光伏发电系统MPPT控制算法的研究

摘  要 

随着传统化石能源的不断枯竭及环境污染问题的日益突出,太阳能作为一种 储量丰富,清洁环保的可再生能源,受到了世界各国的广泛关注。光伏发电是目 前太阳能最有效的利用方式之一,但由于光伏电池的输出特性具有较强的非线性 特征,其输出功率极易受到外界环境变化的影响,而无法保证光伏发电系统始终 稳定地工作在最大功率点(MPP)处。因此,需要采用最大功率点跟踪(MPPT)技术 来提高光伏发电的效率和电能质量。针对目前所提出的MPPT控制算法普遍存在 跟踪速度慢,稳定性差等问题,本文以独立光伏发电系统为研究对象,设计并改 进了基于滑模变结构控制的MPPT算法。 
本文首先介绍了光伏发电的研究背景及意义,并对光伏电池在不同外界环境 下的输出特性进行仿真分析。其次,通过对比各种DC-DC变换器的优缺点,选择 Boost变换器作为系统的主电路,并对其进行电路设计。再次,对光伏发电系统 MPPT的基本原理进行介绍,并对几种常用MPPT算法的工作原理及优缺点进行 对比分析。然后,对基于滑模变结构控制的MPPT算法进行研究。为保证系统在 外界环境改变的情况下,能够迅速稳定的实现MPPT,利用Boost变换器中的电感 电流与MPP处电流的差值,设计出传统滑模控制算法。同时,为进一步减小系统 在稳定状态下的功率振荡,通过在传统滑模切换函数中加入积分项及采用饱和函 数sat(s)代替指数趋近率中的符号函数sgn(s),对传统滑模控制算法进行改进,最 终设计出了一种改进型滑模控制算法。最后,在Matlab/Simulink中搭建出MPPT 算法的仿真模型,并对不同MPPT算法的仿真结果进行对比分析。 
仿真结果表明,在外界环境稳定的情况下,改进型滑模控制算法与传统滑模 控制算法相比,在光伏电池输出功率的波动范围上减小了2.7W;同传统扰动观察 法相比,不仅功率的波动范围减小了3.6W,而且MPPT的时间也缩短了0.031s。 在外界环境变化的情况下,改进型滑模控制算法与其他MPPT算法相比,在系统 实现MPPT中,具有更快的跟踪速度和更高的跟踪精度。 

关键词:光伏发电系统;MPPT;滑模变结构控制;指数趋近率 
 


Abstract 

With the continuous depletion of traditional fossil energy sources and the growing  problem of environmental pollution, solar energy, as a kind of renewable energy with  abundant reserves and clean environment, has received wide attention from all over the  world. Photovoltaic power generation is one of the most effective ways to use solar  energy, however, since the output characteristic of photovoltaic cells has strong  nonlinear characteristics, the output power is extremely susceptible to changes in the  external environment, and it is impossible to ensure that the photovoltaic power  generation system always operates stably at the maximum power point (MPP).  Therefore, maximum power point tracking (MPPT) technology is needed to improve the  efficiency and power quality of photovoltaic power generation. Aiming at the problems  of slow tracking speed and poor stability of the proposed MPPT control algorithm, this  thesis designs and improves the MPPT algorithm based on sliding mode variable  structure control with independent photovoltaic power generation system as the research  object. 
This thesis first introduces the research background and significance of  photovoltaic power generation, and simulation analysis the output characteristics of  photovoltaic cells in different external environments. Secondly, by comparing the  advantages and disadvantages of various DC-DC converters, the Boost converter is  selected as the main circuit of the system, and the circuit design is carried out. Thirdly,  the basic principle of photovoltaic power generation system MPPT is introduced, and  the working principle, advantages and disadvantages of several common MPPT  algorithms are analyzed. Then, the MPPT algorithm based on sliding mode variable  structure control is studied. In order to ensure that the system can realize MPPT quickly  and stably under the change of external environment, the traditional sliding mode  control algorithm is designed by using the difference between the inductor current and  the current at the MPP in the Boost converter. At the same time, in order to further  reduce the power oscillation of the system under steady state, the traditional sliding  mode control algorithm is improved by adding the integral term in the sliding mode  switching function and replacing the sign function sgn(s) in the exponential approach  rate with the saturation function sat(s), and an improved sliding mode control algorithm was designed. Finally, the simulation model of MPPT algorithm is built in  Matlab/Simulink, and the simulation results of different MPPT algorithms are compared  and analyzed. 
The simulation results show that when the external environment is stable, compared with the traditional sliding mode control algorithm, the improved sliding  mode control algorithm reduces the fluctuation range of photovoltaic cell output power  by 2.7W. Compared with the traditional perturbation and observation method, not only  the power fluctuation range is reduced by 3.6W, but also the MPPT time is also  shortened by 0.031s. In the case of changes in the external environment, compared with  other MPPT algorithms, the improved sliding mode control algorithm has faster  tracking speed and higher tracking accuracy in the system implementation of MPPT. 

