研究目的
基于大量实验训练数据设计一种优化的ANN-MPPT技术,以避免系统产生高训练误差,并能在变化的天气条件下准确追踪最优最大功率点。
研究成果
所提出的ANN-MPPT方法在追踪最优最大功率点方面表现出色,与P&O-MPPT方法相比具有更小的振荡和更快的响应时间。该方法能有效避免漂移问题,并在不同天气条件下实现更高的发电输出功率。
研究不足
该研究的局限性在于人工神经网络模型对精确训练数据的依赖性,以及光伏系统运行的特定条件。在训练数据未涵盖的不同环境条件下,人工神经网络最大功率点跟踪方法的性能可能会有所变化。
1:实验设计与方法选择:
本研究采用人工神经网络(ANN)技术实现光伏系统的最大功率点跟踪(MPPT),使用为期一年采集的大量实验训练数据。方法包括设计以辐照度和温度为输入、最大功率点可用功率为输出的ANN模型。
2:样本选择与数据来源:
数据采集自英国伦敦布鲁内尔大学安装的光伏系统实验测试,包含辐照度与温度测量值。
3:实验设备与材料清单:
光伏系统由光伏阵列、DC-DC升压转换器、MPPT微控制器及负载组成。光伏阵列包含五个串联连接的光伏???。
4:实验流程与操作步骤:
利用采集数据对ANN模型进行训练、测试与验证。在模拟变化天气条件下,将ANN-MPPT方法性能与P&O-MPPT方法进行对比。
5:数据分析方法:
基于跟踪时间、最大功率点附近振荡及输出发电量评估性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容