数据驱动建模的商业光伏Microinverter

文摘

我们提出一个数据驱动建模(DDM)方法用于静态建模的商业光伏(PV)生产l型逆变器a。该建模方法处理所有可能的microinverter操作模式,包括突发模态。没有先验知识的内部组件、结构和控制算法假定发展模型。该方法是基于人工神经网络(ANN)和快速傅里叶变换(FFT)。生成数据用于训练模型,功率硬件在回路(菲尔)方法。瞬时inputs-outputs数据收集终端的一个商业光伏microinverter时域。然后,收集到的数据转换为频域使用快速傅里叶变换(FFT)。ann被DDM的核心是在频域开发的。人工神经网络的输出然后转换回时域系统级仿真验证和使用。测量和模拟数据的比较验证了方法的性能。

1。介绍

全球太阳能光伏能源的装机容量超过303千瓦在2016年底(1]。这样一个急剧上升约90兆瓦增加两年(2014 - 2015)和75千瓦直到2016年(1)吸引了行业的关注和担忧,公用事业、和学术界。普及率的增加光伏发电电能质量相关实施重大挑战(谐波、功率因数、直流注入和电压闪变),可靠性、保护、控制和配电电网的稳定性(2]。至关重要。在这种背景下,能够准确地模拟光伏发电对电网运行的影响和可能发生的交互接口转换器与传统电网调节装置(如载分接开关、电容器银行)。

考虑到能源系统的复杂性,毫无疑问,建模与仿真的基本工具进行设计和分析以安全有效的方式‎(3- - - - - -5]。建模、验证和验证接口转换器的关键步骤进行系统级分析未来的电力系统。然而,开发短时间转换器的可靠模型需要大量的背景建模方法(例如,第一原则与经验),系统特点和水平的模型细节要求。此外,这些转换器建模尤为重要,由于控制算法所发挥的重大作用,尤其是在电网异常条件。是不可接受的不准确的开发基于方程的模型构造独特的硬件特点devices-if不是设备本身的生成的生产商。电力电子转换器领域的建模、三个层次的细节通常被认为是根据分析目标:组件级别,转换器,和系统级‎6]。

详细的组件模型已经开发的详细电路仿真的目的,例如,绝缘栅双极型晶体管(IGBT),功率二极管‎(7)、电感和电容‎(8),但级建模需要大量细节设备的物理建模,模型执行计算要求。这种模型被认为是首要原则模型(白盒)基于基本物理规律。白盒模型是可靠和准确的,但大量的细节需要获得一个精确的模型限制了其适用性当商业控制驱动装置感兴趣的。同时,该方法广泛应用于商业模拟器主要通用models-non-vendor-specific-are时使用。

对变换器建模水平,白和黑盒方法已经被使用。白箱模型(第一原则模型),这需要大量的知识转换器的结构和参数,开发了两个捕捉切换操作‎(9)转换器和代表的平均行为转换器‎(10,11]。同时,黑箱实验模型(数据驱动模型)已经开发(12- - - - - -14通过系统辨识的方法。黑盒模型通常也更少的计算要求。

系统级建模、行为、或实验模型通常使用。有限的计算成本和所需的信息通常是主要因素之间的驾驶行为模型的使用。在这个context-since我们的目标是为系统级模型PV microinverter studies-considering设备建模为一个黑盒,使用数据驱动的方法似乎一个可行的选择基于方程的模型。

‎(15,16),光伏逆变器的模型开发的系统级依赖系统识别技术。然而,这些模型是有效的只有在一个小范围的操作条件,和异常条件以及不考虑突发模态操作。‎(17]另一个数据驱动模型的光伏逆变器系统级分析报告。在这种情况下,模型使用直流侧电流作为输入,生成的权力作为输出;无论是栅极电压或突发模态操作被认为是发展模型。在[18- - - - - -21光伏系统开发的详细模型,但这些模型只关注光伏面板/数组阶段不考虑电力电子转换阶段。

