基于PSCAD的光伏并网系统的研究

光伏发电是一个日趋重要的研究课题.根据光伏电池数学模型,利用PSCAD软件建立光伏电池的仿真模型 并进行了仿真,结果表明光伏电池的输出特性呈明显非线性并随环境温度和光照的变化而变化.针对光伏电池最大功 率跟踪点,在原有电导增量法基础上提出了一种改进的MPPT模型搭建方法(变步长电导增量法),仿真结果表明外 界环境发生变化时,改进的电导增量法能够使光伏阵列快速、准确地跟踪最大功率点,确保系统稳定高效运行.为实 现光伏发电系统并网运行,搭建了光伏逆变器模型,成功地将光伏直流电逆变成交流电并入电网稳定运行.     

光伏电池数学模型分析及MPPT控制仿真

提出新型光伏电池数学模型,与其他传统数学模型相比,能准确反映实际光伏电池的输出特性,更好地描述光伏电池的电气特性,对光伏发电系统的理论深入研究提供参考价值。为了实现最大功率点跟踪,在常用的变步长电导增量法基础之上,提出了改进的控制策略。该方法控制精度高、能消除追踪过程中的振荡现象,并且提高了响应速度。基于PSCAD中搭建仿真模型,依照光伏电池厂家提供技术参数模拟光伏电池的输出特性,并验证数学模型和MPPT模拟器的有效性。分析仿真结果表明,选用的光伏电池数学模型和改进变步长电导增量法能够符合工程应用场合。     

光伏电池和MPPT控制器的仿真模型

分析了光伏电池的工程用数学模型,并在MATLAB环境下建立了光伏电池的仿真模型。设计了最大功率点跟踪控制器的仿真模型,用来实现光伏电池的最大功率输出。该控制器使用导纳增量法实现最大功率点跟踪。在MATLAB/SIMULINK环境下搭建光伏发电系统的仿真模型进行了仿真。仿真结果表明,搭建的仿真模型能够准确地反映不同自然条件下光伏发电系统的特性与功能,可以用于光伏发电系统的仿真研究。     

光伏电池建模及其输出特性仿真

根据光伏电池实用模型,在Matlab/Simulink环境下,结合S函数的编写建立其动态仿真模型。该模型可以模拟实际光伏电池在不同的太阳辐射强度、环境温度下的I-U和P-U特性曲线,并且具有在一定光照强度和环境温度下跟踪太阳能电池最大输出功率的功能。仿真结果表明,太阳辐射强度增大,光伏电池输出功率增大;环境温度上升,光伏电池输出功率呈下降趋势。     

新型模块化光伏电池及MPPT控制器的研究

针对光伏电池通用仿真模型复杂、难懂等问题,基于Matlab/simulink提出一种对光伏电池中几个重要参数进行模块化处理的新型仿真模型,该模型简单、明了且可以清晰的得到不同温度和光照强度对光伏电池参数的影响。并结合新型的MPPT跟踪方法,通过判断dU×dP的符号,系统在外界环境变化时,只需经过2个判断即可准确得到系统工作位置,快速跟踪到最大功率点。最后在Matlab/simulink环境下仿真验证本模型不仅可以准确还原光伏电池的I-U特性曲线,通过与新型跟踪方法结合,明显缩短了系统的跟踪时间,减弱了系统在最大功率点的振荡现象。     

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。     

太阳能光伏电池电气特性仿真研究

建立工程用光伏电池数学模型,并在Matlab/Simulink仿真环境下建立光伏电池输出特性的仿真模型,通过仿真得到不同环境条件下的光伏电池输出特性曲线。结果表明,当外部光照强度或温度发生变化时,所建模型能够准确反映光伏电池的基本电气特性,验证了模型的有效性。     

光伏电池通用模型及自适应MPPT控制方法

根据光伏电池的等效结构进行推理计算得出光伏电池阵列特性方程的数据求解方法,基于Matlab仿真环境建立了光伏电池通用模型。为了最大效率的利用太阳能,基于常规使用的扰动观察法,提出了改进的自适应最大功率点跟踪(MPPT)控制方法;介绍了控制原理并给出了内部结构,建立了基于Matlab的太阳能光伏系统仿真并记录结果,验证了改进的自适应MPPT控制方法可以实现步长大小的在线优化,兼顾了系统的动态性能和稳态性能,取得了良好的控制效果。     

自适应免疫粒子群算法在光伏MPPT中的应用

光伏阵列在局部遮阴条件下,其P-U特性曲线呈多峰特性,传统的最大功率点跟踪(MPPT)算法容易陷入局部最优,而无法追踪到最大功率点。粒子群(PSO)算法适用于复杂多极值的寻优问题,因而在多峰值MPPT中得到广泛应用。针对粒子群算法寻优过程中易早熟收敛至局部最优、迭代后期收敛速度慢以及精度低等问题,提出了一种自适应免疫粒子群算法。该算法对惯性权重和学习因子进行自适应调整,并且与免疫算法相结合。仿真结果表明：该算法在静态局部遮阴以及动态局部遮阴条件下,均能追踪到最大功率点,并且收敛速度更快,精度更高,稳定性更好。     

