CN112632783B - 一种光伏发电的仿真参数计算方法及设备 - Google Patents
一种光伏发电的仿真参数计算方法及设备 Download PDFInfo
- Publication number
- CN112632783B CN112632783B CN202011557172.0A CN202011557172A CN112632783B CN 112632783 B CN112632783 B CN 112632783B CN 202011557172 A CN202011557172 A CN 202011557172A CN 112632783 B CN112632783 B CN 112632783B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- output
- voltage
- current
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 29
- 238000004088 simulation Methods 0.000 title claims abstract description 29
- 238000004364 calculation method Methods 0.000 title claims abstract description 15
- 238000005286 illumination Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000011217 control strategy Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 238000013178 mathematical model Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000036632 reaction speed Effects 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- AXCZMVOFGPJBDE-UHFFFAOYSA-L calcium dihydroxide Chemical compound [OH-].[OH-].[Ca+2] AXCZMVOFGPJBDE-UHFFFAOYSA-L 0.000 description 1
- 229910001861 calcium hydroxide Inorganic materials 0.000 description 1
- 239000000920 calcium hydroxide Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052987 metal hydride Inorganic materials 0.000 description 1
- 150000004681 metal hydrides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Photovoltaic Devices (AREA)
- Control Of Electrical Variables (AREA)
Abstract
本发明公开了一种光伏发电的仿真参数计算方法及设备，所述仿真参数计算方法包括以下步骤；S1：恒定光伏发电电压→S2：干扰观测法→S3：光伏电导增量→S4：模糊逻辑控制→S5：神经网络控制→S6：光伏组件仿真→S7：控制器选型。本发明通过多重参数仿真计算方法，分析得到光状电池的数学模型，根据实际情况，根据光伏电池的I‑V曲线和P‑V曲线说明了光伏电池具有非线性特征，根据不同的光照强度、环境温度等外部特性来调整光伏电池的工作点，使之始终工作在最大功率点，有效地提高光伏发电系统的反应速度，提高光伏发电系统的光电转换效率。
Description
技术领域
本发明涉及光伏发电技术领域，更具体地说，本发明涉及一种光伏发电的仿真参数计算方法及设备。
背景技术
进入二十世纪以来，随着全球经济的迅猛发展、人口的不断增加和人类生活水平的逐步提高，世界能源消费量持续增长，在全世界的能源消费中，绝大部分来自于化石能源，煤炭、石油和天然气三大化石能源正逐步消耗，能源危机将成为世界各国共同面临的严峻课题，于是各国都积极寻找和开发各种新能源，太阳能由于其取之不尽、用之不竭和清洁安全等特点，被认为是当前最具潜力的发电方式，对太阳能光伏发电系统进行，能够缓解能源危机、减少污染环境以及减小温室效应等；
太阳能的开发利用主要有光热利用、光伏利用以及光化学利用等三种形式，光热利用是通过摄取太阳光能，将其转换为热能，并用在人类生活以及生产上，光伏利用指的是基于半导体的光生伏打效应原理制成的光伏电池，将太阳光能直接转换成电能，完成光电转换过程，光化学利用目前仍处于实验研究阶段，这种太阳能开发利用技术包括光伏电池电极化水制成氢、通过氢氧化钙和金属氢化物热分解进行储能等。
现有技术存在以下不足：现有光伏发电系统的算法步骤简单，设备的反应时间长，进而导致光伏电池的光电转换效率低，提高光伏发电系统的整体成本。
发明内容
本发明提供一种光伏发电的仿真参数计算方法及设备，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种光伏发电的仿真参数计算方法及设备，所述仿真参数计算方法包括以下步骤；
