基于LabVIEW的光伏系统监测、建模与仿真
摘要
本文利用Lab-view实时接口系统对光伏系统的性能和动态特性进行了详细的表征。开发的软件工具集成了各种类型的仪器组成一个单一的系统，能够对所有数据源进行在线测量，并将仿真结果与监测数据进行实时比较。综合监测 对光伏系统的分析具有十分重要的作用。所提出的方法是一种低成本的解决方案，通过使系统数据库为性能分析做好准备，从而提供快速、安全和可靠的系统。 光伏系统分析方法还应用于阿尔及利亚能源可再生能源中心(CDER)的一个并网光伏系统。结果表明： 测量结果与仿真结果一致。将仿真与实时监测数据相结合的方法推广到光伏系统的故障诊断研究中。
关键词：光伏系统；监测；建模；仿真
介绍
LabVIEwe(实验室虚拟仪器工程工作台)是由国家仪器公司开发的一种图形化编程语言，它使用图标而不是文字来创建应用程序。现如今在目前的众多科学领域和技术工程中，我们提出了一个完整的LabVIEW监控建模仿真平台作为工具研究光伏系统。
LabVIEW在光伏系统监测方面的许多应用在文献中已有报道(Koutroulis和Kalaitzakis，2003年；Forero等人，2006年；Martlsquo;nez Bohorsquo;rquez Etal，2009年；Vergura an)。 d Natangelo，2009年；Ulieru等人，2010年)。
另一方面，我的商业软件解决方案可用于光伏系统模拟(Silvestre，2012年)和标准仿真软件，如Matlab(Yusof等人，2004年；Pater和Agarwal，， 2008年；Karatepe等人，2008年；Chouder和Silvestre，2012年)或PSpice(Castan er和Silvestre，2002年；Silvestre等人，2009年)也被用于这一目的。此外，Vergura和N atangelo(2010)集成了Matlab和SIMULINK来监测光伏电站的能源性能。
在本工作中，我们报告了光伏系统在同一环境下的监测、建模和仿真集成，能够实时提供系统行为的信息。此解决方案允许 从光伏系统中获取和控制所有必要的数据，评估pv模块和阵列的主要模型参数，计算系统的性能比(Pr)和产量，创建h。 TML和XLS报告文件，并实时可视化所有这些数据和动态系统行为。此外，鲁棒建模和仿真的集成为实时地将模拟结果与moni tored数据进行比较提供了机会，从而开发了新的故障诊断工具以及客观的新的预测模型来提高性能和可靠性的光伏系统，优化系统的输出，以达到更高的产量。
光伏系统描述
所提议的光伏系统监测、建模和模拟方法已应用于位于阿尔格省能源开发中心(Cdr)的一个与电网相关的光伏系统， 伊利。该光伏系统由90个光伏模块(STC上的同位素106Wp-12)组成，分三个子发电机，每台3kWp。子生成器由两个由15个光伏模块组成的并行字符串组成。每个子发电机连接到一个2.5 kW的单相逆变器(IG30Fronius)上，将产生的能量注入国家C的公共低压配电网的一个相位。 OMPANY(Sonelgaz)220 V-50 Hz(Hadj Arab Etal，2005年)。此光伏系统的框图如图1所示。
利用LabVIEW监控光伏系统
图2给出了光伏系统中传感器的原理图和监控系统的采集数据。还包括了双传感器，用于测量辐照度、温度以及 系统直流和交流侧的电流和电压。
数据采集是进行使用安捷伦34970A和专用安捷伦34902A十六通道多路复用器模块。个人电脑和LabVIEW之间的数据通信，其中传入的数据是被GPIB总线处理形成的。
用两个太阳热计(Kippamp;Zonen CM 11型)和一个基准太阳能电池测量辐照度。其中一个 在倾斜的平原上进行测量植物，比重计和基准电池安装在光伏植物的两个不同的位置。第二个日冕仪测量水平平面内的辐照度。热电偶被用来测量光伏植物附近的环境温度来预测光电组件的
方程式.(1)计算了该太阳电池的温度Tc。
Tc=Ta (NOCT-20℃)G/800 (1)
其中Ta为环境温度，G为辐照度，并与光伏组件制造商给出的正常运行单元温度相对应。