在本文中,我们提出一个数据驱动建模(DDM)方法,认为该设备(microinverter)作为一个黑盒子。没有先验知识的内部组件、结构或控制算法模型假定在发展中。该方法在频域模型设备促进谐波、次谐波行为的建模。在这篇文章中,创建一个静态的基于频域模型的好处包括短时间转换器是证明了突发模态操作的模型被认为是光伏逆变器。直到现在,突发模态操作的PV microinverter建模只在‎(22),一个简单的电路调谐匹配收集实验结果。‎(所22]-针对高渗透levels-burst模式操作可能会导致电压闪烁和阶段的不平衡问题。在这种背景下开发的模型作为本文的一部分将用于评估大量的这些设备可能影响网格分布。

本文分为六个部分。节2介绍光伏逆变器操作报告,主要是为了使读者熟悉突发模态操作。节3我们讨论拟议中的数据驱动方法。实验室设置,包括交流电网仿真直流(光伏面板)仿真和数据采集,提出了部分4。部分5显示模型验证和实验结果。最后,部分6总结了该方法的主要限制和优势。

2。PV Microinverter操作和分析

有三个主要类型的光伏逆变器架构:中央逆变器,逆变器,和模块集成类型逆变器(称为生产l型逆变器a)‎23]。中央逆变器广泛应用于发电PV农场和用于连接大量的平行弦光伏电池板的网格。每个字符串由一系列光伏电池板产生较高的直流电压。虽然中央逆变器的使用被认为是一个简单、可靠、高效、大规模光伏和廉价的选择植物,中央逆变器方法患有高直流电压和电流(所以功率损耗),灵活设计,和穷人最大功率点跟踪器翻译(MPPT)单个光伏电池板的性能,尤其是在阴天的情况下。

专用的字符串逆变器光伏电池板的一系列字符串直接连接到电网。这种方法通常用于住宅屋顶光伏电池板和中小规模光伏系统。使用字符串逆变器的主要优点是减少直流线路翻译(所以功率损耗)和改进的MPPT的性能。

第三种选择,生产l型逆变器a直接连接到每个小组并将生成的力量注入一个交流或直流电网。使用生产l型逆变器a,每个光伏面板操作独立不管其他板的条件。因此,生产l型逆变器a在其他提到的解决方案有一些显著的优势。使用生产l型逆变器a,每个光伏面板的操作点可以单独优化效率显著的好处。此外,使用生产l型逆变器a更高灵活性和更安全的安装(没有高压连接)。生产l型逆变器a的使用也促进面板健康监测和维护操作。然而,使用microinverter增加太阳能装置的总体成本。在本文中,我们关注的建模光伏生产l型逆变器a由于他们越来越多地使用在过去的几年里。之前描述使用的建模方法(下一节),我们想讨论的操作microinverter读者不熟悉生产l型逆变器a。特别是,我们想描述突发模态操作指示。 To provide some quantitative value and to make the discussion more concrete we will often refer to the particular microinverter used for this work (Enphase S280); however, the main points in the description are valid for a generic microinverter.

商业行为的短直线,直线PV microinverter,正如前面提到的,很大程度上取决于所使用的控制软件符合IEEE 1547标准‎(24]。因此,IEEE 1547标准后,许多最初的测试已经正常和异常条件下应用于microinverter它可能面临在其操作‎(25]。

我们执行异常电压tests-both过电压和undervoltage-to验证的最大和最小电压microinverter可以操作。测试报告的结果数据1和2和总结在表1。的表也显示了清算时间microinverter停止的权力。处于频率和过频率测试也执行microinverter确认操作频率范围。其他测试,如直流注入测试,测试(图重新连接的时间3(图),anti-island测试4)也实现和结果被发表在表1。

在交流方面,microinverter可以在电压电网水平Vrms 184年和228年之间Vrms‎(25]。这些水平是决定根据IEEE 1547标准。最小和最大操作电压验证使用越来越坡道(100 mV / s)和减少斜坡(100 mV / s)来确定这次旅行电压水平(异常电压测试)‎24,25]。在直流方面,光伏发电的面板在0和270 W之间可能存在差异。

光伏逆变器注入一个完美的正弦电流与电网电压相位如果注入功率超过34%的名义。如果光伏面板生成不到34%的PV额定功率,逆变器处于所谓的“破裂模式。“在突发模态操作,microinverter利用充电和发布周期的方法。值得注意的是,这种方法可以显著提高效率,当操作在低光照条件,例如,在早上和晚上时间。

