基于BP神经网络的风电功率预测研究

为了更好地进行风机控制及系统调度,需准确预测风电功率。针对风力发电机工作过程中不能发出非常稳定的功率问题,研究了BP神经网络的原理和算法,提出了一种基于历史数据和NWP数据相结合的组合预测模型,在原始功率数据上添加风速、风向、温度历史数据,通过构建并训练BP神经网络,预测未来10 min^4 h风电功率。经验证,与只含历史功率数据的BP神经网络预测相比,含历史功率数据和NWP数据的BP神经网络预测精度更高、更有效。

一种PI-模糊控制光伏MPPT扰动观察法的改进方法

为了使光伏电池的光电转化效率能有最大限度提高,采用基于PI-模糊控制理论的光伏MPPT扰动观察法,对传统的光伏MPPT跟踪方法进行改进。实现方法是根据光伏系统的输出状态,利用模糊逻辑控制器实时调整扰动幅度,使用PI控制器减轻稳态误差。在MATLAB/Simulink中搭建光伏系统各模块,比较分析改进前后的仿真结果,论证了改进方法有利于减轻光伏电池最大功率点附近的振荡,也在一定程度上加快了响应速度。