用于估计光伏模块的功率产生人工神经网络的模型.docVIP

用于估计光伏模块的功率产生人工神经网络的模型 A. Mellita，B，*，S。萨？ glamc，S.A. Kalogiroud 科学aFaculty和技术，可再生能源实验室，吉杰勒大学，奥拉德-Aissa，PO专栏0.98，吉杰勒18000，阿尔及利亚 bUnité德发展署DES EQUIPEMENTS solaires（UDES），Bousmail，提帕萨42000，阿尔及利亚 cTechnical教育学院，马尔马拉大学，34722伊斯坦布尔，土耳其 机械工程和材料科学与工程学院，塞浦路斯大学，PO的dDepartment 50329盒，3603利马索尔，塞浦路斯 一个R T I C L E I N F O 文章历史： 收到二○一二年十一月十八日 接受2013年4月23日 可在线2013年5月18日 关键词： 光伏组件 建模 电力生产 人工神经网络 预测 A B式T R A C T 在本文中，一种方法来估计一个50兆瓦级光伏硅 - 多晶硅的生产力量的轮廓 光伏（PV）模块进行说明。为此，两个人工神经网络（ANN ）已 分别在阴天和晴天使用而开发的。一年以上的测量数据（太阳能 辐照度，空气温度，光伏模块的电压和PV模块的电流）已经记录在 马尔马拉大学，伊斯坦布尔，土耳其（从2011年1月1日至24-2-2012 ）和用于培训和瓦利 - dation的车型。结果证实了研制人工神经网络的模型来估计功率的能力 制作合理准确。比较研究表明，人工神经网络的机型更好的表现 比多项式回归，多元线性回归，分析和单二极管模型。它的优点 人工神经网络 - 模型的是，他们不需要更多的参数或复杂的计算不像隐 模型。建立的模型可用于预测所产生的电力的轮廓。虽然，本 方法已应用于1的多晶光伏组件，它也可以被概括为大 规模光伏电站以及其他光伏技术。 ？ 2013爱思唯尔有限公司保留所有权利。 1引言 据报道由国际能源署（IEA） [ 1] ，全球光伏产能已 因为在超过40 ％的年均增长率增长 2000年和它有显著潜力的长期增长在 下一个十年。到2050年，光伏发电将提供全球电力的11 ％ 生产（每年4500太瓦时） ，对应3000吉瓦 累计安装的光伏装机容量。 像土耳其，光伏研究和开发的国家 活动仍主要采取通过一系列的大学， 政府和行业的设施和项目，主要是 由国家计委组织机构，研究计划资助 化（ DPT）和科学与研究理事会（ TUBITAK ） [2,3 ] 。 作为光伏系统的性能是由影响 在日照和大气条件的幅度，更交流 光伏电池/组件的牧师模型需要估计 所生产的电力和一般分析光伏 系统的性能。作为光伏电池的建模/ 模块是oneOf的最重要领域inphotovoltaics研究， 许多方法已经开发了用于建模的IEV 特性和估算的最大功率。这些可以是 一般分为两种类型：明确I ? F（V）和隐 我? F（ I，V ）型号。明确的车型采用的是简单的分析 表达的基础上的假设，他们需要更少的计算 努力。然而，隐式模型相对比更准确 明确的，并且它们具有引入的缺点 系列这是difficultor甚至不可能获得参数 从太阳能电池单元的制造商（即，串联电阻，RS ;的 分流电阻， RSH ;暗饱和电流， ??I0 ;照片 产生的电流电流Iph和二极管理想因子，n ） 。即使 这些参数可以根据经验而获得，光的设计者 光伏系统经常会发现在应用这些模型的困难[ 4 ] 。 人工神经网络（ANN ） ，遗传算法（GA ） ， 神经模糊推理系统（ ANFIS）和粒子群优化解， zation （ PSO）技术已经在为了模拟被查处 并提取PV电池/模块的参数，以及估计 最大功率。 参考文献。 [ 5 ] ，作者用一个神经网络来估计 从光伏组件使用的最大发电环境 心理信息。建议的网络可以用于在 第二天的一代从光伏系统由预测 使用从天气办公室的预测信息。雅阁 ing的作者，所提出的方法给出更精确的预 措辞相比通过使用获得的预测的 传统的多元回归模型。 径向基函数（RBF）的太阳能电池阵列的应用 建模和最大功率点（MPP ）预测被预 艾尔 - 阿莫迪和张sented [ 6 ] 。建议RBF模型的 导致节能，它可以准确计算的MPP无 摸索最佳功率点。 Abdulhadi等。 [ 7 ]已经开发出一种神经模糊模型 预计太阳能电池的短路电流和开路电压。 据作者表示，该模型可以扩展超出了 测得的数据通过将先验知识范围 来自理论和制造商的数据。 参考文献。 [ 8 ] ，作者采用了基于神经网络的方法 用于改进的电气等效电路的精度 光伏组件。一个光伏模块的等效电路的参数 主要取决于太阳辐射和温度。该 关于环境因素对电路参数的依赖 通过使用一组c