基于动态电容充电的光伏阵列I-V测试仪

光伏阵列Ⅰ-Ⅴ测试仪是一种对光伏阵列进行现场测试,从而为有效评价光伏电站的控制和设计水平提供参考实验数据的仪器。为获取光伏阵列的Ⅰ-Ⅴ曲线,系统测试时采用动态电容充电的方式,将电容作为可变负载接于光伏阵列的输出端,当光伏阵列给电容充电时,连续采样该时段内的电压电流就可得到当前环境条件下光伏阵列的Ⅰ-Ⅴ特性曲线。通过对光伏阵列进行实际测量的结果表明:该测试系统运行稳定、携带方便、测量精度较高,并且测量得到的伏安特性可以在液晶上直接以曲线的形式显示,从而使测得的阵列特性更为直观,能满足工程应用的需要。     

中小功率光伏阵列I-V特性测试技术研究

这里采用一种基于动态电容充电方法,结合高速A/D采样和数据处理,实现对光伏阵列的现场I-V特性测试。该方法具有安全性高、体积小、成本低、精度高等特点,并可用于更大功率的光伏阵列现场测试。详细介绍了系统的结构原理和测试方法,并进行了样机研制和现场测试,实验结果表明该方法满足工程应用需求。     

基于可变电子负载的光伏阵列特性测试技术

针对光伏阵列的现场I-V特性曲线测试,提出了一种基于非线性可变电子负载的简易测试方法,该方法利用MOSFET的压阻控制特性作为非线性可变电阻负载,结合高速AID采样和数据处理,实现对光伏阵列的I-V特性测试.较常规的电容动态充电I-V特性曲线测试方法,该方法具有体积小、成本低、精度高、测试过程可控等特点.详细介绍了该系...     

光伏阵列区域特性曲线拟合与预估算法研究

介绍一种高精度的光伏阵列区域特性模型。首先采用不同的算法模型对光伏阵列实测IV数据进行拟合,分析比较各种模型的精度水平。推广模型的适用范围,加入环境因素的影响,基于上述各种算法模型对光伏阵列区域特性进行预估研究。通过实验结果对照分析,得到满足工程应用精度要求的实用预估模型,此模型仅采用实测的Isc、Voc、Im、Vm作为参数,便可测得任意环境下的光伏阵列区域特性。光伏阵列区域特性模型及测试的研究能有效地评估光伏阵列的性能,为光伏系统设计需要提供依据,便于光伏系统的开发和利用。     

光伏阵列故障检测方法综述

基于状态监测的故障诊断方法是提高光伏系统可靠性和安全性的有效实施途径.光伏阵列输出的非线性特性及其易受外界环境干扰的特点,导致传统保护装置难以检测到其直流侧故障.光伏阵列故障不仅会降低发电量、损害光伏组件,严重时甚至会导致大面积火灾.为解决该问题,专家学者们提出了多种光伏阵列故障检测方法,本文就常见的故障检测方法进行概...     

基于新型拟合算法的光伏阵列模拟器的设计与实现

随着生物能源日益枯竭,越来越多的国家开始重视可再生能源,其中利用太阳能的光伏发电技术受到世界各国的广泛青睐。但是太阳能电池板的昂贵造价,给实验研发带来了一定的经济困难,成为目前光伏产品开发的瓶颈。为减小实验成本,该文设计一种能够满足太阳能电池板输出特性的特殊电源,称为太阳能电池模拟器。分析光伏阵列模拟器的工作原理,并设计该模拟器的算法,同时利用Matlab对其进行仿真验证。最后用实验证实了理论分析的正确性。     

基于Bezier曲线的CIGS薄膜光伏电池I-V曲线简单拟合方法

精准的光伏电池输出数学模型是研究光伏系统的必要条件,然而由于厂家提供的数据有限,铜铟镓硒(CIGS)薄膜光伏电池的输出数学模型是包含若干未知参数的非线性特性曲线.因此提出仅利用厂家提供的有限数据,对CIGS薄膜光伏电池的电流-电压输出特性曲线,即I-V曲线进行拟合.首先利用Bezier曲线选取函数控制点,对CIGS薄膜光伏电池的I-V曲线进行拟合;然后找出Bezier曲线控制点位置与CIGS薄膜光伏电池的填充因子之间的函数关系;最后,利用4种新型CIGS薄膜光伏电池对该函数关系进行验证,并对结果进行了对比分析.分析结果表明,所提方法对4种CIGS薄膜光伏电池的I-V曲线的拟合方法的平均相对误差均小于0.8％,验证了所提方法的有效性.     