更好的分析操作在破裂模式,我们分析充电周期的数量变化与光伏发电的面板,如表所示2。图5显示的实际电流波形microinverter操作下突发模态在不同光伏输入功率水平。microinverter指控从1到5期和注入电流根据输入功率为一个周期。图6显示了注入电网电流的谐波成分对应的充电周期;频域数据得到执行快速傅里叶变换(FFT)。只有频率成分幅值大于额定电流的0.1%被认为是在分析了DDM microinverter运营和发展中。

一个充电周期,输出频率成分30 Hz的整数倍。然而,对于两个充电周期,频率成分是20赫兹的整数倍。为操作组成的三,四,五个充电周期15赫兹的频率成分是整数倍,12赫兹,分别和10赫兹。

在表中标识的权力范围之内2,microinjected电流振幅的变化但开关周期之间的比例是恒定的;因此谐波分量振幅的变化但不参与频率。一个充电周期,图7显示了不同的交流电网注入电流大小的输入功率值(26%至33%的逆变器评级)。值得观察的nonzero-crossing点输出电流脉冲电流波形在B点在图所示7。FFT分析一个充电周期在不同功率(26 - 33%的额定功率)如图8。相同的行为观察其他充电周期。

3所示。建模方法

数据驱动的建模方法通常分为直接或间接。直接方法使用原始采集数据创建输入输出映射而间接方法需要从数据中提取特征来构建模型。

专注于操作条件的生成能力不同于零,microinverter的输出电流(交流)是一个正弦信号波形如图只要逆变器不是在破裂模式和运营取决于栅极电压(184 Vrms 228 Vrms)和太阳能电池板的输出电流(2.54 - -7.17)。相反,正如上一节所讨论的,数字5和8显示当前microinverter注入的特点是强烈的次谐波组件操作时破裂模式。鉴于这种广泛的变化,建立一个时域稳态模型是非常具有挑战性的。出于这个原因,我们决定使用一种间接的方法来创建数据驱动的模型。模型是由提取RMS数据从光伏电流和电网电压( , )作为输入端和提取的特征频率成分(大小、阶段)的栅极电流(在输出端)作为特征。提出创建DDM的工作流图所示9。它演示了两个预处理步骤准备数据,创建DDM使用ANN算法和DDM输出的转换回时域。

收集到的数据是通过两个步骤修改之前的训练。我们将这两个步骤postinput preoutput。在postinput阶段,输入时域瞬时值数据转换为均方根值。在preoutput阶段,输出数据转换为频域(振幅、相位)。FFT是用来计算每个频率分量的振幅和相位;只有频率成分幅值高于0.1%的额定电流是DDM的建模。准备好数据后,创建了DDM使用人工神经网络。然后输出DDM的转换从时域频域。

3.1。数据驱动的模型开发

在机器学习和计算智能,最常见的算法发展的数据驱动的模型是人工神经网络(ANN),模糊规则系统(美联储)和遗传算法(GA)。开发模型,我们使用了一个感兴趣的microinverter ANN算法基于一个两层的前馈网络与非线性激活节点(乙状结肠隐藏神经元)隐藏层和一个线性激活输出层的输出节点。我们决定使用安因其良好的能力学习非线性关系和由于并行和直接执行结构,促进衍生DDM的实现传统电力系统仿真软件,除了实时执行。创建三个ann microinverter覆盖整个操作范围。人工神经网络的输入电网电压(RMS)和光伏电流;输出的振幅和相位栅极电流的频率成分。安用来模拟nonburst模式操作是基于两个乙状结肠单隐层神经元和两个线性神经元用于线性输出层。破裂模式操作,两个安使用相位和振幅。人工神经网络都是基于6 s形的隐层神经元,和42线性神经元用于线性输出层。更详细地描述部分5.1安,42个样本用于训练用于nonburst模式,和93个样本用于验证。破裂模式操作,人工神经网络训练使用23个样本,并使用30个样本进行验证。

