基于LS-SVM的光伏最大功率跟踪控制方法

被引：4

作者：

蔡纪鹤 ^{[1
]}

孙玉坤 ^{[2
]}

李蓓 ^{[1
]}

徐艳 ^{[1
]}

机构：

[1] 常州工学院电子信息与电气工程学院

[2] 江苏大学电气信息工程学院

来源：

农业机械学报 | 2014年 / 45(S1)卷 / S1期

关键词：

光伏发电; 最大功率跟踪; 最小二乘支持向量机;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

为解决自然环境剧烈变化条件下,传统光伏最大功率跟踪控制中存在的控制精度低和误跟踪现象,建立了基于最小二乘支持向量机的最大工作点电压预测模型,通过该模型预测光伏发电系统的最大工作点电压,并用预测电压来修正恒电压控制法的参考电压,从而实现光伏发电系统的最大功率跟踪控制。仿真结果表明预测模型具有较高的精度,相对误差在0.04以内,控制方法能够快速、稳定地实现光伏发电系统的最大功率跟踪,有效避免误跟踪现象。

引用

页码：213 / 218

页数：6

共 13 条

[1] 基于MATLAB的光伏电池通用数学模型 [J].

王长江 .

电力科学与工程, 2009, 25 (04) :11-14

[2] 光伏阵列最大功率点跟踪控制方法综述 [J].

周林 ;

武剑 ;

栗秋华 ;

郭珂 .

高电压技术, 2008, (06) :1145-1154

[3] 基于聚类支持向量机的气体泄漏检测 [J].

方瑞明 .

仪器仪表学报, 2007, (11) :2028-2033

[4] 传感器动态建模的最小二乘支持向量机方法 [J].

汪晓东 ;

张长江 ;

张浩然 ;

冯根良 ;

许秀玲 .

仪器仪表学报, 2006, (07) :730-733

[5] 光伏技术的发展现状 [J].

汤叶华 ;

谢建 .

可再生能源, 2005, (03) :68-69

[6]

太阳能光伏发电最大功率点跟踪技术[M]. 电子工业出版社 , 赵争鸣, 2012

[7]

Least Squares Support Vector Machines. Suykens JAK,Van Gestel T,De Brabanter J,et al. Journal of Women s Health . 2002

[8]

Soft-sensor development for fed-batch bioreactors using support vector regression[J] . Kiran Desai,Yogesh Badhe,Sanjeev S. Tambe,Bhaskar D. Kulkarni. &nbspBiochemical Engineering Journal . 2005 (3)

[9] Prediction of key state variables using support vector machines in bioprocesses [J].

Li, YF ;

Yuan, JQ .

CHEMICAL ENGINEERING & TECHNOLOGY, 2006, 29 (03) :313-319

[10]

支持向量机的工程应用[M]. 兵器工业出版社 , 李应红,尉询楷,刘建勋编著, 2004

← 1 2 →