太阳能汽车通信工具的人工神经网络最大能量点的跟踪仪[精品].doc

太阳能汽车通信工具的人工神经网络 最大能量点的跟踪仪 摘要: 本文提出的是一台太阳能汽车的人工神经网络最大力量的跟踪仪器 (MPPT)。MPPT 是根据一台高效率的升压变频器和绝缘阀双极晶体管(IGBT) 电源开关为基础的。MPPT的参考电压是以梯度下降动量算法通过人工神经网络获得(ANN)。跟踪的算法是通过更改变频器的任务周期，以便使PV 模块电压等于对应的MPPT 在所有指定的日射能量、温度, 和负荷状态下的电压。为快速的回应, 系统被实施使用数字信号处理器(DSP) 。整个系统的稳定性是通过一种固有的积分导数调节控制器按比例经过包括改进按比例进行改善的，并且这种调节器也被使用在观察参考电压和控制电压的高低。调节控制器, 以ANN 提供的信息为依据, 形成升压变频器的工作周期。被获得的大量能量被使用在太阳能汽车的充电锂离子电池上。实验和模拟结果表示, 提出的计划是高效率的。 关键词: 人工神经网络; 最大能量点跟踪仪(MPPT); 光致电压模块; 数字信号处理器; 太阳能汽车通信工具。 简介 光致电压的(PV) 生成获取增加的重要性作为可延续能源。太阳能的不受欢迎得到了迅速的更改, 通常发生在一个连续通信工具上, 由于树荫从、大厦、大树, 和多云等情况的出现，在常规PV 系统有困难的回应迅速差异是由于树荫产生的。PV 系统主要缺点是, 最初安装费用是相当地高并且能量转换效率(从12% 到29%) 是相对比较低的。此外, 在许多情况下, PV 系统要求一台动力调节器(直流电 直流电 或 直流电 交流电 的交换器) 为负荷界面。所以, 整个系统费用能被猛烈地减少，通过使用高效率的动力调节器, 譬如最大能量点跟踪仪(MPPT), 提取和维护峰值功率从PV 模块既使当上述不赞同的条件发生。 各种各样的最大能量跟踪仪的方法，已经被考虑了在PV 力量应用中[1-12 ] 。在小山之中攀登的方式[1-5 ],扰乱和观察跟踪最大能量点(MPP) 由增加或一再减少输出电压在PV 模块的MPP 上。这个方法要求P与V 的计算来确定MPP[1,2,4 ] 。但当辐照度迅速的更改时它无法跟踪到MPP值，并且, 方法是在MPP 附近摆动而代替直接地跟踪它。递增导率技术(ICT) 其它方法之中是最精确的。这个方法在迅速更改的情况下可得到很好的性能。但是, dI/dV 的复杂计算和复杂的算法要求对每一个数字信号进行处理 (DSP), 通常将增加总系统费用。 MPP 跟踪的方法使用PV 模块的短路在当前运用情况运行下当前PV 模块的MPP短路电流是成线性比例的 。在迅速地更改大气情况之下, 这个方法有跟踪MPP 的快速的回应速度, 但控制电路是复杂的。使用太阳能仪表板的开放电路电压的MPP的跟踪方法利用工作电压在MPP 与开放电路电压几乎线性的比例在PV 模块的MPP中 (使用76% 开放电路电压作为MPP 电压) 。这个方法是非常简单和有效的, 但参考电压不能更改在采样之间。MPPTs 使用模糊的逻辑性[13,14 ] 和人工神经网络(ANN) [ 15]have 被报导出来。这些研究表示, 像这样的现代控制算法是能改进跟踪的性能与比较常规方法。 在本文里, 我们提出ANN MPPT 为太阳电通信工具PV 系统。跟踪的算法更改交换器的义务比率以便使PV 模块电压等于电压对应于MPP 在那个大气情况。这个调整由使用执行传播ANN 。参考电压对MPP 由脱机被培训的ANN 获得。管理器生成升压交换器的工作周期。 1 .PV 模块特性 太阳列阵特性极大影响了交换器和控制系统的设计, 因此PV 特性简要将被复核得这里。太阳列阵是一个非线性设备, 可能代表作为一个当前来源设计, 依照被显示在图1 。太阳列阵的传统I-V 特性, 当忽略内部分流器抵抗, 由以下等式给: Io 和Vo 是太阳列阵的输出电流和输出电压; Ig 是被生成的当前在指定的日射能量之下; Isat 是反向饱和电流; q 是电子的电量; k 是伯磁曼常数; A 是P-N 连接点的理想系数; T 是列阵温度; Rs 和Rsh 是太阳列阵的内在电阻和分流器抵抗电阻。 太阳列阵的饱和电流随温度变化根据以下等式: Tr 是参考温度; 被使用在太阳列阵上的Ior 是在Tr下的饱和电流; Ego是半导体的范围空白能量; B 并且是理想系数; Isc 是在下的短路; 是短路电流的温度系数是1内的日射能量。 等式(1)-(3) 被使用在计算机模拟的发展中。Matlab 编程语言被使用。图2 显示被模拟的电流—电压和力量电压弯曲为太阳列阵在不同的日射能量和不同的温度。这些曲线表示, 太阳列阵的输出特性是非线性和受太阳辐射、温度, 和负荷状态很大地影响。各曲线有最大力量点(Pmax), 是优选的运行的点有利于 太