《一种利用人工神经网络提取光伏组件I-V特性曲线的离线方法》

  • 来源专题:可再生能源
  • 编译者: pengh
  • 发布时间:2018-08-21
  • 提出了一种新的利用人工神经网络进行I-V曲线预测的方法。该方法基于广义回归人工神经网络和级联前向神经网络两种人工神经网络。通过实验,提取了不同光伏组件的太阳辐射、环境温度、电流、电压等数据集。所建立的模型是对所有光伏组件的通用模型,而模型的输入是光伏组件的太阳辐射、环境温度和数据表规范(开路电压和短路电流)。利用Matlab对所提出的模型进行训练、测试和验证。并对所提出的模型进行了实验验证。结果表明,该模型对I-V曲线的预测精度较高,平均绝对百分误差、平均偏差误差和均方根误差分别为1.09%、0.0229 a和0.0336 a。该模型对于不同光伏组件的I-V曲线的生成非常有用。

    ——文章发布于2018年10月

相关报告
  • 《基于人工神经网络的光伏系统新型故障诊断技术》

    • 来源专题:可再生能源
    • 编译者:董璐
    • 发布时间:2016-01-20
    • 这项研究提出了一项基于人工神经网络(ANN)的新型光伏系统诊断技术。对于给定的一系列工作条件——太阳能辐照度与光伏模块(PV)的温度,若干如电流电压的属性以及许多光伏串的电流电压曲线峰值特性正通过使用计算仿真模型计算。模拟得到的结果与从实际测量中获得的数据进行比对,将得到可能的故障操作原因的鉴定。两种不同的算法进行发展来区别与鉴定八种不同的故障类型。该方法已经被安装在阿尔吉尼亚吉杰尔大学的可再生能源实验室(REL)使用光伏串气候与点参数进行了实验数据库的验证。
  • 《基于人工神经网络(ai)的局部阴影网格光伏并网的全球MPPT》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2018-07-16
    • 光伏发电的能量产生取决于光伏阵列周围的环境,如辐照度(G),温度和阵列表面状态。这些因素直接影响光伏板的光子吸收和生产率。局部遮阳现象是影响光伏电站正常运行的重要因素之一。在最近的文献中,已经开发了几种算法来解决这个问题。本文的主要目的是广泛地介绍PSC问题,这一问题已被许多文章考虑并在本文中被引用。然后,提出了两种技术的组合,第一个是100年全球最大功率点跟踪(GMPPT)?千瓦数组。第二个技术是分布式最大功率点跟踪配置(DMPPT)?1兆瓦光伏电站在PSC中。这种组合旨在克服与PSC相关的缺点,提高PV系统的性能提出了一种新的方法。 - 火焰优化算法(MFO) - GMPPT控制器来解决PSC阴影问题在不同的MPPT算法中进行了比较研究,如:经典增量电导算法(IC),基于IC(FL)的模糊逻辑方法,粒子群优化方法(PSO)和MFO。仿真结果证明了该方 法对求解光伏阵列系统GMPPT的有效性。 - 文章发布于2018年9月1日