新型光伏系统MPPT控制策略的研究

doi:10.11930/j.issn.1004-9649.2014.3.33.3

摘要/Abstract

摘要： 在Matlab/Simulink仿真环境下,搭建了光伏电池的通用仿真模型,并提出了一种新的基于神经网络预测结合中值法的光伏发电系统最大功率点跟踪（MPPT）的控制策略。即在外界环境或负载发生变化时,先通过BP神经网络给出新的外界条件下的初始占空比,再结合小步长的中值法,直至达到最大功率点跟踪的目的。最后利用生成的神经网络模块,进行了相关的对比仿真,结果表明,新的控制策略能够快速、准确的跟踪到当前条件下的最大功率点,并具有较好的稳态性能。

关键词: 光电池模型, MPPT, 中值步长法, 神经网络

Abstract: Based on the platform of Matlab/Simulink,a generic simulation model of PV battery is built. Then a MPPT control strategy of PV system based on intermediate value of step length method combined with neural network is proposed. When the environment or the load changes suddenly,the BP neural network will provide the initial duty ration. After that,by using the intermediate value of step length method with small-step,the system will get to the MPP finally. In the end, by using neural network module, the simulation results show that the control strategy proposed in this paper can track the MPP fast and accurately with a good static performance.

Key words: PV model, MPPT, The intermediate value of step length method, Neural network

中图分类号:

TM615

金晓虎, 陈华, 冯涛. 新型光伏系统MPPT控制策略的研究[J]. 中国电力, 2014, 47(3): 33-36.

JIN Xiao-hu, CHEN Hua, FENG Tao. Research on a new MPPT control strategy of PV system[J]. Electric Power, 2014, 47(3): 33-36.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2014.3.33.3

https://www.electricpower.com.cn/CN/Y2014/V47/I3/33

[1]	吴小忠, 肖立华, 童超, 夏向阳, 袁翎, 甘星, 江志文, 黄湘源. 基于传递熵与JS-BP神经网络的锂离子电池容量预测模型[J]. 中国电力, 2025, 58(2): 186-192, 215.
[2]	王宇飞, 杜桐, 边伟国, 张钊, 刘慧婷, 杨丽君. 基于DTW K-medoids与VMD-多分支神经网络的多用户短期负荷预测[J]. 中国电力, 2024, 57(6): 121-130.
[3]	吴军英, 路欣, 刘宏, 张彬, 柴守亮, 刘蕴春, 王佳楠. 基于Spearman-GCN-GRU模型的超短期多区域电力负荷预测[J]. 中国电力, 2024, 57(6): 131-140.
[4]	邵必林, 纪丹阳. 基于VMD-SE的电力负荷分量的多特征短期预测[J]. 中国电力, 2024, 57(4): 162-170.
[5]	陈巳阳, 韩利, 方济中, 丁五行, 成诚, 李文, 张源, 钱勇. 基于不确定参数的变电站碳储量预估方法[J]. 中国电力, 2024, 57(4): 200-210.
[6]	娄奇鹤, 李荣盛, 谭捷, 袁铁江. 基于卷积神经网络的暂稳极限功率计算[J]. 中国电力, 2024, 57(4): 211-219.
[7]	马汝括, 董杰, 王雅湉, 伊国鑫, 丁祥浩, 马乐. 基于神经网络的高寒地区CF₄和SF₆/CF₄检测[J]. 中国电力, 2024, 57(3): 103-112.
[8]	阎洁, 杨佳琳, 王航宇, 卢姣阳, 刘永前, 张磊. 基于风况预测误差自适应的海上风电场尾流偏转控制方法[J]. 中国电力, 2024, 57(3): 190-196.
[9]	李卓, 王胤喆, 叶林, 罗雅迪, 宋旭日, 张振宇. 从感知-预测-优化综述图神经网络在电力系统中的应用[J]. 中国电力, 2024, 57(12): 2-16.
[10]	陈庆斌, 杨耿煌, 耿丽清, 苏娟, 孙京生. 基于相似日选取和数据重构的短期光伏功率组合预测方法[J]. 中国电力, 2024, 57(12): 71-81.
[11]	陈来恩, 曾小勇, 曾子豪, 成采辰, 孙耀科. 基于物理信息与深度神经网络的锂离子电池温度预测[J]. 中国电力, 2024, 57(11): 18-25.
[12]	薛松萍, 高德荃, 赵子岩, 林彧茜, 广泽晶, 张大卫. 基于业务差异化传输需求下的电力通信网路由算法[J]. 中国电力, 2024, 57(11): 183-190.
[13]	周颖, 白雪峰, 王阳, 邱敏, 孙冲, 武亚杰, 李彬. 面向虚拟电厂运营的温度敏感负荷分析与演变趋势研判[J]. 中国电力, 2024, 57(1): 9-17.
[14]	王大兴, 宁妍, 汪敬培, 徐洋, 毕峻, 周铭标, 王鹏. 构建新型电力系统背景下的微电网鲁棒简化建模[J]. 中国电力, 2024, 57(1): 148-157.
[15]	皮志勇, 朱益, 廖玄, 李振兴, 方豪, 吴沛. 基于深度学习的智能变电站通信链路故障定位方法[J]. 中国电力, 2023, 56(7): 136-145.