S1：恒定光伏发电电压
检测出在某一光照强度和电池温度下光伏电池的最大功率点对应的电压Um，当光照强度变化时，为避免功率损失，采用恒定电压控制策略，使光伏电池的输出电压稳定在Um附近；
S2：干扰观测法
每间隔一段时间增加或者减少一点电压，通过检测变化后的电压和电流，得到此时光伏电池的功率，将功率与电压变化前的功率位相比较，功率增大，扰动方向正确，功率减小，扰动方向不正确，扰动方向不正确时改变扰动的输出方向，进行最大功率点跟踪时，使用两个传感器检测光伏阵列的输出电压值和输出电流值，两者的乘积即是光伏阵列的输出功率；
S3：光伏电导增量
通过比较光伏阵列输出电导的变化量与输出电导，跟踪最大功率点，并测量光伏阵列的电压Un和电流In，当光伏阵列的P-U曲线的斜率等于0时，即可得到输出功率最大值Pmax，其表达式为：
式(1)为光伏阵列达到最大功率点的条件；
S4：模糊逻辑控制
将信息进行模糊化，经由模糊推理规则得到模糊控制的输出，再进行反模糊化处理，最终得到模糊控制的输出值，使用模糊逻辑控制法对光伏发电系统进行最大功率点跟踪时，采用DSP，工作主要包括：
A、确定模糊控制器的输入变量和输出变量；
B、归纳和总结模糊控制器的模糊控制规则；
C、确定模糊化方法和反模糊化方法；
D、选择论域并确定有关参数；
S5：神经网络控制
将大量单元连接在一起，控制非线性对象，在学习过程中，通过外部条件作用于神经网络，使神经网络对外界做出反应，选择光伏阵列的输出电压、输出电流和电池温度作为前馈网络的输入，设定中间层由N1、N2、...N300权重组成，最终通过输出层输出控制信息；
S6：光伏组件仿真
开路电压设定为22.2V，短路电流为5.45A，最大功率点设定为(17.2V，4.95A)，采用六个光伏电池串联，仿真算法采用discreate，步长选择variable-step仿真；
S7：控制器选型
控制器用于防止蓄电池的过充电和过放电，自动控制光伏阵列对蓄电池充电以及蓄电池给负载充电，系统电压与蓄电池电压一致，输入最大电流取决太阳能电池方阵的电流，以短路电流作为电池阵列的最大电流值，输入最输出最大电流取决于输出负载的电流，为逆变器的电流。
优选的，所述步骤S2中，通过两个传感器对光伏阵列输出电压及输出电流分别进行采样，并计算其输出功率，扰动的对象选择光伏阵列的输出电压和输出电流，最大功率点跟踪电路连接在光伏阵列和DC-DC变换器之间。
优选的，所述步骤S4中，模糊控制规则为，当调节变换器的占空比大小，使光伏阵列输出的功率变大，调节方向正确，可继续朝该方向调整，若光伏阵列输出的功率变小，则应朝反方向调整占空比大小，调节占空比大小取决于具体的模糊规则表和隶属度函数。
优选的，所述步骤S7中，系统电压为220V，控制器具有蓄电池过放电保护门限以及通信、显示、数据采集和存储功能。
本发明还提供一种光伏发电的仿真参数计算方法的设备，包括光伏电池阵列、蓄电池、逆变器、配电柜、交流配电箱以及电路负载，其特征在于：所述光伏电池阵列、逆变器与蓄电池串联，所述配电柜与逆变器电性连接，所述交流配电箱与配电柜电性连接，所述电路负载与交流配电箱电性连接。
本发明的技术效果和优点：
本发明通过多重参数仿真计算方法，分析得到光状电池的数学模型，根据实际情况，根据光伏电池的I-V曲线和P-V曲线说明了光伏电池具有非线性特征，根据不同的光照强度、环境温度等外部特性来调整光伏电池的工作点，使之始终工作在最大功率点，有效地提高光伏发电系统的反应速度，提高光伏发电系统的光电转换效率。
具体实施方式
对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供了一种光伏发电的仿真参数计算方法及设备，所述仿真参数计算方法包括以下步骤；
S1：恒定光伏发电电压
检测出在某一光照强度和电池温度下光伏电池的最大功率点对应的电压Um，当光照强度变化时，为避免功率损失，采用恒定电压控制策略，使光伏电池的输出电压稳定在Um附近；
实施例1：恒定电压法的优点在于控制电路简单容易实现、稳定性高、系统不易出现振荡、容易通过硬件实现恒定电压跟踪。
S2：干扰观测法
每间隔一段时间增加或者减少一点电压，通过检测变化后的电压和电流，得到此时光伏电池的功率，将功率与电压变化前的功率位相比较，功率增大，扰动方向正确，功率减小，扰动方向不正确，扰动方向不正确时改变扰动的输出方向，进行最大功率点跟踪时，使用两个传感器检测光伏阵列的输出电压值和输出电流值，两者的乘积即是光伏阵列的输出功率；
实施例2：用干扰观测法进行最大功率点跟踪时，一般使用两个传感器检测光伏阵列的输出以压值和输出电流值，两者的乘积即是光伏阵列的输出功率一般通过两个传感器对光伏牌列输出电压及输出电流分别进行采样，并计算其输出功率，优点是结构简单，容易实现，要测量的参数少，硬件也容易实现，能厂泛适用于各种光伏发电系统的最大功率点跟踪，干扰观测法中扰动的对象可以选择光伏阵列的输出电压和输出电流，最大功率点跟踪电路是连接在光伏阵列和DC-DC变换器之间，为了减小系统的复杂性，其扰动的对象可选择DC-DC变换器的占空比。
S3：光伏电导增量
通过比较光伏阵列输出电导的变化量与输出电导，跟踪最大功率点，并测量光伏阵列的电压Un和电流In，当光伏阵列的P-U曲线的斜率等于0时，即可得到输出功率最大值Pmax，其表达式为：
式(1)为光伏阵列达到最大功率点的条件；
S4：模糊逻辑控制
将信息进行模糊化，经由模糊推理规则得到模糊控制的输出，再进行反模糊化处理，最终得到模糊控制的输出值，使用模糊逻辑控制法对光伏发电系统进行最大功率点跟踪时，采用DSP，工作主要包括：