在电流测量方面，我们使用了两个CLSM-50闭环霍尔等电流传感器和一个双运算放大器LM 1458N。
光伏系统的直流输出电压是用分压器测量的，交流输出电压是在用于霍尔硒的电压供应的变压器的次级处测量的。采集系统的所有数据都用LabVIEW进行处理，使用图3所示的虚拟仪器。利用出现的COE序列来校准所监测的参数。虚拟仪器允许以下任务：与数据采集器Agilent 34970a通信，以便通过GPIB总线(DC/AC和温度测量)设置双通道，处理输出字符串。 从数据采集开始，将输出串分割成相应的被测变量，并用相应的缩放因子对每个通道进行校准。表1显示CAL Ibra-tion因子和通道与每个测量变量以及所使用的辐照度传感器的灵敏度有关。
光伏系统建模与仿真描述
4.1.光伏模块建模
光伏模块的模型是基于图4所示的太阳能电池的一个二极管模型。当G和T分别为辐照度和温度时，IPH是依赖于在辐照度和温度条件下，D是模拟太阳电池P/N结的二极管，Rsh和Rs分别是并联电阻和串联电阻，模拟了电池的功率损耗。设备(Overstraeten和Merten，1986年；Castan er和SIL-Vestre，2002年)。太阳能电池的输出电流I可以写成:
I=Iph-Id-Ish (2)
其中Iph是照片产生的电流，Id是二极管电流，Ish是Rsh的电流。
该电流可以计算如下：
Iph=G/Gref(Iph.ref uIcc(T-Tref)) (3)
G和T分别是工作的辐照度和温度，Gref和Tref分别是标准试验条件(Stcs)：1000 W/m2和温度下的辐照度和温度。25 LC，IPH，REF是在STC上产生的光电流，并且是电流的温度系数。
Id=Isat(exp((V RsI)/nVt)-1) (4)
其中ISAT是二极管的反向饱和电流，n是二极管理想因子，Vt是热电压。
Ish=(V RsI)/Rsh (5)
方程式（2）能由方程式(3)-(5)推导如下：
I=Iph-Isat(exp((V RsI)/nVt)-1)-(V RsI)/Rsh (6)
方程式(6)是一个隐式方程，而不是线性方程，它给出了太阳电池的I(V)特性。商用光伏组件由太阳电池串联组合而成。一些较高功率的光伏模块包括多个分支并行。如果我们考虑在每个分支中串联的NS太阳能电池和光伏模块的np分支总数。形成光伏组件的LAR单元是NStimes;NP。那么方程式(6)可以连续缩放得到光伏组件的I(V)特性的相似方程，并考虑到方程。(Castan Eer和Silvestre，2002年；Chenni等人，2007年；Karatepe等人，2007年)：
Im=NpI (7)
Vm=NsI (8)
Rsm=NsRs/Np (9)
Rshm=NsRsh/Np (10)
其中带有下标m的参数代表光伏模块。
考虑到方程式（6）—（10）的光伏组件的I(V)特性的模型，在LabVIEW环境下被证实。该模型的I(V)和P(V)特性以及太阳能电池和光伏组件的最大功率点(MPP)坐标是可用的。输入参数计算方法有：太阳能电池的开路电压(Voc)，太阳能电池的短路电流(ISC)、Rs、RSH、NS、NP、G、T、lIcc和太阳电池理想因子(N)。I(V)的获取流程图P(V)特征如图5所示。
4.2.逆变模型
在LabVIEW环境下开发的逆变器模型是基于King等人提出的性能模型逆变器。(2007年)。逆变器PAC，sim的交流输出功率由以下几个方面定义G方程：
PAC,sim=[Paco/(A-B)-C(A-B)](Pdc-B) C(Pdc-B)^2 (11)
当Paco是逆变器在基准或额定额定条件下的最大交流输出功率时，Pdc是逆变器输入端的直流功率，参数A、B和C由下列公式表示毫微秒（时间单位等于1秒的10亿分之一）:
A=Pdc0[1 C1(VDCsim-Vdco)] (12)
B=Pso[1 C2(VDCsim-Vdco)] (13)
C=Co[1 C3(VDCsim-Vdco)] (14)
其中Vdsim是逆变器输入端的直流电压，Vdco和Pdco分别是直流电压和功率输入。
在参考额定条件下达到交流功率等级时，Pso是输入端正常工作所需的直流功率，C1、C2和C3是经验常数，用来调整逆变器的PAC(PDC)特性。
