《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

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。
  • 《开发基于人工神经网络的ECMWF全球水平辐射预报校正算法》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2019-05-05
    • 本文提出了一种校正算法,用于提高从欧洲中期天气预报中心(ECMWF)的数值天气预报(NWP)模型获得的全球水平辐射(GHI)预报的准确性。首先,将GHI预测与位于葡萄牙南部(Évora和Sines)的两个地面站的实验值进行比较,并分析了太阳 - 地球几何和大气变量对预测和测量之间差异的影响,以便确定最相关的参数。这些差异主要与清晰度指数,太阳天顶角,平均气温,相对空气湿度和总水柱有关。由于ECMWF模型直接或间接地提供了所有这些变量,因此可以将预测GHI的偏差估计为预测数据的函数,作为参考测量值,这意味着基于这些参数的相关性的算法可用于在运营时间范围内正确预测。为此目的,在这项工作中开发了一种基于人工神经网络(ANN)的算法来改进GHI预测,包括作为参考晴天模型预测的全球太阳辐射的输入。优化了ANN的内部结构,并且还开发了空间和时间缩小程序以获得半小时的辐照值。该算法针对原始ECMWF预测和四个具有不同地形和气候以及各种天空条件(阴天,部分多云和晴空)的地点的持久性模型进行了测试,表明它成功地改进了模型预测。基于七个统计指标和预测分数(FS)的全局绩效指数(GPI)的较高值被发现用于算法模拟,例如,当考虑所有位置和云覆盖条件时,分别为1.066和0.348,而对于原始ECMWF预测,GPI为-1.874,FS为0.282。如果将该算法集成到太阳能系统的能量管理工具中,即低/中温太阳能热和光伏系统,则该算法是有用的。 ——文章发布于2019年6月