基于改進PSO算法的SVR模型在MPPT中的應用.pdf

1、在當今高速發(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可，人們對光伏發(fā)電技術的關注也越來越多。光伏電池最大功率點跟蹤技術是改善光伏系統(tǒng)工作效率的一個關鍵技術，如何才能有效地控制光伏電池的最大功率點工作機制，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域的一個研究熱點。本文在研究了光伏電池最大功率點跟蹤技術的原理的基礎上，結(jié)合支持向量機和粒子群優(yōu)化算法，重點研究了基于改進粒子群算法的支持

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

3、分別進行了研究，提出了新的粒子群優(yōu)化算法參數(shù)設置方法。
　　然后，結(jié)合支持向量機回歸算法，將改進的粒子群優(yōu)化算法應用于支持向量機參數(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，以提高支持向量機回歸模型的泛化性能。因此提出了基于改進PSO的SVR模型，并將這一模型應用于光伏電池最大功率點跟蹤預測，并與基于基本PSO算法的SVR模型進行了比較，實驗結(jié)果表明，模型能夠精確地跟蹤到電池的最大功率點，預測效果良好。
　　最后