局部阴影条件下光伏阵列输出特性的研究

当光伏阵列处于阴影情况下时,输出的I-V曲线呈阶梯状,相应的P-V曲线含有多个局域峰值。通过理论分析、Matlab仿真以及实验测试,研究阴影分布对光伏模组输出特性的影响。并以工程用光伏电池模型为基础,用Matlab语言建立了一个简单实用的光伏阵列辅助设计软件,利用该软件对光伏阵列在不同光照、温度、遮挡模式以及阵列结构下进行仿真研究,深入分析了光伏阵列在局部阴影下的I-V和P-V特性,给出全局最大功率点位置随遮挡模式变化的定性结论,为局部阴影下光伏阵列特性和最大功率点跟踪算法的研究提供了有力的支持。     

局部阴影最大功率点MPPT算法研究

光伏阵列作为太阳能光伏发电系统的基本发电单元,容易受到阴影的影响.在局部阴影条件下,光伏阵列的输出特性发生改变,相应的功率电压曲线含有多个局域峰值,使常规的最大功率点跟踪算法很难准确地跟踪到真正的最大功率点.在光伏电池通用数学模型的基础上,结合串并联理论,对局部阴影条件下光伏阵列的输出特性进行了数学建模分析,结果表明,带检测环节的MPPT算法有更好的适应性和稳定性.     

考虑多点局部阴影的光伏阵列建模及复合型最大功率跟踪算法研究

构成光伏组件的每个光伏电池在运行中由于制造、遮挡等因素的影响,其输出会有差异。当若干个光伏电池受到不同程度阴影遮挡导致其输出与正常电池有较大差异的时候,组件输出的P-U曲线会出现多峰情况,针对单峰的传统最大功率点跟踪（Maximum Power Point Tracking, MPPT）策略很可能失效,从而陷入局部最优值。为解决该问题,推导了多点局部阴影下的光伏阵列数学模型,该模型能够理想描述任意阴影情况下的阵列输出特性曲线。基于此模型,提出了结合全局扫描法、电导增量法,以及快速逼近公式的复合型MPPT算法,并进行了仿真验证。仿真结果表明：相比于传统算法,算法在光伏组件受到遮挡时不会陷入局部最优;同时,相比于全局搜索法,该算法寻优效率更高。     

适用不同尺度光伏阵列的数值建模方法

把光伏电池电路模型的离散计算结果作为基准数据源,利用数值计算方法实现对光伏阵列及各光伏单元的建模,详细阐述了该建模方法的实现机理及数学模型表达。针对光伏阵列运行中常遇到的阴影遮挡工况,建立了不同规模(单体光伏电池、组件、组串、阵列)的遮挡模型,并给出仿真结果。结果表明:在不同遮挡率下,单体光伏电池、组件的I-V输出特性曲线只有一个阶梯,P-V输出特性曲线仅有一个功率峰值;组串I-V输出特性曲线阶梯个数等于组件不同遮挡率个数,P-V输出特性曲线功率峰值个数不大于阶梯个数,并验证了两者之间的确切关系;光伏阵列的功率峰值个数与各组串的峰值个数关系复杂。该模型可适用于不同规模光伏阵列,仿真灵活,也容易与电力电子回路集成实现系统级仿真。     

局部阴影遮挡下太阳能电池-超级电容器件阵列建模及其缺失电流协同补偿方法

在局部阴影条件下,太阳能电池-超级电容器件(SCSD)阵列中被遮挡器件与未被遮挡器件的功率输出特性不一致,导致SCSD阵列输出功率曲线存在多峰值,需要建立局部阴影遮挡下SCSD阵列的数学模型,并解决局部阴影导致的功率多峰值问题.为此,建立了正常均匀光照、局部轻度阴影遮挡、局部重度阴影遮挡下SCSD阵列的数学模型,详细刻画了不同阴影遮挡条件下SCSD阵列的输出特性;在此基础上,提出了控制SCSD阵列中超级电容充放电以补偿阴影遮挡器件缺失电流的方法.MATLAB仿真和实验室实验结果表明:通过分段函数形式能准确描述局部阴影遮挡下SCSD阵列的数学模型;所提超级电容电流补偿方法不但能使局部阴影遮挡下SCSD阵列的输出功率恢复单峰值,而且有效提高了局部阴影遮挡下SCSD阵列的总输出功率.     