3.2。整体模型结构

在本节中,我们描述如何创建单个模型涵盖了所有可能的操作条件,以便它可以用于系统级模拟。如前所述在前面的部分中,创建了三个不同的人工神经网络,一个用于nonburst模式操作和两个破裂模式操作;一个框图模型提出了图的描述10。模型由三个人工神经网络,输出选择器和一个转换模块。所有三个网络不断并行操作在所有网格和辐照度条件下,他们都得到相同的输入(和)。输出的值选择器接收和并确定应该使用哪个安输出,区分nonburst模式和破裂模式操作。最后,转换模块将data-amplitude (s)和相位(s)收到的选择器回时域输出。值得一提的是再一次的输出模型网格的瞬时值电流 。

4所示。实验室设置

生成所需的数据在建模阶段,权力硬件回路的方法是使用。提出了一种综合总结菲尔在‎26],最近使用的几个例子提供了菲尔‎(27,28]。实验室设置使用的表示在图中进行了描述11。设置分为三个部分:交流电网仿真,模拟光伏面板和数据采集。模拟交流电网,microinverter连接到两个AE Techron 7548放大器由一个实时控制模拟器(Opal-RT)。模拟光伏面板,BK精密PVS600085-controlled主机十分使用。相同的主机还执行数据采集通过国家仪器(NI)使用虚拟仪器数据采集板。定制电路板包含电流和电压传感器用来获得所需的测量,并提供反馈测量Opal-RT。下面的详细描述实验室安装报告。

4.1。实时交流电网仿真

在本节中,我们描述了设置用于模拟考虑操作条件下的网格。交流电网仿真利用两个AE Techron 7548四方形线性功率放大器和一个实时模拟器(Opal-RT)。交流电网的行为模拟方法,使用MATLAB / Simulink Opal-RT (R2011b)。模拟输出(±16伏特)从Opal-RT用于提供计算引用值(电网电压)AE Techron放大器。模拟信号也被用来提供Opal-RT所需的测量值(注入电流)用于仿真。

的放大器可以作为源和负载吸收的能量生成的microinverter(四象限操作)。在沉船事件模式下,放大器可以吸收到25 - 35%的额定输出功率。如果偿债能力超过假定,然后可以连接到一个外部电阻负载的输出放大器来吸收多余的能量。本文中给出的测试,两个放大器功率(电压和电流)和频率范围需要测试各种microinverter操作模式。

4.2。光伏模拟

为了创建一个microinverter模型在各种天气条件下(温度和辐照)在实验室环境中,传统的直流电源就不够用了。出于这个原因,我们使用一个所谓的光伏模拟器,特别是PVS60085 BK精度。PVS60085是高压(600伏直流电)电源与太阳能电池阵列模拟器设计用于(SAS)软件,通过虚拟仪器驱动程序。电压和电流水平,这样整个运行范围的Enphase S280 microinverter可以进行测试。SAS软件兼容各种标准(即。,EN50530, Sandia, NB/T32004), but it is also possible to define custom- - - - - -曲线,模拟特定的光伏电池板,功率容量和最大功率点的基础上(和)。使用SAS软件,还可以指定辐射水平和温度的情况,改变输出功率与时间步或速度控制。

4.3。数据采集系统

执行数据采集使用设置基于国家仪器采集系统和自定义传感器板。

自定义传感器板都是基于两个电流的隔离采用霍尔传感器(LEM登月舱LV 25便士和LA五十五便士)。传感器,电压500 V (DC-25千赫)和当前50 (dc - 200千赫)可以测量。达到最大分辨率的利益在电压和电流范围内,选择合适的电阻的值和匝数。适当的调节电路的抗锯齿过滤和电压水平翻译是使用;所有电路元件选择提供精度高、噪音低。NI数据采集系统是基于作为pcie——6363年收购委员会(32路,16位模拟输入的总采样率2 MS / s)。专用的虚拟仪器应用了模拟数据可以被收购以恒定速率或使用事件驱动(触发)方法,以提供与其他设备或软件同步操作。

