基于NARX神经网络的光伏发电功率预测研究

为了较准确地预测光伏发电系统的发电功率,建立了动态神经网络预测模型。该模型采用有外部输入的非线性自回归神经网络(NARX)结构,考虑太阳能辐射量和电池板温度对光伏发电功率的影响,利用NARX神经网络强大的非线性映射和泛化能力,进行了发电功率的预测。结果表明,利用NARX神经网络预测光伏发电功率是可行的,并且与传统BP神经网络相比,具有良好的适应性和预测精度。

户用型光伏供电系统DC/DC变换器的研究

根据户用型光伏发电系统的特点与要求,在扰动观察法的基础上引进了自适应预测的方法以提高最大功率点跟踪(MPPT)的跟踪速度。根据户用型安全机制、功率密度、输入低压大电流等特点,采用推挽正激电路作为DC/DC变换器的主电路,详细分析了其电路结构与工作原理,建立了数学模型。实验表明该方案减小了电路损耗,提高了MPPT的跟踪速度和精确性,具有较好的实际应用价值。

微电网能量管理和控制简述

首先介绍了微电网的概念和微电网的基本结构以及运行方式。其次,给出了微电网能量管理系统的定义,分析了其与传统大电网的不同,并提出了其3种控制结构。在分析比较3种控制结构的优缺点之后,介绍了微电网能量优化调度的模型和算法以及能量管理的频率和电压控制策略。最后,提出了今后微电网能量管理系统可能采用的方法和频率电压控制的研究方向。

基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法

针对微电网中光伏发电短期预测难度大的问题,从新的空间角度提出一种直接考虑微电源间能量关系的组合预测方法。使用思维进化算法优化BP神经网络、粒子群算法优化支持向量机和基于单隐层前馈网络极限学习机分别进行预测,方差-协方差权值动态分配法来组合预测结果。并对单天预测和滚动预测,提出一种粒子化自组织特征映射网络相似日聚类,结合最小二乘法拟合等权平均输出的综合预测体系。实际实验表明,该方法具有互补性强、灵活度好和准确性高等优点,可为微电网优化调度提供技术参考。

一种光伏发电系统的双扰动MPPT方法研究

针对一种开关电容（SC）的电路结构,在此基础上提出一种双扰动观察（P＆O）算法,形成双向互补控制的最大功率点跟踪（MPPT）,通过不同收敛域的双扰动同时提高静态稳定特性和动态响应特性,其互补控制实现死区的自返回,利用Matlab仿真软件构建基于开关电容变换器的MPPT算法模型,模拟任意参数的光伏阵列,动态跟踪光照强度和环境温度的变化,通过光伏发电平台对该开关电容变换器的MPPT控制策略进行实验验证。仿真和实验结果表明：该方法能在一定范围内对太阳电池输出功率进行跟踪调节,可快速稳定地启动并减少误判,有效降低系统输出功率在最大功率点处的振荡现象,减小光伏组件的能量损耗。

基于Buck拓扑的光伏充电控制器设计

介绍了一种基于Buck拓扑的光伏充电控制器,以PIC16F1829为主控MCU,实现具有MPPT和恒压充电的分段充电功能,实验结果表明,该充电控制器可充分利用太阳能电池板,具有较高的工作效率。

基于PIC16F1507的逆变器设计

传统的双闭环控制的逆变器,需采样电压和电流,电路设计复杂。设计了一种基于PIC16F1507的逆变器,仅需要采样瞬时电压,利用PI控制算法,结合电压前馈,使输出的波形满足质量和响应速度要求。设计了信号调理和保护电路,增强系统的可靠性和抗干扰能力,并对电路参数设计进行详细介绍,制作一台500 W样机并完成了测试验证,结果表明能满足设计指标,外围电路简单,具有工程应用价值。

一种宽电压输入DC-DC充电器的设计与实现

单一的BUCK或BOOST电路拓扑,电压输入范围有限。为解决宽电压输入条件下风机充电器不能高效工作的问题,文中提出了一种基于BUCK和BOOST组合拓扑的充电控制方案,以STM8S003F为主控MCU,实时检测输入电压,根据该电压值,切换至不同的电路拓扑,调整充电器的工作状态,采用PI控制方式,实现宽电压输入下对锂电池的恒流、恒压充电。设计并完成了一台60 W功能样机,测试结果表明,该充电器可充分利用风能,在宽电压下输入条件下可靠地工作,具有较高的效率。

APS在工业企业的规划实施及其成功要件

传统工业企业的手工计划排程,存在效率低、准确性低、不协同等行业普遍问题。APS高阶生产计划与排产系统,可以实现供需两端计划的动态串联,通过人工智能决策协同生产,从而有效提高企业的竞争力。然而,目前APS实施成功的验收比例还很低。为此,本文深入探讨了APS的实施规划,并以国内某一知名企业的智能制造示范工厂为例,循序渐进地描述了企业顶层的智能制造蓝图、全链体系规划、APS实际业务流程规划、APS软件功能板块的设置以及APS项目成功实施的相关步骤。本文还根据实际应用验证,提炼了APS实施的成功要件,期望能够引导我国企业提高行业APS导入的成功率。