首页> 外文期刊>Светотехника >Моделирование фотоэлектрической панели с использованием MATLAB и Simulink и применение метода отслеживания точек максимальной мощности на основе нейронных сетей
【24h】

Моделирование фотоэлектрической панели с использованием MATLAB и Simulink и применение метода отслеживания точек максимальной мощности на основе нейронных сетей

机译:使用MATLAB和SIMULINK模拟光电板及其基于神经网络跟踪最大功率点的方法

获取原文
获取原文并翻译 | 示例
           

摘要

В настоящее время возобновляемые источники энергии играют важную роль в замене традиционных источников на ископаемом топливе. Солнечная фотоэлектрическая энергия -один из самых перспективных возобновляемых энергетических ресурсов, который вызывает интерес все больше в последние несколько лет. Основная проблема фотоэлектрической солнечной энергетики заключается в том, что при изменении условий работы панели с ячейками также изменяется напряжение, при котором из неё может быть получена максимальная мощность. В данной работе впервые выполнено моделирование солнечной фотоэлектрической панели с использованием MATLAB и Simulink. После этого для управления повышающим преобразователем постоянного тока применяется метод отслеживания точки максимальной мощности (Maximum Power Point tracking, МРРТ) основанный на искусственной нейронной сети (Artificial Neural network, ANN). Этот результат отслеживания МРРТ контроллером точки максимальной мощности (ТММ) оценивается и сравнивается по алгоритму «Отклониться и наблюдать» (Perturb and Observe, Р&О). Результаты моделирования показывают, что предложенная методика МРРT, основанная на нейросети, даёт более быстрый отклик, чем обычная методика по алгоритму «Отклониться и наблюдать» при быстрых изменениях условий эксплуатации. Это сравнительное исследование проводится с точки зрения временных вариаций рабочего цикла, выходной мощности, выходного тока, КПД и значений целевого тока. Все это выходные параметры повышающего преобразователь (Boost DC-DC), кроме целевого тока, который является входным параметром. Результаты измерения по времени всех параметров (для двух случаев: T=25°C и G=1000 Вт/м~2, и когда Т и G являются переменными), показывают незначительные отклонения от значения точки максимальной мощности. Используемый МРРТ контроллер на основе искусственной нейронной сети имеет время сходимости лучше, чем обычный метод «Отклониться и наблюдать».
机译:目前,可再生能源在更换传统的化石燃料中发挥着重要作用。太阳能光伏能量 - 最有前途的可再生能源资源之一,在过去几年中越来越感兴趣。光伏太阳能的主要问题是,当用电池改变面板的工作条件时,电压也改变,在此处可以从中获得最大功率。在本文中,执行了使用MATLAB和SIMULINK的太阳能光电面板的仿真。之后,基于人工神经网络(人工神经网络,ANN)的最大功率点跟踪,MRRT用于控制DC的拉紧转换器。跟踪最大功率点(TMM)的MRRT控制器的这种结果估计并与“大曲和观察”算法(扰动和观察,R&O)进行比较。仿真结果表明,基于神经网络的建议MRRT技术比算法“偏离和观察”的常用方法具有更快的响应,并在操作条件下的快速变化。该比较研究从工作周期,输出功率,输出电流,效率和目标值的临时变化的角度来看。除目标电流之外,转换器(Boost DC-DC)的增加还会增加所有此输出参数,这是输入参数。所有参数的所有参数的测量结果(对于两种情况:T = 25°C和G = 1000 w / m〜2,当t和g是变量),从最大功率点的值存在较小的偏差。基于人工神经网络的二手MRRT控制器具有比通常的方法“偏离和观察”更好的收敛时间。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号