金属纳米颗粒增强太阳能电池光吸收效应研究

采用Mie理论,对球形纳米金属颗粒进行数值计算,研究了金属纳米颗粒在发生表面等离激元共振时表现出的散射效应.改变金属材料类型或者颗粒尺寸大小,金属纳米球的散射效率均发生不同程度的变化.这一现象表明:金属纳米颗粒的散射效应受材料类型和尺寸大小的影响显著.计算结果表明,半径为100nm的Ag纳米颗粒在发生表面等离激元共振时,散射效率最高,吸收效应最弱.

基于改进Stacking与误差修正的短期太阳辐照度预测

为提高光伏电站辐照度预测的准确性和可靠性,提出一种基于改进Stacking集成学习与误差修正的短期辐照度预测模型.首先使用梯度提升决策树(Gradient Boosting Decision Tree, GBDT)对原始数据集进行特征筛选,清除冗余特征,提高预测精度和运算效率;然后建立改进Stacking辐照度预测模型,根据K折交叉验证下初级层不同预测模型所表现出预测准确度的差异性,对预测结果进行赋权,并对Stacking第一层输入第二层的训练集数据采用Box-Cox变换处理,以提高预测的正态性和同方差性;最后提取历史预测误差数据,采用随机森林(Random Forest, RF)构造误差模型,进一步提高预测精度.实验结果表明,该模型相比传统模型和经典Stacking模型其预测性能有了较大的提升.

基于IFOINC算法的光伏系统MPPT研究

针对光伏系统传统的最大功率点跟踪(MPPT)算法跟踪速度慢、易振荡、跟踪精度低等不足,提出一种改进的分数阶电导增量(IFOINC)算法,即将基于功率预测的变步长扰动观察(P&O)算法和分数阶电导增量(FOINC)算法结合使用。IFOINC算法具体跟踪过程,先采用基于功率预测的变步长P&O算法快速跟踪到MPP附近,再采用FOINC算法进一步搜索MPP从而完成整个跟踪过程。文章研究了光伏系统结构,光伏电池的等效模型,设计了IFOINC算法,建立了光伏系统MPPT仿真模型,在Matlab/Simulink下进行仿真。在光照均匀的条件下,改变其它环境条件,研究IFOINC算法的MPP跟踪效果与基于功率预测的变步长P&O算法和FOINC算法之间的差异。研究结果表明,IFOINC算法的跟踪速度比FOINC算法提高了42.3%,IFOINC算法的跟踪精度比基于功率预测的变步长P&O算法提高了3.9%,且消除了跟踪过程的振荡。