基于支持向量机的局部阴影条件下光伏阵列建模

被引:46
作者
陈阿莲
冯丽娜
杜春水
张承慧
机构
[1] 山东大学控制科学与工程学院
关键词
局部阴影; 光伏阵列; 支持向量机; 遗传算法;
D O I
10.19595/j.cnki.1000-6753.tces.2011.03.020
中图分类号
TM615 [太阳能发电];
学科分类号
0807 ;
摘要
<正>由于周围高大建筑物、树木等的遮挡,光伏阵列经常处在局部阴影中。而光伏阵列是光伏发电系统的关键部分,其电气特性容易受到光伏电池温度、太阳光辐射强度和负载阻抗等因素的影响。为了能够获得光伏阵列最大输出功率,建立其电气特性模型尤为重要。本文首先基于光伏阵列的工作原理,提出了一种快速建立局部阴影下光伏阵列数学模型的方法。然后,以建立数学模型的思想为基础,运用支持向量机理论,并分别通过交叉验证法和遗传算法对支持向量机中的未知参数寻优,得到能反映局部阴影条件下光伏阵列电气特性的伏安I-V曲线和功率电压P-V曲线。实验结果表明,基于支持向量机理论建立的模型能较好地反映实际光伏阵列的模型,而且模型的泛化能力强,可以作为局部阴影条件下光伏阵列建模的有效方法。
引用
收藏
页码:140 / 146
页数:7
相关论文
共 12 条
[1]   基于神经网络的光伏阵列发电预测模型的设计 [J].
陈昌松 ;
段善旭 ;
殷进军 .
电工技术学报, 2009, 24 (09) :153-158
[2]   局部阴影条件下光伏模组特性的建模与分析 [J].
刘邦银 ;
段善旭 ;
康勇 .
太阳能学报, 2008, (02) :188-192
[3]   基于支持向量机的开关磁阻电机转子位置估计 [J].
夏长亮 ;
贺子鸣 ;
周亚娜 ;
谢细明 .
电工技术学报, 2007, (10) :12-17
[4]   基于仿真模型的太阳能光伏电池阵列特性的分析 [J].
周德佳 ;
赵争鸣 ;
吴理博 ;
袁立强 ;
孙晓瑛 .
清华大学学报(自然科学版), 2007, (07) :1109-1112+1117
[5]   基于遗传优化的支持向量机小时负荷滚动预测 [J].
牛东晓 ;
刘达 ;
陈广娟 ;
冯义 .
电工技术学报, 2007, (06) :148-153
[6]   最大功率条件下串联太阳电池电流方程的确定 [J].
翟载腾 ;
程晓舫 ;
丁金磊 ;
查珺 ;
茆美琴 .
中国电机工程学报, 2007, (14) :87-90
[7]   基于一种改进的BP神经网络光伏电池建模 [J].
李炜 ;
朱新坚 ;
曹广益 .
计算机仿真, 2006, (07) :228-230+290
[8]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[9]  
太阳能光伏发电及其应用[M]. 科学出版社 , 赵争鸣[等]编著, 2005
[10]  
Computer simulation of shading effects in photovoltaic arrays[J] . M.C. Alonso-García,J.M. Ruiz,W. Herrmann.Renewable Energy . 2005 (12)