基于LSTM网络模型的光伏发电功率短期预测系统

光伏发电受天气因素影响,具有明显的间歇性和波动性特征。该文提出了一种基于LSTM网络模型的光伏发电功率短期预测方法,该方法以STM32单片机为控制核心,实时采集光照辐度、温度、相对湿度、风速等数据。利用相关系数法筛选相关度较高的因素,作为LSTM网络模型的输入变量,对未来光伏发电功率进行短期预测。MATLAB仿真实验结果表明,该文所提方法与其他预测模型相比具有较高的预测精度,在晴天与多云天气下预测的MAPE值分别为4.943%和4.997%,有利于我国电力系统的稳定运行和电网工作人员的调度。

基于自适应位置调节的粒子群MPPT控制方法

为了提高光伏发电系统最大功率点追踪(maximum power point tracking,MPPT)的效率,提出一种基于自适应位置调节的粒子群MPPT控制方法.该方法采用Tent映射对粒子位置进行初始化,通过赋予粒子反捕食的能力,自动更新粒子位置,给予速度一个较小的扰动,以解决光伏系统陷入局部最优的问题.通过MATLAB进行仿真,与传统粒子群算法(particle swarm optimization algorithm,PSO)相比,该方法在MPPT的快速性和准确性上获得了满意的性能.

具有死区效应的光伏逆变系统积分滑模控制

并网逆变器死区会降低输出电压波形质量,同时也会对负载和电网造成不同程度的影响。为减小死区效应及外部干扰对逆变器输出性能的影响,提出了一种具有死区效应的光伏逆变系统积分滑模控制策略。对死区机理进行分析,并建立逆变器数学模型;构造带有比例积分项的抗扰动状态观测器,对干扰状态进行有效估计;结合矢量控制构建一类非奇异终端滑模控制器,采用Lyapunov函数证明系统的渐进稳定性。最后,通过仿真验证了所提控制方法的有效性。