研究目的
开发一种基于新型梯度下降最小二乘回归（GDLSR）的神经网络（NN）结构，用于并网太阳能光伏系统的稳健高效控制，旨在通过衰减谐波、噪声和其他畸变来改善电能质量，并在太阳辐照为零时充当DSTATCOM。
研究成果
基于广义动态线性状态回归的神经网络控制算法能有效提升并网光伏系统的电能质量，通过降低谐波与畸变，在各类电网异常工况下高效运行，并可在零光照条件下作为动态静止无功补偿器发挥作用，其总谐波畸变率符合IEEE-519标准，展现出良好的鲁棒性与易实施性。
研究不足
基于GDLSR的控制技术算法复杂度较高，与某些传统方法相比可能需要更多缓存内存，且目前仅在单相系统上进行了测试，可能限制了其在三相系统中的适用性。
1：实验设计与方法选择：
本实验设计并测试了含非线性负载的单相单级并网光伏系统。采用基于GDLSR的神经网络控制算法从负载电流中提取基波分量，整合拉普拉斯核函数实现快速模式识别。使用增量电导（InC）最大功率点跟踪（MPPT）算法进行最大功率追踪。
2：样本选择与数据来源：
开发了具有特定参数的原型系统（如电网电压154.4V、频率50Hz、光伏阵列规格）。非线性负载连接于公共耦合点（PCC）。
3：4V、频率50Hz、光伏阵列规格）。非线性负载连接于公共耦合点（PCC）。 实验设备与材料清单：
3. 实验设备与材料清单：包括太阳能光伏模拟器（AMETEK ETS600x17DPVF）、单相电压源转换器、纹波滤波器（Cfl=10μF，Rfl=10Ω）、接口电感（Lln=5mH，Rln=0.5Ω）、DSpace控制器（1202-DSPACE）、霍尔效应电流传感器（LA-55p）、电压传感器（LV-25）、万用表（Fluke-115）、电能质量分析仪（Fluke-43B）、差分电压探头（HAMEG-115Hz）、电流探头（Tektronix-A622）和数字存储示波器（DSO7014A）。
4：5Ω）、DSpace控制器（1202-DSPACE）、霍尔效应电流传感器（LA-55p）、电压传感器（LV-25）、万用表（Fluke-115）、电能质量分析仪（Fluke-43B）、差分电压探头（HAMEG-115Hz）、电流探头（Tektronix-A622）和数字存储示波器（DSO7014A）。 实验流程与操作步骤：
4. 实验流程与操作步骤：在多种工况下测试系统，包括正常电网电压、过压、欠压、畸变电网电压、可变负载及太阳辐照度变化。采集并分析电网电流、电压、功率和谐波频谱数据。
5：数据分析方法：
使用电能质量分析仪分析谐波频谱计算总谐波畸变率（THD），并与IEEE-519标准对比性能。记录并评估动态响应。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Solar PV Simulator
ETS600x17DPVF
AMETEK
To simulate the characteristics of a solar PV array for testing the system.
-
Multimeter
Fluke-115
Fluke
To measure voltage and current in the system.
-
Power Quality Analyzer
Fluke-43B
Fluke
To analyze harmonic spectra of current and voltage.
-
Current Probe
Tektronix-A622
Tektronix
To measure current in the system.
-
DSpace Controller
1202-DSPACE
DSPACE
To execute the control techniques for the grid-integrated system.
-
Hall-Effect Current Sensor
LA-55p
To sense current signals in the system.
-
Hall-Effect Voltage Sensor
LV-25
To sense voltage signals in the system.
-
Differential Voltage Probe
HAMEG-115Hz
HAMEG
To measure voltage in the system.
-
Digital Storage Oscilloscope
DSO7014A
To record dynamic performance of the system.
-
登录查看剩余7件设备及参数对照表
查看全部