光伏电池建模及其输出特性研究

根据光伏电池的I-V数学函数关系式,在Matlab/Simulink环境下编写M文件,建立光伏电池的仿真模型,并分析局部遮挡现象,从理论上推导局部遮挡环境下的光伏电池模型。该模型可以模拟实际光伏电池在不同的太阳辐射强度、环境温度和局部遮挡情况下的电流、功率输出特性曲线。仿真结果验证了光伏电池的输出特性呈非线性,并随环境温度和日照强度的变化而变化;局部遮挡环境下,光伏电池电流输出呈阶梯型,功率输出呈多波峰。     

阴影对串联光伏阵列输出特性的影响

基于传统的光伏电池等效模型,研究了影响光伏电池输出特性的主要因素。通过对受部分遮挡的串联光伏组件工作状态的分析,建立了适用于任意遮挡情况下的串联光伏阵列的数学及仿真模型,通过仿真曲线与实验数据的对比验证了所建模型的正确性。利用所建模型,仿真分析了串联光伏阵列在不同遮挡程度下的输出特性曲线,对比分析了不同遮挡状态下串联光伏阵列的最大输出功率的变化。     

果蝇算法对多峰值光伏最大功率跟踪仿真研究

在实际应用中光伏阵列因为外界遮挡造成局部遮阴问题,造成光伏阵列的I—U和P—U的输出特性曲线呈现多峰值现象,常用的跟踪方法在速度、精度和最大功率点附近震荡性仍有较大改进空间。针对光伏阵列输出多个峰值特性,利用果蝇优化算法在多目标函数寻优上收敛速度极快的特点,提出一种改进的果蝇优化算法的全局最大功率跟踪。在Matlab中对建立光伏阵列的数学模型进行果蝇优化算法的仿真,通过仿真验证了该算法比PSO能准确、快速地追踪到全局最大功率点。为多峰最大功率追踪提供了新的思路。     

局部阴影条件下太阳能电池-超级电容器件的充放电控制方法

局部阴影条件下,传统光伏阵列中被遮挡光伏组件和未遮挡光伏组件的功率输出特性不一致,导致光伏阵列的功率输出曲线存在多峰值。为此,利用太阳能电池-超级电容器件(Solar cell-supercapacitor device, SCSD)的发电-储能双重功能,构建了以SCSD为基本单元的光伏阵列,并对正常光照和局部阴影下SCSD的数学模型及工作特性进行了分析。在此基础上,提出了一种基于开关网络的充放电控制方法。局部阴影下利用开关网络变换不仅能对SCSD进行独立控制,实现SCSD内部的超级电容对本身光伏功率缺额进行补偿,而且能控制多个SCSD的超级电容相互配合,共同补偿光伏功率缺额。最后基于Matlab仿真,验证了该方法不仅能有效避免储能电池组不均衡问题,而且能在局部阴影下使光伏阵列输出功率曲线恢复单峰值,最大限度地降低局部阴影下的光伏功率波动。     

光伏列阵的全局最大功率点追踪研究

针对光伏电池的最大功率点跟踪(MPPT)影响着光伏系统的发电效率,对光伏阵列的功率输出特性曲线进行了建模仿真分析,根据MPPT的目标是保持光伏阵列输出电压一直保持在最大功率点处,重点分析在光伏阵列出现局部阴影情况时的,光伏阵列的P-V输出特性为多峰曲线情况下,提出了一种基于改进的模拟退火粒子群算法的最大功率点跟踪控制方法,将模拟退火算法思想融入到粒子群算法中,改善粒子的探索能力,提升了最大功率点跟踪算法的收敛速度和精确性。     

光伏阵列多峰最大功率点跟踪研究

针对光伏组件输出特性的非线性以及受外部环境的影响,提出了一种遗传神经网络跟踪光伏阵列最大功率点方法.利用太阳能电池的物理特性和输出特性,建立了串联光伏组件的数学模型,给出了组件的电流电压和功率电压特性方程;同时利用MATLAB软件进行仿真、训练及测试,利用遗传神经网络算法成功地对系统最大功率进行跟踪.仿真结果表明,光照强度、温度及遮挡率直接影响着系统最大功率的追踪,与传统的BP算法相比,该算法跟踪的时间更短,精确度更高.     