基于海南生态环境下光伏电池输出特性的建模与仿真研究*

研究不同环境下光伏电池输出特性,对研究最大功率点和提高光伏系统效率具有重要意义。建立了改进的光伏电池数学模型,搭建了光伏电池的仿真模型,对光伏电池在不同光照强度和不同温度下的输出特性进行了仿真,并针对海口地区的具体情况,在不同倾角下对光伏电池输出各项参数进行仿真。最后,总结出光伏电池随光照强度和环境温度的变化规律,确定了海口市光伏电池板的最佳安装倾角。     

光伏分布式MPPT机理分析与仿真研究

采用目前常用的光伏电池模型对光伏阵列进行建模时,或者需要多个模块进行串并联,仿真电路规模较大,增加了仿真复杂性,或者由于参数简化影响精度。将建立光伏阵列模型的方法分为计算法和查表法,计算法容易收敛,但需要明确的光伏阵列输出电压电流方程,查表法比较灵活,只需知道输出电压电流的数据源,可以仿真任意规模的光伏阵列。之后基于查表法和实际产品数据实现与功率变换器进行组合连接的电路仿真,并解决建模过程的若干技术问题。?结合模型和阻抗分析,对单模块、组串和阵列等典型配置分布式MPPT机理进行分析,并得出相应控制表达式。最后针对相应配置分别设计算例进行仿真研究,并与集中式MPPT结果进行对比分析,为显著提高光伏阵列输出效率建立理论基础。     

基于模糊控制-扰动观察法的光伏MPPT跟踪技术

本文提出了基于模糊控制-扰动观察法的光伏MPPT跟踪技术。通过分析光伏电池的工作特性,建立光伏电池输出功率的数学模型,进一步建立了模糊控制-扰动观察法的实施步骤,并搭建了Matlab/Simulink仿真模型,对扰动观察法的光伏MPPT跟踪技术与提出的跟踪技术进行了仿真,并对两种跟踪技术仿真数据进行了对比。仿真表明,所提的方法功率波动范围小,跟踪精度高,能以很快的速度达到最大功率点等优点。     

单相光伏两级并网系统的MATLAB仿真研究

为了寻找更好的实现光伏发电系统最大功率点追踪控制方法,根据太阳电池的内部结构和伏安特性建立了太阳电池的等效电路,利用MATLAB语言建立了太阳电池板仿真模型。在分析已有最大功率追踪方法的基础上,提出了一种基于平均值控制的最大功率追踪方法,并对后级并网逆变电路进行理论分析和仿真实验,实验结果证明了所提出方法具有良好的实用性。通过对并网逆变器的控制实现了低谐波含量、高功率因数的并网要求。     

一种改进INC和MPC的光伏最大功率点跟踪算法

最大功率点跟踪(MPPT)常用于在光伏发电系统中获取最大的功率输出。针对光伏系统最大功率点跟踪过程中存在动态响应速度和稳态跟踪精度难以兼顾的问题,提出了一种改进电导增量法(INC)结合模型预测控制算法(MPC)的光伏发电系统最大功率点跟踪技术。利用改进电导增量法获取光伏系统下一时刻的电流参考值,与模型预测控制器获取的电流值相比较,通过建立和评价系统两步长模型指标函数,达到MPPT快速跟踪的目的。仿真结果验证了该方法的有效性。     

光伏电池热电压动态模型及其仿真分析

为了降低光伏电池的建模难度,在光伏电池的等效电路模型基础上,对单二极管模型进行简化.为了兼顾简化模型的精确度,在考虑了引起模型误差的等效电阻等因素后,得出改进的单二极管串联模型——热电压模型,并且在热电压模型中加入环境修正参数,进而得到热电压动态模型.同时为验证该模型的有效性,在MATLAB/Simulink环境下建立...     

光伏发电系统常用Mppt算法仿真分析综述

分析了几种常用的最大功率跟踪算法的原理,在对它们用MATLAB/Simulink进行仿真分析后,提出了几种改进的算法,并分析了它们的优缺点,以期进一步提高光伏发电系统太阳能的利用率。分析了几种常用最大功率跟踪算法的原理,在MATLAB/Simulink中对这些方法进行了仿真分析,并分析总结了这几种常用方法的改进措施。     

自适应权重粒子群算法在阴影光伏发电最大功率点跟踪（MPPT）中的应用

在光伏发电系统中,光伏阵列往往会受到局部阴影现象的影响,造成系统的不稳定运行和输出功率的降低,且光伏阵列的P-U特性曲线会出现多峰值,常规最大功率点跟踪（MPPT）算法因其只能单峰寻优而不能完成对最大功率点的跟踪.粒子群优化（PSO）算法则有着良好的多峰全局寻优能力,被广泛应用在局部阴影的最大功率点跟踪中,但是PSO算法有着收敛速度不足和搜索精度低的缺点.为此,提出了基于自适应权重的粒子群优化（APSO）算法,即在运算过程中通过引入非线性动态惯性权重系数,有效地提高整体算法的全局搜索能力和局部改良能力.利用Matlab仿真,在恒定阴影和快速变化阴影2种条件下验证APSO算法的可行性.结果表明,APSO算法能够避免早熟收敛问题,可有效地提高算法的收敛速度和搜索精度.