.................

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/628966.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

如何用Python调用智谱AI的API进行智能问答

一、引言 随着人工智能技术的不断演进,以ChatGPT为首的智能聊天机器人如:文心一言、通义千问、智谱AI等受到越来越多人的喜欢。这些智能引擎不仅有网页版,而且开放了免费的api接口,并给出了样例代码。 这样,我们可以…

Rust 错误处理(上)

目录 1、用 panic! 处理不可恢复的错误 对应 panic 时的栈展开或终止 1.1 使用 panic! 的 backtrace 2、用 Result 处理可恢复的错误 2.1 匹配不同的错误 2.2 失败时 panic 的简写:unwrap 和 expect 2.3 传播错误 错误是软件中不可否认的事实,所…

Java设计模式之模板方法模式详解

Java设计模式之模板方法模式详解 大家好,我是免费搭建查券返利机器人赚佣金就用微赚淘客系统3.0的小编,也是冬天不穿秋裤,天冷也要风度的程序猿!今天,让我们一同沉浸在Java设计模式之模板方法模式的音符中&#xff0c…

jmeter-线程数设置为1,循环10次没问题,循环100次出现异常

一、多次尝试,发现出现异常的接口大致相同。 解决办法:在第一个出现异常的接口下添加超时时间,固定定时器:2000ms,再次运行就没问题了。 二、压力机自身存在的问题 1)在网络编程中,特别是在短…

20240112-补 制作两个字符串字谜的最少步骤数

题目要求 给你两个长度相同的字符串 s 和 t。在一个步骤中,你可以选择 t 中的任意一个字符并用另一个字符替换它。 返回将 t 变为 s 的变位所需的最少步数。 字符串的 "字谜 "是指字符串中的相同字符具有不同(或相同)的排列顺序…

Django消息框架

当用户与平台进行交互时,用户可能希望告知他们操作的结果。Django有一个内置消息框架,允许你向用户显示一次性通知。 messages框架位于django.contrib.messages中,当你使用python manage.py startproject创建新项目时,它被包含在s…

使用PyTorch实现混合专家(MoE)模型

Mixtral 8x7B 的推出在开放 AI 领域引发了广泛关注,特别是混合专家(Mixture-of-Experts:MoEs)这一概念被大家所认知。混合专家(MoE)概念是协作智能的象征,体现了“整体大于部分之和”的说法。MoE模型汇集了各种专家模型…

CMU15-445-Spring-2023-Project #4 - Concurrency Control

前置知识,参考上一篇博客:CMU15-445-Spring-2023-Project #4 - 前置知识(lec15-20) 通过添加一个锁管理器在 BusTub 中支持事务,然后将其用于并发查询执行。锁管理器将支持五种锁模式下的表锁和元组锁:int…

「解析」Jetson配置 git服务

这两天感冒了在家休养,想着把之前买的 Jetson 开发板用起来,买Jetson的初衷就是用来学习Linux系统,顺道可以部署算法,以及一些其他需求,相比树莓派而言,Jetson开发相对更贵,但是其配备了英伟达的…

电子学会C/C++编程等级考试2023年09月(八级)真题解析

C/C++编程(1~8级)全部真题・点这里 第1题:最短路径问题 平面上有n个点(n<=100),每个点的坐标均在-10000~10000之间。其中的一些点之间有连线。 若有连线,则表示可从一个点到达另一个点,即两点间有通路,通路的距离为两点间的直线距离。现在的任务是找出从一点到另一…