光伏组件热斑电池片功率损耗的简化算法研究

热斑故障是光伏组件各类故障中最常见的一种。热斑电池发热越大,热斑故障越严重,对光伏系统的危害越大。针对常见晶硅光伏组件结构,剖析了光伏组件因热斑故障所引起的发热机理,结合单二极管等效电路模型提出一种简化的热斑电池片功率损耗计算方法;分析了光伏组件的不同工作状态,并结合组件的I-V曲线给出了各种工作状态下简化功率损耗算法中的关键参数确定方法。通过对光伏组件热斑电池片实验测试温度和热仿真温度对比,验证了所提简化功率损耗计算方法的准确性。     

局部阴影下光伏阵列非机理建模

现有的阴影条件下的光伏阵列机理模型多为分段函数形式,较为复杂。提出采用傅里叶函数并使用曲线拟合的方法对阴影条件下光伏阵列进行非机理建模。改进了局部阴影条件下的光伏阵列的机理模型,获取光伏阵列的输出数据并进行线性插值。选取不同阶数的傅里叶函数对单阴影和多阴影条件下的光伏阵列的输出进行曲线拟合。该非机理模型具有统一的数学表达式,不需要分段描述,能对不同功率等级、不同精度要求的光伏阵列进行建模,简化了模型。     

光伏电池模拟器的设计与研究

光伏电池现在已经越来越多的应用在各个领域,对光伏电池的研究也越来越深入,但由于天气等方面因素,而不能随时利用光伏电池进行研究,因此设计太阳电池模拟器是十分必要的。根据太阳电池单体的数学模型,设计了电池单体的I-V特性曲线生成电路,实验结果表明该电路输出的I-V特性曲线能很好地满足模拟太阳电池单体的特性。为了维持直流母线的电压稳定,还设计了稳压调节器,并对太阳电池模拟器进行单支路和阵列实验来测试其直流母线特性。     

基于CSA算法的光伏阵列多峰最大功率跟踪研究

在实际工程应用中,由于受复杂的环境变化影响,光伏阵列功率-电压曲线通常呈多峰值状态,使用传统方法进行最大功率跟踪时,追踪速度和准确度都无法得到满足.为解决这些不足,提出了一种基于布谷鸟搜索算法与扰动观测法相结合的光伏阵列最大功率跟踪算法,在算法前期利用布谷鸟搜索算法突出的全局搜索能力迅速找到全局最大功率点所处的大致区域...     

基于太阳能发电的光伏阵列电气系统设计

清洁能源的使用是未来社会发展的趋势。以光伏发电为研究模型,对实现太阳能的高效利用展开研究,提出了一种高效的光伏阵列,使太阳能发电系统的能源利用率得到了显著的提升。通过对太阳能发电的电气系统进行一次设计,提出了35 kV侧无功补偿装置,使得系统更加合理、有效。     

多项式拟合的光伏电池阵列模拟器研究与设计

分析了光伏电池的数学模型,提出了一种简化的工程应用模型,该模型仅需要光伏电池的5个出厂参数就可以在工程精度下完整地复现光伏电池的外部特性,采用多项式拟合方法,成功地使用4段折线对光伏电池的I-U特性曲线进行了拟合。基于多项式拟合的光伏电池阵列特性曲线设计了一种数字式光伏阵列模拟器,该模拟器以Boost变换器作为主电路,采用电流闭环PI控制。仿真与实验证明,采用多项式对光伏电池特性曲线进行分段拟合具有较高的精确度,模型误差在6 %以下,可以满足光伏系统设计及仿真的精度要求,可以取代实际光伏阵列进行相关实验研究。     

基于改进型扰动观察法的光伏阵列MPPT方法研究

在分析光伏电池数学模型和输出特性的基础上,提出了一种固定电压法与改进的自适应步长占空比直接控制法相结合的方法.该方法应用固定电压法与自适应步长的扰动观察法相结合跟踪光伏阵列的最大功率点,在变化的环境条件下,使用MATLAB软件对这种自适应步长的跟踪方法进行仿真.仿真结果表明,所提方法能够快捷、准确地跟踪到光伏阵列的最大功率点,具有较好的控制精度,减少了在最大功率点振荡的能量损失,从而提高了光伏发电系统的能量转换效率.     