A、确定模糊控制器的输入变量和输出变量；
B、归纳和总结模糊控制器的模糊控制规则；
C、确定模糊化方法和反模糊化方法；
D、选择论域并确定有关参数；
S5：神经网络控制
将大量单元连接在一起，控制非线性对象，在学习过程中，通过外部条件作用于神经网络，使神经网络对外界做出反应，选择光伏阵列的输出电压、输出电流和电池温度作为前馈网络的输入，设定中间层由N1、N2、...N300权重组成，最终通过输出层输出控制信息；
实施例3：根据光伏电池的I-V曲线和P-V曲线说明光伏电池具有非线性特征，为最大功率点的跟踪提供了依据，根据不同的光照强度、环境温度等外部特性来调整光伏电池的工作点，使之始终工作在最大功率点。
S6：光伏组件仿真
开路电压设定为22.2V，短路电流为5.45A，最大功率点设定为(17.2V，4.95A)，采用六个光伏电池串联，仿真算法采用discreate，步长选择variable-step仿真；
实施例4：根据仿真，反映实际形式的光伏电池输出特性呈非线性特性，光伏电池随光照强度所变化的输出特性，光照强度变化时，光伏电池的短路电流变化很大，开路电压的变化很小，其最大功率点对应的电压变化也很小，随着光照强度的增大，短路电流增大，最大功率点也提高；随着光照强度的减小，短路电流减小，最大功率点也降低。
实施例5：基于BoostDC-DC变换器的独立光伏系统最大功率点跟踪仿真模型，直流变换器选择BoostDC-DC变换器，最大功率点跟踪方法采用干扰观测法，每个光伏电池的设置如下，开路电压设定为22.2V，短路电流为5.45A，最大功率点设定为(17.2V，4.95A)，仿真采用六个光伏电池串联，仿真算法采用ode45，步长选择的是variable-step，最大功率点算法采用M文件编写。
S7：控制器选型
控制器用于防止蓄电池的过充电和过放电，自动控制光伏阵列对蓄电池充电以及蓄电池给负载充电，系统电压与蓄电池电压一致，输入最大电流取决太阳能电池方阵的电流，以短路电流作为电池阵列的最大电流值，输入最输出最大电流取决于输出负载的电流，为逆变器的电流。
进一步的，在上述技术方案中，所述步骤S2中，通过两个传感器对光伏阵列输出电压及输出电流分别进行采样，并计算其输出功率，扰动的对象选择光伏阵列的输出电压和输出电流，最大功率点跟踪电路连接在光伏阵列和DC-DC变换器之间。
进一步的，在上述技术方案中，所述步骤S4中，模糊控制规则为，当调节变换器的占空比大小，使光伏阵列输出的功率变大，调节方向正确，可继续朝该方向调整，若光伏阵列输出的功率变小，则应朝反方向调整占空比大小，调节占空比大小取决于具体的模糊规则表和隶属度函数。
进一步的，在上述技术方案中，所述步骤S7中，系统电压为220V，控制器具有蓄电池过放电保护门限以及通信、显示、数据采集和存储功能。
本发明还提供一种光伏发电的仿真参数计算方法的设备，包括光伏电池阵列、蓄电池、逆变器、配电柜、交流配电箱以及电路负载，其特征在于：所述光伏电池阵列、逆变器与蓄电池串联，所述配电柜与逆变器电性连接，所述交流配电箱与配电柜电性连接，所述电路负载与交流配电箱电性连接。
实施例6：系统以光生伏打效应为基础，将光能转换成电能，分析得到光状电池的数学模型，根据实际情况，引出了光伏电池在工程上采用的数学模型，根据光伏电池的I-V曲线和P-V曲线说明了光伏电池具有非线性特征，根据不同的光照强度、环境温度等外部特性来调整光伏电池的工作点，使之始终工作在最大功率点，利用MATLAB数学软件以及其下的Simulink软件，对光伏电池理想、实际模型以及六光伏组件进行了仿真，对光伏系统进行了最大功率点跟踪仿真验证了可行性。
最后应说明的几点是：首先，在本申请的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变，则相对位置关系可能发生改变；
其次：涉及到与本公开实施例涉及到的结构，其他结构可参考通常设计，在不冲突情况下，本发明同一实施例及不同实施例可以相互组合；
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种光伏发电的仿真参数计算方法，其特征在于：所述仿真参数计算方法包括以下步骤；
S1：恒定光伏发电电压
检测出在某一光照强度和电池温度下光伏电池的最大功率点对应的电压Um，当光照强度变化时，为避免功率损失，采用恒定电压控制策略，使光伏电池的输出电压稳定在Um附近；
S2：干扰观测法
每间隔一段时间增加或者减少一点电压，通过检测变化后的电压和电流，得到此时光伏电池的功率，将功率与电压变化前的功率位相比较，功率增大，扰动方向正确，功率减小，扰动方向不正确，扰动方向不正确时改变扰动的输出方向，进行最大功率点跟踪时，使用两个传感器检测光伏阵列的输出电压值和输出电流值，两者的乘积即是光伏阵列的输出功率；
S3：光伏电导增量
通过比较光伏阵列输出电导的变化量与输出电导，跟踪最大功率点，并测量光伏阵列的电压Un和电流In，当光伏阵列的P-U曲线的斜率等于0时，即可得到输出功率最大值Pmax，其表达式为：
式(1)为光伏阵列达到最大功率点的条件；
S4：模糊逻辑控制
将信息进行模糊化，经由模糊推理规则得到模糊控制的输出，再进行反模糊化处理，最终得到模糊控制的输出值，使用模糊逻辑控制法对光伏发电系统进行最大功率点跟踪时，采用DSP，工作主要包括：
A、确定模糊控制器的输入变量和输出变量；
B、归纳和总结模糊控制器的模糊控制规则；
C、确定模糊化方法和反模糊化方法；
D、选择论域并确定有关参数；
S5：神经网络控制
