论文部分内容阅读
光伏发电是有效利用太阳能资源的途径之一,近年来受到了世界各国的高度重视并得到了快速的发展。目前,光伏发电面临的主要问题之一就是转换效率低。解决这一问题的途径之一就是在光伏发电过程中进行最大功率点跟踪。目前,国内外许多文献资料已提出了各种各样的光伏最大功率点跟踪算法,在提高光伏发电效率方面取得了显著的成效。其中,扰动观测法由于其控制思路简单、算法不复杂、对硬件要求低等优点而得到了广泛的应用。但是,扰动观测法存在扰动步长很难选择的问题,导致其较难兼顾提高动态响应速度和稳态跟踪精度。针对这一问题,本文提出了一种基于自适应神经模糊推理的变步长MPPT算法。本文的主要工作和成果如下:1.在分析光伏电池输出特性和扰动观测法等最大功率点跟踪算法的基本原理基础上,提出了一种基于自适应神经模糊推理的变步长MPPT算法。该算法采用一个变步长因子k与前次扰动的功率差和电压差的比值求积的结果作为下一次扰动的步长,这里的变步长因子k随光伏短路电流Isc的变化而变化,k和Isc之间的关系通过MATLAB的自适应神经模糊推理系统训练得到。2.在MATLAB中建立光伏电池的仿真模型和光伏最大功率点跟踪模型并进行具体仿真分析。通过仿真分析验证了基于自适应神经模糊推理的变步长MPPT算法的可行性与有效性。3.进行了光伏MPPT控制系统的设计。分别完成功率电路模块和控制电路模块中的各类硬件电路的设计。同时,根据系统功能的要求完成了光伏MPPT控制系统的软件设计。4.建立光伏最大功率点跟踪实验平台并进行具体实验分析。通过实验分析验证了光伏MPPT控制系统能够精确、稳定地工作和基于自适应神经模糊推理的变步长MPPT算法能够有效地进行光伏最大功率点跟踪。5.最后,对全文进行总结,并对今后进一步的研究提出一些展望。