随着能源的紧张和环境污染日益严重，开发和利用太阳能已受到越来越多的重视。通过光伏并网发电系统将太阳能转换为电能，并将电能输送到电网上，是太阳能利用的主要形式。 本文对光伏并网发电系统的控制策略进行了深入的研究。首先，分析了太阳能电池发电的基本原理，得出了太阳能电池的等效模型，通过分析太阳能电池的I-V特性，可以看出太阳能电池是一非线性电源，而且输出电能受环境温度和光照强度的影响，为了使太阳能电池能够最大效率地将太阳能转化为电能，需要对其进行最大功率点跟踪。通过分析和对比各种最大功率点跟踪方法的优缺点，采用了改进扰动观察法结合BOOST升压电路来对电池板进行最大功率点跟踪的方案。其次，分析对比并网电流的各种控制方式，确定采用滞环比较方式对并网电流进行控制，为了使并网电流稳定可靠地向电网送电，采用双闭环控制策略对并网逆变器进行控制，使逆变器输出电流能与电网电压同频同相，以单位功率因数向电网输电。最后，对光伏并网发电系统的孤岛效应进行了研究，介绍了各种孤岛检测方法，分析了基于正反馈的主动移频式孤岛检测方法(AFDPF)的参数优化方案，为AFDPF检测盲区的分析提供理论依据。 本文在MATLAB/Simulink仿真环境下，利用SimPowerSystems功能模块建立了仿真模型，对太阳能电池板的数学模型，最大功率点跟踪控制策略，并网控制策略进行验证仿真。仿真结果证明了本文的方案和控制策略的正确性。
上传时间： 2013-07-14
上传用户：prczsf
本书主要阐述设计射频与微波功率放大器所需的理论、方法、设计技巧，以及将分析计算与计算机辅助设计相结合的优化设计方法。这些方法提高了设计效率，缩短了设计周期。本书内容覆盖非线性电路设计方法、非线性主动设备建模、阻抗匹配、功率合成器、阻抗变换器、定向耦合器、高效率的功率放大器设计、宽带功率放大器及通信系统中的功率放大器设计。 本书适合从事射频与微波动功率放大器设计的工程师、研究人员及高校相关专业的师生阅读。 作者简介 Andrei Grebennikov是M／A—COM TYCO电子部门首席理论设计工程师，他曾经任教于澳大利亚Linz大学、新加坡微电子学院、莫斯科通信和信息技术大学。他目前正在讲授研究班课程，在该班上，本书作为国际微波年会论文集。 目录 第1章 双口网络参数 1.1 传统的网络参数 1.2 散射参数 1.3 双口网络参数间转换 1.4 双口网络的互相连接 1.5 实际的双口电路 1.5.1 单元件网络 1.5.2 π形和T形网络 1.6 具有公共端口的三口网络 1.7 传输线 参考文献 第2章 非线性电路设计方法 2.1 频域分析 2.1.1 三角恒等式法 2.1.2 分段线性近似法 2.1.3 贝塞尔函数法 2.2 时域分析 2.3 NewtOn.Raphscm算法 2.4 准线性法 2.5 谐波平衡法 参考文献 第3章 非线性有源器件模型 3.1 功率MOSFET管 3.1.1 小信号等效电路 3.1.2 等效电路元件的确定 3.1.3 非线性I—V模型 3.1.4 非线性C.V模型 3.1.5 电荷守恒 3.1.6 栅一源电阻 3.1.7 温度依赖性 3.2 GaAs MESFET和HEMT管 3.2.1 小信号等效电路 3.2.2 等效电路元件的确定 3.2.3 CIJrtice平方非线性模型 3.2.4 Curtice.Ettenberg立方非线性模型 3.2.5 Materka—Kacprzak非线性模型 3.2.6 Raytheon(Statz等)非线性模型 3.2.7 rrriQuint非线性模型 3.2.8 Chalmers(Angek)v)非线性模型 3.2.9 IAF(Bemth)非线性模型 3.2.10 模型选择 3.3 BJT和HBT汀管 3.3.1 小信号等效电路 3.3.2 等效电路中元件的确定 3.3.3 本征z形电路与T形电路拓扑之间的等效互换 3.3.4 非线性双极器件模型 参考文献 第4章 阻抗匹配 4.1 主要原理 4.2 Smith圆图 4.3 集中参数的匹配 4.3.1 双极UHF功率放大器 4.3.2 M0SFET VHF高功率放大器 4.4 使用传输线匹配 4.4.1 窄带功率放大器设计 4.4.2 宽带高功率放大器设计 4.5 传输线类型 4.5.1 同轴线 4.5.2 带状线 4.5.3 微带线 4.5.4 槽线 4.5.5 共面波导 参考文献 第5章 