将大量单元连接在一起，控制非线性对象，在学习过程中，通过外部条件作用于神经网络，使神经网络对外界做出反应，选择光伏阵列的输出电压、输出电流和电池温度作为前馈网络的输入，设定中间层由N1、N2、...N300权重组成，最终通过输出层输出控制信息；
S6：光伏组件仿真
开路电压设定为22.2V，短路电流为5.45A，最大功率点设定为(17.2V，4.95A)，采用六个光伏电池串联，仿真算法采用discreate，步长选择variable-step仿真；
S7：控制器选型
控制器用于防止蓄电池的过充电和过放电，自动控制光伏阵列对蓄电池充电以及蓄电池给负载充电，系统电压与蓄电池电压一致，输入最大电流取决太阳能电池方阵的电流，以短路电流作为电池阵列的最大电流值，输入最输出最大电流取决于输出负载的电流，为逆变器的电流。
2.根据权利要求1所述的一种光伏发电的仿真参数计算方法及设备，其特征在于：所述步骤S2中，通过两个传感器对光伏阵列输出电压及输出电流分别进行采样，并计算其输出功率，扰动的对象选择光伏阵列的输出电压和输出电流，最大功率点跟踪电路连接在光伏阵列和DC-DC变换器之间。
3.根据权利要求1所述的一种光伏发电的仿真参数计算方法及设备，其特征在于：所述步骤S4中，模糊控制规则为，当调节变换器的占空比大小，使光伏阵列输出的功率变大，调节方向正确，可继续朝该方向调整，若光伏阵列输出的功率变小，则应朝反方向调整占空比大小，调节占空比大小取决于具体的模糊规则表和隶属度函数。
4.根据权利要求1所述的一种光伏发电的仿真参数计算方法及设备，其特征在于：所述步骤S7中，系统电压为220V，控制器具有蓄电池过放电保护门限以及通信、显示、数据采集和存储功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011557172.0A CN112632783B (zh) | 2020-12-25 | 2020-12-25 | 一种光伏发电的仿真参数计算方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011557172.0A CN112632783B (zh) | 2020-12-25 | 2020-12-25 | 一种光伏发电的仿真参数计算方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112632783A CN112632783A (zh) | 2021-04-09 |
| CN112632783B true CN112632783B (zh) | 2022-09-06 |
Family
ID=75324734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011557172.0A Active CN112632783B (zh) | 2020-12-25 | 2020-12-25 | 一种光伏发电的仿真参数计算方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112632783B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113282010A (zh) * | 2021-05-21 | 2021-08-20 | 上海大学 | 一种电氢热融合微网的半实物仿真系统设计方法 |
| CN114679132B (zh) * | 2022-05-30 | 2022-08-26 | 锦浪科技股份有限公司 | 一种光伏逆变器电热工况仿真方法、装置及存储介质 |
| CN117761567B (zh) * | 2024-02-22 | 2024-04-26 | 天津瑞芯源智能科技有限责任公司 | 一种智能电能表电池电流测试的数据分析方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101656422A (zh) * | 2009-09-25 | 2010-02-24 | 山东昂立天晟光伏科技有限公司 | 一种供电变电所用太阳能光伏发电系统 |
| CN201518421U (zh) * | 2009-10-16 | 2010-06-30 | 武汉承光博德光电科技有限公司 | 微网太阳能光伏供电系统 |
| CN102684220A (zh) * | 2012-05-02 | 2012-09-19 | 武汉理工大学 | 船用光伏发电并网实验平台 |
| CN205829186U (zh) * | 2016-07-23 | 2016-12-21 | 南京金海设计工程有限公司 | 大楼供电系统 |
| CN106452355A (zh) * | 2016-10-17 | 2017-02-22 | 温州大学 | 一种基于模型辨识的光伏发电系统最大功率跟踪方法 |
| CN106950857A (zh) * | 2017-04-27 | 2017-07-14 | 南通大学 | 基于模糊逻辑控制的光伏电池mppt仿真方法 |
| CN107664948A (zh) * | 2017-09-11 | 2018-02-06 | 南通大学 | 光伏电池mppt的非对称变论域模糊控制方法 |
| CN107992153A (zh) * | 2017-12-07 | 2018-05-04 | 陕西科技大学 | 一种太阳能光伏最大功率点跟踪控制方法 |
| CN108075559A (zh) * | 2017-11-21 | 2018-05-25 | 山东新华联智能光伏有限公司 | 光伏发电系统 |
