摘 要

太阳能作为大自然中一种可再生能源，其具有取之不尽用之不竭的特性。当今世界能源稀缺问题日益突出，太阳能作为一种新兴的能源，对当今社会的发展已越来越重要。大力发展太阳能发电技术，构建新型能源体系对于我国的社会发展有着举足轻重的作用。

在海洋环境中，电池组件经常受到各种各样外界环境的干扰，使其无法运行在最佳工况下，船上的光伏组件常年运行在高温度、高湿度、高盐度的环境中，模块经常会被海水和盐颗粒所覆盖，这会导致光伏组件的腐蚀和老化速度加快。为此，光伏组件的功率-电压（P-V）以及电流-电压（I-V）特性会因此出现不同程度的变化，这也将直接影响系统最大功率点跟踪（MPPT）控制的性能。P-V/I-V特性的变化通常是由电池板自身性能的衰退引起，可被认为是长期的环境干扰。对于船舶光伏系统来说，为了在各种环境条件下获得较好的MPPT控制性能，在克服上述的长期环境扰动方面有很多技术是值得研究的。为此，针对特定的光伏阵列，研究基于数据驱动的MPPT控制方法，尤其是带时间窗的知识库动态更新方法，实现对光伏组件工作特性衰变的有效跟踪，对于保证光伏系统的稳定高效运行具有重要意义。

本文在查阅大量国内外文献资料的基础上，基于神经网络理论构建光伏系统MPPT控制模型，并分析了其在正常光照条件下的输出功率和受海洋环境长期扰动下的输出功率，实验数据表明，在受海洋环境长期扰动下电池板的输出功率明显低于正常条件下的输出功率。在此基础上，对用于进行神经网络训练的光伏系统最大功率点样本数据，进行了添加时间窗和不添加时间窗的对比实验，由仿真实验结果可见，添加时间窗后，光伏系统对负载环境下最大功率点的预测结果明显优于不添加时间窗组的情况。由此可见，本文所研究的基于时间窗的神经网络对于准确预测船舶光伏系统最大功率点是有效的。

关键词：光伏阵列；最大功率点；绿色船舶；神经网络

Abstract

In today's world, the problem of energy scarcity is becoming increasingly prominent. As a new energy source, solar energy has become increasingly important for the development of today's society. Vigorous development of solar power generation technology and the establishment of a new energy system have a decisive role in previous social development.

In the marine environment, the battery modules are often interfered by various external environment, which makes them unable to operate in the best condition. The photovoltaic modules on the ship run in the environment of high temperature, high humidity and high salinity all the year round. The modules are often covered by sea water and salt particles, which will lead to the accelerated corrosion and aging of photovoltaic modules. Therefore, the power voltage (P-V) and current voltage (I-V) characteristics of photovoltaic modules will change to varying degrees, which will directly affect the performance of MPPT control. The change of P-V / I-V characteristics is usually caused by the degradation of the performance of the battery board itself, which can be considered as a long-term environmental interference. For the ship photovoltaic system, in order to obtain better MPPT control performance under various environmental conditions, there are many technologies worth studying in overcoming the above-mentioned long-term environmental disturbance. Therefore, for a specific photovoltaic array, it is of great significance to study the MPPT control method based on data-driven, especially the dynamic update method of knowledge base with time window, to realize the effective tracking of the decay of the working characteristics of photovoltaic modules, so as to ensure the stable and efficient operation of photovoltaic system.

Based on a large number of domestic and foreign literature, this paper constructs the MPPT control model of photovoltaic system based on the neural network theory, and analyzes its output power under normal light conditions and long-term disturbance by the marine environment. The experimental data shows that the output power of the battery plate under long-term disturbance by the marine environment is significantly lower than that under normal conditions. On this basis, the maximum power point sample data of photovoltaic system used for neural network training are compared with the data without adding time window. The simulation results show that the prediction results of photovoltaic system for maximum power point under load environment are significantly better than that without adding time window group after adding time window. It can be seen that the neural network based on time window studied in this paper is effective for accurately predicting the maximum power point of ship photovoltaic system.

