雾区光伏发电系统MPPT的多模态智能集群控制研究

摘要

能源危机和环境问题的日渐突出，使人类不得不开发和利用新型能源。在这种背景下，太阳能以其得天独厚的优势获得了世界各国的亲睐。大量的光伏发电系统被建设用于满足人类社会的供电需求。因而，分布式独立光伏发电如雨后春笋般被广泛应用于偏远地区、离网电气元件的供电，本文所涉及的高速公路多雾地段的用电需求正好能与该种供电方式完美的结合在一起。由于光伏电池的最大输出功率会随着环境参数的变化而不断改变，雨镳远地区则是多模态情况的典型代表。若想让光伏电池的输出功率最优，进行光伏电池最大功率点跟踪(MPPT)则是最行之有效的手段。本文主要工作如下:
　　首先，分析了光伏产业的国内外发展现状与趋势，光伏MPPT技术的研究情况以及本文研究的目的和意义。
　　其次，分析了光伏发电系统的类别，光伏电池的原理模型和工程数学模型。结合光伏电池的工程模型搭建了光伏电池的MATLAB仿真模型，并依据仿真模型对光伏电池的特性进行了分析，进一步阐述和分析了几种经典MPPT方法。
　　再次，简要分析了本文提出的多模态智能集群控制(MICC)方法的相关理论知识，包括神经网络技术、粒子群算法(PSO)及改进算法。同时，重点讨论了多模态智能集群控制(MICC)方法的框架结构和实现过程。另外，对于实现最大功率跟踪的DC-DC变换电路的电路结构和工作原理做了分析。
　　最后，在MATLAB/SIMULINK实验环境下，进行了不同MPPT方法的仿真研究并对实验结果做了分析和对比。具体内容有:结合神经网络技术和改进粒子群算法，构建了多神经网络的光伏智能重构模型，对四种重构模型的精度和误差做了对比分析;依次采用扰动观察法(P&O)、电导增量(INC)法、模糊控制法(FUZZY)构建了相应的MPPT模块，并实现了独立光伏发电系统在光照度上升和下降、温度上升和下降时的最大功率点跟踪;详细阐述了本文提出的多模态智能集群控制(MICC)方法的实现过程，对模态的分类、多神经网络结构以及模糊控制器做了详细的分析和讲解，并将该方法用于不同环境条件下的最大功率跟踪控制，获得了良好的跟踪效果;完成了四种MPPT方法的标况和非标况下的实验，采用图形和表格的形式将四种方法的性能做了对比。结果表明本文所提出的MICC方法性能最优，其功率损耗值最小、功率损耗率最低。