光伏发电系统的效率最优化研究

摘要

在能源枯竭与环境污染问题日益严重的当今世界，光伏发电成为可再生能源领域中最清洁、最现实、最有大规模开发利用前景的发电方式之一。然而，光伏电池的输出特性具有强烈的非线性，且受外界环境因素影响大，所以如何有效的利用太阳能，提高太阳能利用效率，成为太阳能利用中一个迫切需要解决的问题。本论文以光伏发电系统为研究对象，以最大限度利用太阳能为主要目标，展开了光伏发电系统效率最优化的理论和实验研究。具体说来，本文的主要研究内容可归纳如下： 一、概述了光伏发电系统的组成，根据不同场合的需要，对光伏发电系统进行了分类，并介绍了目前我国光伏发电技术的应用。在此基础上，详细分析了光伏电池板的工作原理，采用。MATLAB对同一光照强度下的光伏电池模型进行仿真，并将具有强寻优能力的仿真软件1st0pt率先用在光伏电池模型的仿真上，得出光照强度不断变化条件下的电流-电压，功率-电压的二维曲线，并且得出电流-电压-光照和功率-电压-光照的三维曲线。仿真曲线很直观地表示出电池的输出电流和电压的对应关系，同时也表明：光伏电池既非恒压源，也非恒流源，它不可能为负载提供任意大的功率；光伏电池特性具有强烈的非线性，并且其输出功率受到日照等周围环境因素的影响。 二、在实验室现有的110W。光伏电池的基础上，分别对光照不变和光照变化条件下的光伏电池进行实验测试，并将实验数据拟合成曲线，从而得到110W。光伏电池的实际输出特性曲线，实际输出曲线不仪很好地表明了光伏电池输出特性强烈的非线性，而且对以后的仿真研究有很大的实际价值，为实验验证打下了基础。 三、分析比较了几种传统光伏发电系统效率优化方法的优缺点。定电压跟踪法实现比较简单、稳定，然而其控制精度差，必须人工干预才能良好运行；电导增量法可以使输出端电压比较平稳，然而整个系统比较复杂，费用较高；功率回授法实现比较方便，但是稳定性及可靠性不理想，实际使用中不常用；扰动观察法控制简单，容易实现，但可能会发生振荡和误判现象。在实验室110W。光伏电池参数的基础上，采用扰动观察法，对光伏发电系统进行仿真研究，仿真结果表明采用扰动观察法会导致在最大功率点附近产生功率损失。 四、提出了一种基于遗传算法的光伏发电系统的效率优化算法，尝试将遗传算法用在光伏发电系统优化问题中。遗传算法将问题的求解表示成“染色体”，将其置于问题的“环境”中，根据适者生存的原则，从中选择出适应环境的“染色体”进行复制，即再生，通过交叉、变异两种基因操作产生出新一代更适合环境的“染色体”群，这样一代代不断改进，最后收敛到一个最适合环境的个体上，求得问题的最佳解。由于最好的染色体不一定出现在最后一代，开始时保留最好的染色体，如果在新的种群又发现更好的染色体，则用它代替原来的染色体，进化完成后，这个染色体便可看作是最优化的结果。光伏发电系统效率的优化问题实际上是如何使输出功率最大的问题，这里的输出功率便可看作是“染色体”。通过复制、交叉、变异等，最终得到的“染色体”即为最优的输出功率。将遗传算法应用在光伏发电系统中，能够提高太阳能的利用效率。最后，将仿真结果与在110Wp电池的基础上得出的实验结果进行比较，验证该方法的可行性。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题的研究背景

1.2课题的提出及研究现状

1.3光伏发电系统的组成和分类

1.4光伏发电系统的应用

1.5本文的主要研究内容

第二章光伏电池仿真与实验测试

2.1光伏电池的原理

2.2光伏电池的分类

2.3光伏电池的输出特性

2.4光伏电池模型仿真

2.4.1光伏电池模型

2.4.2光伏电池的仿真结果

2.5光伏电池输出特性实验测试

2.5.1光伏阵列的Ⅰ-Ⅴ特性现场测试

2.5.2实验结果

2.6本章小结

第三章最大功率点跟踪对比研究

3.1最大功率点跟踪的原理

3.2几种最大功率点跟踪方法的比较

3.2.1定电压跟踪法(Constant Voltage Tracking，CVT)

3.2.2电导增量法(Incremental Conductance Algorithm，ICA)

3.2.3功率回授法(Power Feedback Method)

3.2.4扰动观察法(Perturb-and-observe，PAO)

3.3基于110Wp光伏发电系统的扰动观察法的实现

3.3本章小结

第四章基于遗传算法的光伏发电系统效率的优化

4.1遗传算法简介

4.1.1遗传算法的产生和基本思想

4.1.2遗传算法原理及其优点

4.1.3遗传算法的基本原则和步骤

4.2采用遗传算法的光伏发电系统效率优化

4.2.1遗传算法的提出

4.2.2仿真结果

4.2.3实验结果

4.3本章小结

第五章全文总结及展望

参考文献

攻读学位期间的研究成果

致谢