论文摘要
针对传统最大功率点跟踪方法存在功率振荡和跟踪速度慢的问题,文章提出一种考虑影响光伏输出特性因素变量的组合预测方法。该方法使用遗传算法优化逆向传播神经网络、最小二乘支持向量机和极限学习机分别预测最大功率点对应的电压,然后再通过方差-协方差权值动态分配法来组合预测。通过仿真实验分析,验证了该组合预测方法能够利用各算法自身的优势,并有效地避免其不足,从根本上提高了预测模型的性能。通过与传统的扰动观测法对比,确认采用该方法不仅能保证光伏阵列能够稳定运行在最大功率点,而且有效地缩短了跟踪最大功率点的时间,提高了光伏发电系统效率。
论文目录
文章来源
类型: 期刊论文
作者: 戴伯望,赵香桂,朱淇凉
关键词: 光伏发电,最大功率跟踪,组合预测,遗传算法,神经网络,支持向量机,极限学习机
来源: 控制与信息技术 2019年01期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业
单位: 株洲中车时代电气股份有限公司
分类号: TM615
DOI: 10.13889/j.issn.2096-5427.2019.01.009
页码: 44-49+63
总页数: 7
文件大小: 2000K
下载量: 94
相关论文文献
标签:光伏发电论文; 最大功率跟踪论文; 组合预测论文; 遗传算法论文; 神经网络论文; 支持向量机论文; 极限学习机论文;