方程式(11)所涉及的主要参数的值见表2。
4.3.并网光伏系统仿真
模拟并网光伏系统的主要目的是获得系统直流侧和交流侧逆变器输出电压和电流的预期变化。因此，模拟结果将考虑到气候参数的实际情况，以动态的方式给出整个系统的预期行为。从仿真结果看功率值(P)和能量、瞬时能量(Einst)和累积能量(Ecom)可评价如下：
Einst=PDelta;t (15)
(16)
整个光伏并网系统的仿真是基于上述光伏模块模型和逆变器模型进行的，并在LabVIEW环境下进行了仿真。图6的流程图中描述了模拟过程。
利用另一虚拟仪器计算了动态状态下光电系统产生的功率、累积能量和能量，即交能和直流电。
最后，根据仿真结果可以评价系统产量的期望值：参考产量(Yr)、阵列产量(Ya)和最终产量(Yf)以及性能比(Pr)。(Haber-lin和Beutler，1995年；欧洲委员会---社区，1997年)：
Gref是在STC的辐照度，G是测量的辐照度和Po是名义上的光伏系统的功率。
图7显示了Yr沿一天的演化过程，以及从LabVIEW模拟中得到的这一天的评估。
结果和讨论
5.1.PV模块模型验证
为了验证光伏模块模型对整个光伏系统性能的预测，提出了一种基于户外测量和对预期的五个主要参数(Iph，Sat，n，Rs，Rsh)进行解析推导的方法。(Chou-der和Silvestre，2012)已作为一个分离模块集成在LabVIEW环境中。所开发的程序在STC(1000 W/m2和25 lc)处找出了五个参数，并计算出了其它任何实际操作条件下的参数。单个光伏组件参数的变化对整个光伏系统的性能有很大影响(Dlsquo;Alessandro等人，2011年)。该方法包括对整个系统的参数提取技术，可以很好地估计系统的输出。如果光伏组件的某些参数发生变化，并且观察到模拟结果与监测数据之间的重要差异，有必要重新运行参数提取算法，并再次验证仿真结果与监测数据的一致性。
取得的主要成果，运用参数提取过程，总结在表3。执行此任务的可视化面板如图8所示。该程序的验证是通过比较室外条件下测量的I - V特性的实际测量来实现的,并通过引入所需的五个模型参数进行仿真。通过绘制模拟和测量I - V特性之间的误差曲线，巩固了这种比较的结果,并量化主要误差指示器，如图9所示,并在表4中报告。这些数值低于以往报告的光伏模块模拟误差值(Mahmoud等人，2012年；Villalva等人，2009年)。
公式（6）的分辨率在开路电压附近的模拟和测量之间显示出越来越大的误差，如图9所示。本质上是由于数值稳定性，由于模拟生成的点数少于IV型示踪剂PVPM 2516所给出的点数，因此，在高压下，误差的计算也是一个影响因素。
5.2.光伏系统仿真结果分析
模拟中使用的变气候对光伏系统的模拟过程进行了分析和验证，在第4.2节中提出，温度和辐照度是从监控系统获得的，如图10所示。用1 min的时间步长对样品进行了测量。
模拟光伏系统的行为，如图6中所示的流程图所示,实时完成。在光伏阵列输出时，直流电压和电流的主要结果如图11所示。结果表明，模拟结果与实测数据有很好的一致性。在15.00~18.00 h的电流观测到的主要干扰是由于电网干扰迫使逆变器在一天内断开。
在系统直流侧和交流侧产生的功率的结果如图12所示，在逆变器断开的影响下再来。
表5总结了在被监测值之间观察到的错误，并对光伏系统产生的电能和能量进行了仿真，为仿真过程的准确性提供了一种较好的方法。
对于光伏阵列提供的功率和能量，获得了均方根误差(均方根误差)低于4%。这些数值低于以往在光伏系统模拟中报道的RMSE值(Chouder和Silvestre，2009年)与神经网络算法获得的MSE误差相同数量级(Yu和Chang，2011)。
整个系统在6月份、8月和2012年9月按照所述程序进行监测。在同一时期内对系统的动态行为进行了模拟
全文共15935字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[16045]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