一种基于最小均衡差的光伏阵列重构方案

对于光伏阵列而言,局部阴影是其最常见的导致输出功率损失的原因,由局部阴影导致的功率损失不仅与阴影面积相关,更多地取决于阴影的分布位置以及光伏阵列中各光伏板之间的连接方式.为了提升阴影条件下光伏阵列的输出功率,提出了一种基于网式连接(TCT)结构的光伏阵列重构方法,重点研究了如何根据不同的阴影条件,合理重构光伏板之间的连...     

部分遮挡条件下光伏阵列最大功率点跟踪方法

针对光伏阵列在部分阴影遮挡条件下具有多个局域最大功率点的最大功率点跟踪问题,在详细分析光伏阵列I-V特性的基础上,提出一种新颖的全局最大功率点跟踪方法。该方法根据光伏阵列最大功率点附近电压随电流的增加迅速下降的特点,先以大步长扫描方法锁定到各局域峰点附近,然后再采用PO法以小步长跟踪该峰点,最后通过比较搜索到的各个局域峰点的功率来确定全局最大功率点。仿真和实验结果表明所提方法能够准确而迅速地跟踪到全局最大功率点,有效提高光伏阵列在部分阴影遮挡条件下的并网发电输出效率。     

基于纵横维度的光伏阵列群体类比状态评估方法研究

针对光伏阵列状态评估中指标选取维度较窄,异常状态及原因判定误差较大的问题,提出一种基于纵横维度的光伏阵列群体类比状态评估方法。将光伏阵列状态评估特征参量按照递阶层次结构划分,定义时间序列节点和光伏阵列监测点。从横向角度构造基于正负理想点评估法的光伏阵列运行状态评估模型,得出某项评估指标在不同光伏阵列单元中的最佳距离度。从纵向角度利用高斯曲线拟合法构造最佳距离度与评估指标的时间函数关系,得出光伏阵列群体运行状态曲线。从而准确识别异常阵列及对应异常指标,并及时给出预警,为光伏阵列运维提供决策依据。结合实际工程的光伏数据验证该方法,结果表明,该方法能够准确反映光伏阵列的实时运行状态,具有一定的应用价值。     

基于PSO优化BPNN估计光伏阵列MPPT控制系统研究

为了充分利用光伏阵列转换能量,提高光伏阵列的发电效率,在分析光伏阵列的伏安特性及最大功率点跟踪(MPPT)原理的基础上,提出了一种基于粒子群算法优化BP神经网络(PSO-BPNN)的建模方法,并用这种改进的神经网络构建了光伏阵列的动态模型.通过PSO-BPNN模型拟合光伏阵列输出功率与输出电压的非线性关系,实现了对光伏阵列的最大功率点跟踪.Matlab/Simulink仿真及在线测试结果表明:基于PSO-BPNN估计的光伏阵列MPPT控制系统能快速、精确地跟踪光伏阵列的最大功率点,改善了BP神经网络收敛速度慢,易陷入局部极值,建模精度不高的缺点,提高了系统的稳定性和能量转换效率,是研究光伏发电这个复杂非线性系统的一个可行办法.     

光伏出力特性指标体系和分类典型曲线研究

光伏发电近几年得到快速发展,其出力特性的分析研究逐步深入,但还没有形成成熟的光伏出力评价指标体系。针对这个问题,提出了面向电网运行的光伏出力特性指标体系。通过理论研究和数据测算,发现光伏出力的波动性较风电明显要小、规律性较强,完全可以采用简单、精炼的指标体系来表述。提出采用指标"季节属性"来表征光伏发电在不同季节的可出力时段,指标"平均出力"来表征光伏全天出力整体水平,指标"全日最大出力"来表征光伏出力对系统调节能力的影响。以某实际光伏电站出力为例,分析了所提评价体系的具体指标和分类结果。计算结果说明了通过核心指标体系,可以直观描述光伏出力特性,并有助于形成典型出力曲线,具有很好的应用前景。     

蚁群算法优化RBF神经网络的光伏发电MPPT

针对如何提高光伏电池最大功率点预测跟踪精度的问题,讨论了光伏电池非线性输出特性。在此基础上,建立基于RBF神经网络的光伏电池最大功率点预测跟踪模型,以光照强度和温度为模型的输入,光伏电池的最大功率点电压为模型输出,并将RBF神经网络的中心参数采用蚁群算法进行优化,从而实现最大功率点预测跟踪。仿真结果表明,该方法比传统的RBF神经网络方法具有更高的预测精度,能更好地预测跟踪光伏电池的最大功率点。