5。模型验证和实验结果

DDM使用MATLAB / Simulink开发R2011b。收集到的数据,如部分所述3所示。1,分为两组:一组用于训练安安,另一个用于验证。然而,为了更好地欣赏的性能模型,使用Opal-RT DDM也在实时执行。从模型获得的结果实时操作与实际操作的结果microinverter。评估开发模型的准确性,误差,DDM和真正的microinverter计算使用(1)。模型的训练和测试nontraining操作要点:

5.1。数据收集和准备

nonburst模式中,数据被收集在功率变化之间的35%和100%额定功率的5%增加为三个不同的交流电网电压水平(190 V, 207.8 V, 215 V);42个训练样本。为了验证,使用共93个样本。收集数据用于验证电压和功率不同的用于训练。得到了54个样本收集数据的栅极电压等于200 V和220 V和功率变化在35%和100%之间。得到了39个样本收集数据的栅极电压等于190 V, 207.8 V, 215 V和功率变化在38%和98%之间。能够培养一个安能繁殖的行为microinverter破裂模式,更多的权力范围0 - 33%水平测试;在这种情况下,训练和验证数据的大小是23样品和30个样本,分别。收集到的数据交流电网电压,直流电流和交流电流。

5.2。响应的DDM 34 - 100%的额定功率

在本节中,我们将讨论获得模型的准确性nonburst模式操作。数据12和13显示输出电流之间的平均误差的microinverter DDM的输出电流在不同操作条件下的模型训练和测试。

点蓝色/红色线显示的平均误差计算各种栅极电压水平和能力水平。例如,考虑图的结果12,误差评估通过设置电网电压在190 V和通过改变输入功率水平。重复相同的过程对电网电压等于215 V和207.8 V。每个输入功率的平均误差确定在考虑电网电压水平(190 V, 207.8 V, 215 V)。

我们最初继续检验模型训练点(同样的栅极电压水平:190 V, 207.8 V, 215 V;相同的功率:35%,100%,5%的增量)蓝色的点在图所示12。nontraining点之后,我们继续测试模型(不同的电压和功率)来验证其性能更好。首先,模型是测试在同一电网电压水平(190、207.8和215 V)用于训练,但不同的输入功率水平(38 - 98%)。红点在图所示的结果12。平均误差小于0.7%。其次,模型是测试在同一功率用于训练,但在电压水平(200 V, 220 V)中使用不同的培训。平均误差,在这种情况下,显示的蓝色点图13。红点在图13显示的平均误差nontraining栅极电压水平(200 V和220 V)和nontraining功率(38 - 98%)。

第一个结果是令人惊讶的,因为它将是合法的期望没有错误当模型运行在相同条件下用于培训。获得的error-still小是由于测量噪声和截断介绍在选择要包括谐波组件。测试的DDM的microinverter nontraining操作条件如图12和13——可以观察到的最大平均误差小于0.9%。

5.3。响应DDM的破裂模式:0 - 33%的额定功率

在本节中,我们将讨论突发模态操作获得模型的准确性。数据14和15显示的平均误差的大小和相位组件逆变器的电流测量和获得的数据模型。测试执行不同的操作条件下,两个在相同条件下用于安训练和nontraining条件下。考虑到不同的谐波组件获得的平均。训练点,最大平均误差的大小等于0.6%(0.008)和相位角等于0.66度。nontraining点,大小的最大平均误差小于1.2%(0.015),和相位角的平均误差小于0.9度除了PV额定功率的2.2%;在这种情况下,误差等于3.5度。这个高价值是由于低功率水平;在这个功率测量精度和噪声变得更为重要,降低模型的性能。评估模型精度一旦重构时域信号,输出的安,振幅和阶段,由重建原来的电流转换为时域信号。在图16交流电流波形模型获得的波形得到真正的设备相比,nontraining点用于这种比较。

6。结论

摘要DDM的方法提出了建模一个商业光伏microinverter没有任何先验知识的内部组件,结构,或控制算法。

一般来说,有两个主要挑战PV microinverter发展中一个数据驱动的模型。首先,包括栅极电压变化的影响在模型中需要多输入模型的发展;这显著增加模型的复杂性,如果输出模型开发的文学相比,例如,(17]。其次,模型需要能够捕获突发模态操作;在实际的阶段只是另一种方法提出了模型这种类型的操作(22]。由于本文中提出的方法microinverter视为一个黑盒,创建了DDM基于安和FFT;获得模型涵盖了正常的操作模式和破裂模式考虑到还栅极电压的变化。通过大量的模型结果验证操作条件和一般显示良好的精度。