部分阴影下光伏阵列功率输出多峰特性研究

搭建了基于Matlab的考虑雪崩击穿效应的光伏电池模型,分析了不同的光照条件对光伏电池正反向输出特性的影响。分析了部分阴影遮挡条件下热斑效应形成的原因。以电池串、并联和及组件串、并联的输出特性为基础,从理论和试验仿真上得出了光伏阵列功率输出的多峰特性产生的原因。此外,在部分阴影遮挡条件下,对比分析和验证了旁路二极管及阻塞二极管的加入,能够减少阵列的功率损失。     

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。     

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法EI北大核心CSCD

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。     

基于MATLAB的光伏电池阵列MPPT仿真研究

利用MATLAB/Simulink仿真模块,以光伏电池阵列的数学模型为基础,建立了一种光伏电池阵列的仿真模型.给出了仿真模型的内部结构,及其在不同环境温度和光照强度下的输出特性仿真结果.对仿真模块进行了最大功率点跟踪仿真,给出了仿真结果.     

阴影影响下最大功率点跟踪控制(英文)

在阴影影响下,光伏阵列输出特性存在多个局部最大功率点,传统最大功率点跟踪算法不能区别真正的最大功率点。利用Matlab仿真软件对不同阵列在不同光照及温度下输出特性进行了仿真,归纳了光伏阵列在阴影下导数–电压输出特性的变化规律。研究了基于导数等效面积的最大功率点所在区间定位以及求导采样点确定方法,并在区间定位方法基础上了提出了多极值点最大功率点跟踪方法。建立基于状态方程的系统仿真模型对该文提出的算法进行了仿真验证,搭建实验平台对该文提出的最大功率点跟踪方法进行了验证。仿真与实验结果验证了所提方法的正确性。     

基于支持向量机的局部阴影条件下光伏阵列建模

由于周围高大建筑物、树木等的遮挡,光伏阵列经常处在局部阴影中.而光伏阵列是光伏发电系统的关键部分,其电气特性容易受到光伏电池温度、太阳光辐射强度和负载阻抗等因素的影响.为了能够获得光伏阵列最大输出功率,建立其电气特性模型尤为重要.本文首先基于光伏阵列的工作原理,提出了一种快速建立局部阴影下光伏阵列数学模型的方法.然后,...     

局部阴影条件下光伏阵列旁路二极管和阻塞二极管的影响和作用

本文通过分析局部阴影条件下,光伏阵列旁路二极管和阻断二极管对其输出特性的不同影响,区别出旁路和阻断二极管减小功率失配损失的效果。采用适用于建立局部阴影条件下光伏阵列电路模型的Matlab自带solar cell双二极管电路模型,代替构建复杂的数学模型。仿真试验验证了光伏电池短路电流随辐照度线性变化,旁路二极管不同配置方式对应光伏阵列输出特性变化明显,光伏电池开路电压随辐照度非线性变化且变化范围更小,阻塞二极管配置前后对应输出特性变化小。     

基于BP神经网络的复杂光照条件下光伏列阵MPPT控制研究

当光伏列阵中出现移动云等遮挡物时,光伏输出特性曲线会出现多峰值的情况。本文针对这一现象,分析了光伏列阵不同遮挡位置、遮挡强度以及温度对光伏输出特性的影响,提出了一种基于BP神经网络的最大功率点跟踪(Maximum Power Point Tracking,MPPT)控制模型,通过对光伏阵列进行区域划分,并根据不同区域的光照强度与温度的变化,实现最大功率点跟踪与控制。将模型应用于单级式光伏并网系统中,进行了Matlab的软件仿真实验和RT_LAB的硬件在环仿真实验,仿真结果表明该方法能够在复杂环境条件下对光伏系统进行最大功率跟踪,具有较高的精度和快速反应能力。     

基于神经网络的光伏阵列多峰MPPT的研究

为了减少神经网络训练数据的数量,根据局部阴影条件下光伏阵列的输出特性,提出基本阴影遮挡类型概念,使得神经网络仅需要训练少量数据,就可以准确地预测最大功率点电压。首先,通过实际光伏阵列数据测试仅训练基本阴影遮挡类型的BP神经网络对最大功率点电压的跟踪效果。然后,搭建光伏发电MPPT仿真系统,对比扰动法、固定电压法和BP神经网络结合扰动法在阴影类型、光照强度和温度三方面变化时对MPP的跟踪效果。最后,通过分析表明,经过基本阴影遮挡类型训练的BP神经网络结合扰动法能够有效地跟踪最大功率点,即基本阴影遮挡类型能够减少神经网络跟踪多峰MPP的训练数据获取量。