一种改进干扰观察法的仿真研究

为了克服经典干扰观察法用于光伏电池最大功率点跟踪时会导致功率损耗这一缺点,该文提出了一种变步长的干扰观察法,并用matlab对其进行了建模仿真。仿真结果表明,改进干扰观察法可以精确地跟踪光伏电池的最大功率点,并且不会造成功率损失,具有较强的可行性。

基于遗传优化BP神经网络算法的光伏系统最大功率点跟踪研究

针对恒压控制法中采用BP神经网络预测最大功率点处电压存在较大误差的情况,提出了用遗传算法来优化BP神经网络,然后用优化后的算法来预测光伏系统最大功率点之处的电压,并以此值代替基于恒电压的光伏发电系统MPPT控制算法中的恒电压参数;同时结合恒电压控制法建立了基于GA-BP神经网络学习算法的改进恒压型光伏系统MPPT控制的仿真模型。最后算例仿真结果证明所提的基于GA-BPNN的光伏系统MPPT控制算法能够快速准确地进行光伏最大功率点跟踪,并且相比于BP神经网络算法、干扰观察法及FUZZY控制算法其稳定性更好、精度更高。

基于DC/DC变换的光伏系统最大功率跟踪系统仿真

光伏电池的输出功率受外界环境的影响,具有非线性特征,其最大值只存在于某一特定点。为了提高系统效率,有必要通过最大功率跟踪(MPPT)的控制方法来实现对其输出功率进行跟踪控制。在分析传统的干扰观察法的工作原理后,提出了自适应占空比观察法,克服了传统定步长跟踪算法的缺点。在光伏电池的输出伏安特性和数学模型基础上,通过Matlab/Simulink进行了仿真。仿真结果表明,系统可快速稳定地跟踪最大功率点,具有较高的跟踪精度和较强的适应能力。

光伏发电系统最大功率点跟踪算法及仿真研究

基于扰动观察法的光伏发电系统最大功率跟踪算法的速度和精度决定了算法的有效性。通过在Matlab/Simulink仿真平台上验证算法的性能,深入分析了算法在不同跟踪步长下的动态性能和稳态性能,要同时兼顾算法的跟踪速度和跟踪精度通常难以确定合适的跟踪步长,研究算法的动态跟踪步长,以达到自动兼顾算法的速度与精度,显得非常必要。

AGV系统光伏供电设计

设计了由光伏电池组件和AGV部件构成的AGV系统光伏供电。采用了干扰观察法来实现最大功率点跟踪(MPPT)和基于视觉导向的自动导引小车(V-AGV),选取STC12C5A60S2作为供电系统的主芯片,由BUCK电路、数据采集电路、驱动电路、LED指示及充放电控制电路共同组成。最后,通过软硬件的结合,实验结果验证了AGV系统光伏供电的可行性。