获得的模型可以集成到一个商业电力系统仿真的工具。提出的方法获得的模型需要很少的资源使用,事实上,我们成功地使用实时仿真。在进一步的研究中,我们将分析这些设备如何影响,尤其是在突发模态操作,LV分销网络电能质量。

信息披露

早期版本的工作提出了作为一个海报DistribuTECH会展2018。

的利益冲突

作者宣称没有利益冲突。

确认

作者欣赏伊拉克高等教育委员会(hc)和伊拉克南方科技大学部分支持本研究在南卡罗莱纳大学的。

引用

1. “可再生能源2017年全球状态报告,”科技。众议员组织,2017年,页66。视图:谷歌学术搜索
2. m . Tobnaghi Davud”,审查影响发电的光伏系统的分销网络,“国际期刊的电子、计算机、精力充沛、电子和通信工程,10卷,不。1,2016。视图:谷歌学术搜索
3. a . m . Yusop r·穆罕默德·a·Ayob和a·默罕默德”的动态建模与仿真thermoelectric-solar混合能源系统使用一个逆动态分析输入整形器,”建模和模拟在工程文章ID 376781卷,2014年,13页,2014。视图:出版商的网站|谷歌学术搜索
4. t .哈提卜,A·穆罕默德,k . Sopian“光伏系统的最优规模的软件工具在马来西亚,”建模和模拟在工程文章ID 969248卷,2012年,2012年。视图:出版商的网站|谷歌学术搜索
5. a . Tundis l . Buffoni p Fritzson, a。这样,“与Modelica基于模型的物理系统的可靠性分析,”建模和模拟在工程卷,2017篇文章ID 1578043, 2017。视图:出版商的网站|谷歌学术搜索
6. l . Arnedo系统级黑盒模型直流-直流转换器(博士学位。论文)电气工程系,弗吉尼亚理工学院和州立大学,2008。
7. p·r·帕尔默e·桑蒂j·l·哈金斯x Kang j·c·乔伊斯和p . y . Eng”电路模拟器模型二极管和IGBT全温度依赖特性,”IEEE电力电子,18卷,不。5,1220 - 1228年,2003页。视图:出版商的网站|谷歌学术搜索
8. j . m . Lopera m . j .普列托A . m .佩尼亚和f .努诺-,“多绕组建模方法,高频变压器,电感器,”IEEE电力电子,18卷,不。3、896 - 906年,2003页。视图:出版商的网站|谷歌学术搜索
9. 崔b . w . Lim,美国爆炸,崔,“小信号分析和控制设计的不对称半桥直流-直流转换器,”IEEE工业电子产品,53卷,不。2、511 - 520年,2006页。视图:出版商的网站|谷歌学术搜索
10. s·r·桑德斯和g·c·Verghese合成平均电路模型切换电源转换器,”IEEE电路和系统II:表达内裤,38卷,不。8,905 - 915年,1991页。视图:出版商的网站|谷歌学术搜索
11. r . Priewasser m . Agostinelli c . Unterrieder马西里海山,和m . Huemer”建模、控制和实现变频直流-直流转换器的操作,“IEEE电力电子卷,29号1,第301 - 287页,2014。视图:出版商的网站|谷歌学术搜索
12. 诉瓦尔迪维亚,a . Barrado a .拉萨罗m . Sanz d·洛佩兹Del道德和c·拉格“黑箱行为建模和识别直流-直流转换器的输入电流控制燃料电池功率调节,”IEEE工业电子产品,卷61,不。4、1891 - 1903年,2014页。视图:出版商的网站|谷歌学术搜索
13. 洛杉矶Aguirre, p . r . Donoso-Garcia和r . Santos-Filho”使用先验信息的识别全球非线性模型使用巴克转换器——一个案例研究,“我:IEEE电路和系统基本理论和应用程序卷,47号7,1081 - 1085年,2000页。视图:出版商的网站|谷歌学术搜索
14. f . Alonge 'Ippolito f . D, f . m . Raimondi和s Tumminaro“非线性建模的DC / DC转换器使用汉默斯坦的方法,”IEEE电力电子,22卷,不。4、1210 - 1221年,2007页。视图:出版商的网站|谷歌学术搜索