详细讲解Python中的aioschedule定时任务操作

目录 前言1. 基本概念2. 基本API3. Demo 前言 如果下面的函数库无法执行&#xff0c;出现类似&#xff1a;&#xff08;前提是python3.7以上&#xff09; AttributeError: module ‘asyncio‘ has no attribute ‘run‘请检查run是否可跳转&#xff0c;如果无法跳转&#xff…

一般拓扑学

一般拓扑 度量空间与拓扑空间度量空间 Метрическое пространство闭集 Закрытое множество拓扑空间 Топологическое пространство 连续映射 Непрерывное отображение同胚 Гомеом…

element plus 可选择树形组件(el-tree) 怎样一键展开/收起?实现方法详解

实现代码&#xff1a; 按钮&#xff1a; <el-button click"takeall" style"height: 24px">{{zhanstatus % 2 ! 0 ? "收起所有" : "展开所有"}} </el-button> 组件&#xff1a; <el-form-item label"可选择菜单…

大数据知识点

Spark&#xff1a; Spark RDD的概念&#xff1a; RDD是Spark中最基本的数据抽象&#xff0c;是一个不可变、可分区、里面的元素可并行计算的集合。它代表一个只读的分区记录集合&#xff0c;每个RDD可以分成多个分区&#xff0c;每个分区就是一个数据集片段&#xff0c;并且一…

harbor https

harbor https部署 准备docker-compose安装https 证书harbor安装访问harbor推镜像到harbor 准备 192.168.112.99&#xff0c;harbor&#xff0c;centos7 192.168.112.3&#xff0c;测试机&#xff0c;centos7 docker版本&#xff1a;docker-ce 20.10.16&#xff08;部署参考&a…

Redis主从+哨兵集群(基于CentOS-8.0)高可用部署方案

目录 一、环境描述 二、Redis 主从集群部署 2.1 Redis下载 2.2 Redis解压 和移动文件 2.4 编译、安装Redis 2.6 新建 bin 和 etc 文件夹 2.7 分发Redis 2.8 配置 2.8.1 主节点配置 2.8.2 从节点配置 2.9 启动Redis服务 2.10 验证主从服务 2.11 查看节点角色信息 2…

有序矩阵中第 K 小的元素

题目链接 有序矩阵中第 K 小的元素 题目描述 注意点 每行和每列元素均按升序排序找到一个内存复杂度优于 O(n) 的解决方案 解答思路 使用二分查找&#xff0c;思路为&#xff1a; &#xff08;1&#xff09;因为左上角的元素值更小&#xff0c;右下角的元素值更大&#xf…

初识 Elasticsearch 应用知识,一文读懂 Elasticsearch 知识文集(5)

&#x1f3c6;作者简介&#xff0c;普修罗双战士&#xff0c;一直追求不断学习和成长&#xff0c;在技术的道路上持续探索和实践。 &#x1f3c6;多年互联网行业从业经验&#xff0c;历任核心研发工程师&#xff0c;项目技术负责人。 &#x1f389;欢迎 &#x1f44d;点赞✍评论…

【Mybatis】说一下 mybatis 的一级缓存和二级缓存

​ &#x1f34e;个人博客&#xff1a;个人主页 &#x1f3c6;个人专栏&#xff1a;Mybatis ⛳️ 功不唐捐&#xff0c;玉汝于成 ​ 目录 前言 正文 一级缓存&#xff08;Local Cache&#xff09;&#xff1a; 范围&#xff1a; 生命周期&#xff1a; 默认开启&…

C++实战Opencv第一天——win11下配置vs,opencv环境和运行第一个c++代码(从零开始,保姆教学)

OpenCV&#xff08;Open Source Computer Vision Library&#xff09;是一个开源的计算机视觉和机器学习软件库&#xff0c;它提供了大量的通用算法和功能&#xff0c;用于处理图像和视频数据。C 通常提供比 Python 更高的执行速度&#xff0c;对于需要高性能处理的任务&#x…