基于神经网络和支持向量机的光伏最大功率跟踪研究

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。