| CN110737302A (zh) * | 2019-11-14 | 2020-01-31 | 华能海南发电股份有限公司 | 一种基于光伏发电系统电阻匹配的mppt控制方法 |
-
2020
- 2020-12-25 CN CN202011557172.0A patent/CN112632783B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101656422A (zh) * | 2009-09-25 | 2010-02-24 | 山东昂立天晟光伏科技有限公司 | 一种供电变电所用太阳能光伏发电系统 |
| CN201518421U (zh) * | 2009-10-16 | 2010-06-30 | 武汉承光博德光电科技有限公司 | 微网太阳能光伏供电系统 |
| CN102684220A (zh) * | 2012-05-02 | 2012-09-19 | 武汉理工大学 | 船用光伏发电并网实验平台 |
| CN205829186U (zh) * | 2016-07-23 | 2016-12-21 | 南京金海设计工程有限公司 | 大楼供电系统 |
| CN106452355A (zh) * | 2016-10-17 | 2017-02-22 | 温州大学 | 一种基于模型辨识的光伏发电系统最大功率跟踪方法 |
| CN106950857A (zh) * | 2017-04-27 | 2017-07-14 | 南通大学 | 基于模糊逻辑控制的光伏电池mppt仿真方法 |
| CN107664948A (zh) * | 2017-09-11 | 2018-02-06 | 南通大学 | 光伏电池mppt的非对称变论域模糊控制方法 |
| CN108075559A (zh) * | 2017-11-21 | 2018-05-25 | 山东新华联智能光伏有限公司 | 光伏发电系统 |
| CN107992153A (zh) * | 2017-12-07 | 2018-05-04 | 陕西科技大学 | 一种太阳能光伏最大功率点跟踪控制方法 |
| CN110737302A (zh) * | 2019-11-14 | 2020-01-31 | 华能海南发电股份有限公司 | 一种基于光伏发电系统电阻匹配的mppt控制方法 |
Non-Patent Citations (9)
| Title |
|---|
| 光伏发电的发展与设计思路;白永生;《现代建筑电气》;20171231;第11卷(第8期);第1-8页 * |
| 光伏发电系统中高增益DC_DC变换器的研究与设计;郭长江;《中国优秀博硕士学位论文全文数据库（硕士） 工程科技||辑》;20200115(第1期);I140-899 * |
| 光伏发电系统的安装与维护;谢建等;《可再生能源》;20071231;第25卷(第6期);第116-119页 * |
| 基于CC2530的光伏电站无线监测系统设计;张晶皓;《中国优秀博硕士学位论文全文数据库（硕士） 信息科技辑》;20180415(第4期);I140-899 * |
| 基于模糊控制的光伏发电MPPT控制方法;李天阳等;《电气传动》;20181231;第48卷(第4期);第53-57页 * |
| 基于模糊控制的光伏发电系统MPPT控制方法研究;魁可心;《中国优秀博硕士学位论文全文数据库（硕士） 工程科技||辑》;20170315(第3期);CO42-1157 * |
| 基于模糊控制的光伏发电系统MPPT的研究;王杰;《中国优秀博硕士学位论文全文数据库（硕士） 工程科技||辑》;20190115(第1期);C042-1428 * |
| 基于神经网络模糊控制的光伏MPPT控制研究;陶俊;《中国优秀博硕士学位论文全文数据库（硕士） 工程科技||辑》;20200215(第2期);C042-1440 * |
| 某大楼太阳能光伏并网发电系统的研究与应用;赵嘉祺;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20200615(第6期);C042-554 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112632783A (zh) | 2021-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112632783B (zh) | 一种光伏发电的仿真参数计算方法及设备 | |
| Chong et al. | Hybrid energy storage systems and control strategies for stand-alone renewable energy power systems | |
| Rajkumar et al. | Techno-economical optimization of hybrid pv/wind/battery system using Neuro-Fuzzy | |
| CN103944175B (zh) | 风光储联合发电系统出力特性优化方法 | |
| Aldosary et al. | A modified shuffled frog algorithm to improve MPPT controller in PV System with storage batteries under variable atmospheric conditions | |