Key words:Photovoltaic array; maximum power point; green ship; neural network

目录

摘要 3

Abstract 4

第1章 绪 论 7

1.1 研究背景与研究意义 7

1.2 国内外研究现状与趋势 8

1.3 本文主要研究内容 9

1.4论文章节安排 10

第2章 光伏发电系统 11

2.1 光伏电池 11

2.1.1 太阳能电池的材料 11

2.1.2 光伏电池的工作原理 11

2.1.3 光伏电池的等效电路模型 12

2.2 局部遮阴对光伏系统的影响 15

2.2.1 电池板局部遮阴产生的原因 16

2.2.2 局部遮阴的影响分析 16

2.2.3 旁路二极管和阻塞电阻 18

2.3 本章小结 19

第三章 光伏组件的仿真模型 21

3.1光伏组件 21

3.2光伏组件的仿真模型 21

3.2.1 不同条件下3*8TCT结构光伏组件输出特性曲线 23

3.3 本章小结 29

第四章 长期扰动BP-ANN模型的建立 31

4.1基于ANN的离线MPPT 31

4.2基于Pamp;O的在线MPPT 33

4.3 本章小结 34

第五章 仿真预测和结果 35

5.1 离线BP-ANN模型的检验 35

5.2 长期干扰的案例研究 36

5.3 本章小结 42

第六章 总结与展望 43

6.1 工作总结 43

6.2 工作展望 43

参考文献 44

致 谢 46

第1章 绪 论

1.1 研究背景与研究意义

能源是一个国家和社会发展的必须品，从钻木取火开始，人类就一直寻找着各种各样的能源以满足自己的日常生活。随着科学技术的发展，人类创造出了各种各样新的能源，能源也经历着一次又一次的更新换代，不同的时期有着不同的主导能源。在需求不断变化的今天，人们利用的能源从煤碳到石油到天然气再到现如今的电气，能源经理了一次又一次的更新换代，历久弥新的变换过程。纵观国内外的经济发展过程，经济的发展离不开电力的供应，电力的产生又依赖于能源的消耗。酸雨、臭氧空洞、极端的天气则是环境问题的主要表现。所以，不可再生能源不断减少，环境危机和能源危机频发的问题已经迫在眉睫。为了达到环境友好型生态文明目标，人类需要采取有效的行动。在环境破坏达到不可逆转之前应该有效的使用清洁能源，减少化石能源的使用。关于一次能源消费情况，到2030年之前，中国计划将非化石能源的消费比重定为25%左右。可再生能源的使用程度将以年均7%的速度增长，使可再生能源在全球一次能源消费中的比重不断提高，由 2017年的占比4%升至2035年的占比9%。在减少化石能源消耗的基础上，还应着力控制二氧化碳的排放。将风、水运动产生的势能，以及地壳产生的热能和太阳散发的辐射利用起来，这种的可再生持续性能源将会得到更多的开发和利用。发展可再生能源发电技术对电力行业未来的长足发展意义重大，电力行业未来的长足发展更是取决于此^[1]。

太阳能是重要的清洁能源，也是一种可再生无污染能源，是无穷无尽、源源不断的。其具有可再生性、持续性等特点，太阳能是当之无愧的最佳选择^[2][3]。太阳能电池在上个世纪五十年代的美国贝尔实验室应运而生，聚集了全世界的眼光，得到了人们的广泛关注。光伏发电因其节能环保、廉洁低碳得到各国政府企业的认可，光伏发电将是未来发电的主流趋势，是世界上最具有潜力的新技术。研究表明，太阳能每秒钟到达地面的能量高达80万kW，假如把地球表面0.1%的太阳能转变为电能，转换效率5%，则每年发电量可达5.6×10¹²kWh，相当于目前世界上能耗总量的近40倍^[4]。所以，深入研究发展光伏理论、发电技术，探究各种应用背景下提升光伏系统发电效率及运行稳定性的关键技术，对解决当下濒临的能源枯竭问题以及环境污染问题具有有效改进。然而，在光伏阵列布局、光伏电网输送、光伏系统调解等客观因素的不利影响下，虽然光伏电站装机规模在持续增大、装机容量在迅速增长，但光伏发电的随机性、间歇性和反调峰等特性给电网安全以及经济运行也带来了巨大压力^[5]