1. 研究目的与意义
（一）研究背景
在科学技术高度发达的现代社会中，人类已进入瞬息万变的信息时代。在信息时代，人们在从事工业生产和科学实验等活动时，主要依靠的是对信息的开发、获取、传输和处理，因此，传感器及检测技术应运而生。太阳能是可再生的，用之不尽且无污染的能源。辐照度传感器是能感受表面照度并转换成可用输出信号的传感器。它用于实现对环境光照度的测量，输出标准的电压及电流信号，具有体积小，安装方便，线性度好，防水性好，抗干扰性强等特点，可广泛应用于气象、农业、建筑材料老化及大气污染等部门做太阳辐射能量的测量，然而市面上的辐照度计也存在着许多缺点，主要有：
1.获取关于太阳能辐照度的历史数据并不容易；
2. 研究内容和预期目标
（一）课题主要内容 本课题利用光伏电池的输出特性，采用在线优化算法建立电池输出电压、电流、温度与辐照度的映射关系，以精确评估太阳总辐照度。
（二）预期目标 基于matlab软件平台，设计在线优化算法。
完成测试硬件电路，能够精确评估太阳能总辐照度，以最终完成辐照度软测量计。
3. 研究的方法与步骤
（一）研究方法（1）实验法，以所学的理论知识为基础，通过实验掌握实际动手能力。
（2）文献资料法，通过查找文献完成对常见优化算法及所研究课题的理解，并了解主流方法，通过对比研究找到最合适的算法。
（3）经验总结法，根据所学模电知识和常见常用电路，设计硬件电路（二）步骤（1）分析、总结光伏电池电气特性与周边环境的关系；（2）进行辐照计方案设计与比对、优选设计方案；（3）设计测试硬件电路图；（4）编写仿真程序流程图及代码；（5）整理各阶段的设计和记录文档，提交毕业论文一份及相关英文文献翻译一份。
4. 参考文献
| [1]A. Moreno-Muoz, J. J. G. de laRosa, R. Posadillo and V. Pallarés. Short term forecasting of solarradiation[J]. IEEE International Symposium on Industrial Electronics,2008:1537-1541. [2]张军朝,陈俊杰. 粒子群优化RBF神经网络光伏电池建模研究[J]. 计算机工程与科学, 2011, 33(9):169-173. [3]Ji W, Chee K C.Prediction of hourly solar radiation using a novel hybrid model of ARMA andTDNN[J]. Solar Energy, 2011, 85(5):808-817. [4] M. Carrasco, F.Mancilla-David and R. Ortega. An Estimator of Solar Irradiance inPhotovoltaic Arrays with Guaranteed Stability Properties[J]. IEEETransactions on Industrial Electronics, vol. 61, no. 7, July 2014. [5] 贺文,齐爽,李国庆,等. 基于小波神经网络的太阳辐照强度预测[J]. 可再生能源, 2015, 33(3). [6] 伯晓晨,李涛,刘路,等. MATLAB工具箱应用指南——信息工程篇[M]. 北京:电子工业出版社, 2000. [7] 张铃,张钹. 人工神经网络理论及应用[M]. 浙江:浙江科学技术出版社,1997. [8] 郁有文,常健,程继红. 传感器原理及工程应用[M]. 西安:西安电子科技大学出版社, 2014. [9] 唐向宏,岳恒立,郑雪峰. 计算机仿真技术——基于MATLAB的电子信息类课程[M].3版. 北京:电子工业出版社, 2013. [10] 邹鲲,袁俊泉,龚享铱. MATLAB6.X信号处理[M]. 北京:清华大学出版社,2002. [11] 陈怀琛. MATLAB及其在理工课程中的应用指南[M]. 西安:西安电子科技大学出版社, 2000. [12] 张德丰. MATLAB模糊系统设计[M]. 北京:国防工业出版社, 2009:205-208. [13] 余兴国,行鸿彦,季鑫源. 自动气象站光伏控制器的设计[J]. 现代电子技术, 2012, 35(8):188-191. [14] 王建平,郑董文,朱程辉,等. 太阳逐日曝辐量预测建模方法研究[J]. 电子测量与仪器学报, 2014(12):1332-1339. [15] 罗明武,孙朝霞,刘强民,等. 基于集对分析理论的太阳辐照度区间预测[J]. 电力科学与工程, 2015(10):44-49. [16] 陈滨,陈星,贾珣. 预测太阳辐射的人工神经网络模型[C]. 全国暖通空调制冷学术年会, 2004. [17] 史峰. MATLAB神经网络30个案例分析[M]. 北京:北京航空航天大学出版社, 2010. [18] 邓乃扬,田英杰. 支持向量机——理论算法与拓展[M]. 北京:科学出版社, 2009.
|
5. 计划与进度安排
(1)2022-02-23– 2022-02-26 毕业实习介绍与课程了解的介绍；
(2)2022-02-27– 2022-03-05 课程的进一步了解与介绍；
(3)2022-03-06– 2022-03-12 matlab软件的了解与学习；