| Dahmane et al. | Power management strategy based on weather prediction for hybrid stand-alone system | |
| CN116667325A (zh) | 一种基于改进布谷鸟算法的微电网并网运行优化调度方法 | |
| Huangfu et al. | An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system | |
| Mhusa et al. | Power management in photovoltaic-wind hybrid system based on artificial intelligence | |
| Ayat et al. | Energy management based on a fuzzy controller of a photovoltaic/fuel cell/Li-ion battery/supercapacitor for unpredictable, fluctuating, high-dynamic three-phase AC load | |
| CN115133541B (zh) | 基于改进粒子群算法的光伏发电系统无功补偿方法及系统 | |
| Zou et al. | Research on MPPT algorithm based on variable step size conductance increment+ PI method | |
| Cheng et al. | FPGA-based PV systems fuzzy MPPT control algorithm | |
| CN103019212A (zh) | 基于干扰观测器的多光伏光柴混合系统协调控制方法 | |
| Meliani et al. | Energy management of a fuzzy control system in a microgrid | |
| Hasan | A Soft Computing Intelligent Control Algorithm to Extract Maximum Energy from Solar Panel | |
| Jing et al. | Maximum power point tracking in photovoltaic system by using fuzzy algorithm | |
| Yuhan et al. | Analysis of the different maximum power point tracking strategies in a load-connected photovoltaic system | |
| Zina | Study and Design of Stand-Alone Photovoltaic System to Maximizing Efficiency Solar Power Using Fuzzy Logic Algorithm | |
| CN115566706B (zh) | 一种用于碱性电解制氢系统的模糊控制方法 | |
| Liu et al. | Short-term photovoltaic power prediction based on bayesian regularized bp neural networks | |
| Saxena et al. | Optimization of PV array with PID controller and MPPT (P&O) | |
| Sun | Voltage control of DC microgrid based on fuzzy neural network and improved particle swarm optimization algorithm | |
| Liu et al. | Research on MPPT control of photovoltaic cells based on fuzzy control | |
| Varghese et al. | Analysis on power oscillation smoothening techniques for 1MWp PV plant |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240619 Address after: Room 804, Building 12, New Future Garden, Suzhou Industrial Park, Jiangsu Province, China, 215127 Patentee after: Gong Daliang Country or region after: China Address before: 200540 room 3341, 3rd floor, building 5, No. 168, Lane 6495, Tingwei Road, Jinshan Industrial Zone, Jinshan District, Shanghai Patentee before: Shanghai Yibian Technology Co.,Ltd. Country or region before: China |