15. n . Patcharaprakiti k . Kirtikara d . Chenvidhya诉Monyakul,和b . Muenpinij”建模的单相逆变器光伏系统使用系统辨识,”第二届国际会议在计算机和网络技术,ICCNT 2010,页462 - 466,泰国,2010年4月。视图:出版商的网站|谷歌学术搜索
16. n Patcharaprakiti et al .,“光伏网格连接逆变器的建模基于非线性系统识别电能质量分析,”在生成和分布系统和电能质量扰动InTech,的哲理,里耶卡,克罗地亚,2011。视图:谷歌学术搜索
17. a . Alqahtani m . Alsaffar m . El-Sayed, b . Alajmi“数据驱动的光伏系统建模基于非线性系统识别,”国际期刊的Photoenergy卷,2016篇文章ID 2923731, 2016。视图:出版商的网站|谷歌学术搜索
18. j。j, k .低,“光伏模型识别使用粒子群优化和逆障碍约束,“IEEE电力电子,27卷,不。9日,第3983 - 3975页,2012年。视图:出版商的网站|谷歌学术搜索
19. y . A·马哈茂德·w·肖,h . h . Zeineldin”参数化方法增强光伏模型准确性,”IEEE工业电子产品,60卷,不。12日,第5716 - 5708页,2013年。视图:出版商的网站|谷歌学术搜索
20. s . a·拉赫曼·r·k·Varma, t . Vanderheide“光伏面板的普遍模型,”专业可再生发电,8卷,不。3、217 - 229年,2014页。视图:出版商的网站|谷歌学术搜索
21. l . Cristaldi m . faife m·罗西,s . Toscani”一种改进的基于模型的最大功率点跟踪光伏电池板,”IEEE仪表和测量,卷63,不。1,第71 - 63页,2014。视图:出版商的网站|谷歌学术搜索
22. z赵,K.-H。吴,js。赖,w . Yu”公用电网的影响与高渗透PV许多独立的破裂模式下操作使用简化仿真模型,”《第三届IEEE能量转换国会和博览会,《2011年,页3928 - 3932,美国2011年9月。视图:出版商的网站|谷歌学术搜索
23. p . Jain诉Agarwal, b . p .市政“混合锁相环路控制集中式逆变器在大型太阳能光伏发电厂”学报2016年IEEE国际会议上电力电子,驱动器和能源系统(脚)特里凡得琅,页1 - 7,印度,2016年12月。视图:出版商的网站|谷歌学术搜索
24. IEEE标准互连电力系统分布式资源IEEE标准1547 - 2003年,2003年,pp.1-28。
25. m·戴维森h . d . Abbood, a . Benigni”力量的硬件在环测试光伏micro-inverter,”学报第六届国际会议上清洁电力,ICCEP 2017,页145 - 151,意大利,2017年6月。视图:出版商的网站|谷歌学术搜索
26. g . f . Lauss m . o . Faruque k . Schoder c·杜福尔a . Viehweider和j·兰斯顿,”特征和设计力量的半实物仿真电力系统”IEEE工业电子产品,卷63,不。1,第417 - 406页,2016。视图:出版商的网站|谷歌学术搜索
27. x h·梅,研究。夸克,黄永发。荣格,k . a .金“全面电热power-hardware-in-the-loop模拟光伏建模(菲尔)应用程序,”IEEE工业电子产品,卷64,不。8,6255 - 6264年,2017页。视图:出版商的网站|谷歌学术搜索
28. 拉各斯m . Maniatopoulos d . p . Kotsampopoulos, n . Hatziargyriou”综合控制供电测试智能电网控制硬件在回路仿真算法,”专业生成、传输和分配,11卷,不。12日,第3018 - 3009页,2017年。视图:出版商的网站|谷歌学术搜索

版权

版权©2018 Hayder d . Abbood和安德里亚Benigni。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。