比，实现系统的最大功率跟踪。
具体工作有：
1查阅有关光伏发电的资料，了解光伏发电的历史、现状以及发展趋势，分析光伏发电的结构，根据光伏发电的原理及输出曲线特性函数建立数学模型，在这个基础上分析光伏电池的U-I曲线、输出功率P-I曲线；
2 学习传统光伏发电算法和人工 ……（未完，全文共26936字，当前仅显示4845字，请阅读下面提示信息。收藏《基于神经网络模型的光伏发电系统MPPT研究》）