基于改進(jìn)PSO算法的SVR模型在MPPT中的應(yīng)用.pdf

1、在當(dāng)今高速發(fā)展的社會環(huán)境下，人類對能源的需求越來越大，太陽能作為新能源中最理想的替代能源得到了廣泛認(rèn)可，人們對光伏發(fā)電技術(shù)的關(guān)注也越來越多。光伏電池最大功率點(diǎn)跟蹤技術(shù)是改善光伏系統(tǒng)工作效率的一個關(guān)鍵技術(shù)，如何才能有效地控制光伏電池的最大功率點(diǎn)工作機(jī)制，提高光伏陣列組件的光電轉(zhuǎn)換效率，已成為太陽能研究領(lǐng)域的一個研究熱點(diǎn)。本文在研究了光伏電池最大功率點(diǎn)跟蹤技術(shù)的原理的基礎(chǔ)上，結(jié)合支持向量機(jī)和粒子群優(yōu)化算法，重點(diǎn)研究了基于改進(jìn)粒子群算法的支持

2、向量機(jī)回歸模型，并將其應(yīng)用于光伏電池最大功率點(diǎn)跟蹤預(yù)測問題中，使光伏組件工作在最大功率點(diǎn)處，以獲得最大的輸出功率。
　　首先，較為詳細(xì)地介紹了太陽能光伏電池的工作原理和數(shù)學(xué)模型，論述了光伏電池最大功率點(diǎn)跟蹤原理及現(xiàn)有的控制方法。并對現(xiàn)有的研究成果進(jìn)行了分析與評述，指出理論研究與實(shí)際應(yīng)用中存在的問題。
　　其次，介紹了支持向量機(jī)回歸算法和粒子群優(yōu)化算法，重點(diǎn)研究了粒子群優(yōu)化算法中的參數(shù)設(shè)置問題，對粒子群算法的慣性權(quán)重和學(xué)習(xí)因子

3、分別進(jìn)行了研究，提出了新的粒子群優(yōu)化算法參數(shù)設(shè)置方法。
　　然后，結(jié)合支持向量機(jī)回歸算法，將改進(jìn)的粒子群優(yōu)化算法應(yīng)用于支持向量機(jī)參數(shù)尋優(yōu)，根據(jù)數(shù)據(jù)樣本尋找更好的懲罰參數(shù)C和核函數(shù)參數(shù)g，以提高支持向量機(jī)回歸模型的泛化性能。因此提出了基于改進(jìn)PSO的SVR模型，并將這一模型應(yīng)用于光伏電池最大功率點(diǎn)跟蹤預(yù)測，并與基于基本PSO算法的SVR模型進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明，模型能夠精確地跟蹤到電池的最大功率點(diǎn)，預(yù)測效果良好。
　　最后