功率合成器、阻抗变换器和定向耦合器 5.1 基本特性 5.2 三口网络 5.3 四口网络 5.4 同轴电缆变换器和合成器 5.5 wilkinson功率分配器 5.6 微波混合桥 5.7 耦合线定向耦合器 参考文献 第6章 功率放大器设计基础 6.1 主要特性 6.2 增益和稳定性 6.3 稳定电路技术 6.3.1 BJT潜在不稳定的频域 6.3.2 MOSFET潜在不稳定的频域 6.3.3 一些稳定电路的例子 6.4 线性度 6.5 基本的工作类别：A、AB、B和C类 6.6 直流偏置 6.7 推挽放大器 6.8 RF和微波功率放大器的实际外形 参考文献 第7章 高效率功率放大器设计 7.1 B类过激励 7.2 F类电路设计 7.3 逆F类 7.4 具有并联电容的E类 7.5 具有并联电路的E类 7.6 具有传输线的E类 7.7 宽带E类电路设计 7.8 实际的高效率RF和微波功率放大器 参考文献 第8章 宽带功率放大器 8.1 Bode—Fan0准则 8.2 具有集中元件的匹配网络 8.3 使用混合集中和分布元件的匹配网络 8.4 具有传输线的匹配网络 8.5 有耗匹配网络 8.6 实际设计一瞥 参考文献 第9章 通信系统中的功率放大器设计 9.1 Kahn包络分离和恢复技术 9.2 包络跟踪 9.3 异相功率放大器 9.4 Doherty功率放大器方案 9.5 开关模式和双途径功率放大器 9.6 前馈线性化技术 9.7 预失真线性化技术 9.8 手持机应用的单片cMOS和HBT功率放大器 参考文献
上传时间： 2013-04-24
上传用户：W51631
AD5933/AD5934的电流-电压（I-V）放大级还可能轻微增加信号链的不准确性。I-V转换级易受放大器的偏置电流、失调电压和CMRR影响。通过选择适当的外部分立放大器来执行I-V转换，用户可挑选一个具有低偏置电流和失调电压规格、出色CMRR的放大器，提高I-V转换的精度。该内部放大器随后可配置成一个简单的反相增益级。
上传时间： 2013-10-27
上传用户：wangzeng
N+缓冲层设计对PT-IGBT器件特性的影响至关重要。文中利用Silvaco软件对PT-IGBT的I-V特性进行仿真。提取相同电流密度下，不同N+缓冲层掺杂浓度PT-IGBT的通态压降，得到了通态压降随N+缓冲层掺杂浓度变化的曲线，该仿真结果与理论分析一致。对于PT-IGBT结构，N+缓冲层浓度及厚度存在最优值，只要合理的选取可以有效地降低通态压降。
上传时间： 2013-11-12
上传用户：thesk123
创新、效能、卓越是ADI公司的文化支柱。作为业界公认的全球领先数据转换和信号调理技术领先者，我们除了提供成千上万种产品以外，还开发了全面的设计工具，以便客户在整个设计阶段都能轻松快捷地评估电路。
上传时间： 2013-11-25
上传用户：kachleen
创新、效能、卓越是ADI公司的文化支柱。作为业界公认的全球领先数据转换和信号调理技术领先者，我们除了提供成千上万种产品以外，还开发了全面的设计工具，以便客户在整个设计阶段都能轻松快捷地评估电路。
上传时间： 2013-10-18
上传用户：cxl274287265
分而治之方法还可以用于实现另一种完全不同的排序方法，这种排序法称为快速排序（quick sort）。在这种方法中， n 个元素被分成三段（组）：左段l e f t，右段r i g h t和中段m i d d l e。中段仅包含一个元素。左段中各元素都小于等于中段元素，右段中各元素都大于等于中段元素。因此l e f t和r i g h t中的元素可以独立排序，并且不必对l e f t和r i g h t的排序结果进行合并。m i d d l e中的元素被称为支点( p i v o t )。图1 4 - 9中给出了快速排序的伪代码
上传时间： 2015-04-27
上传用户：kristycreasy
本程序基于约瑟夫森结的RSJ模型，对无微波辐照和微波辐照下约瑟夫森结的特性进行了数值计算求解，其中有微波辐照的RSJ模型求解采用了四阶龙格库塔方程函数，两种情况都给出了I-V特性曲线图（程序包中也附带），展现了量子化电压台阶。
上传时间： 2015-12-12
上传用户：gxrui1991
本简易网络导纳分析仪以C8051F020为控制和数据处理核心，由正弦信号发生器模块、滤波和功率放大模块、I/V变换模块、导纳角测量模块、导纳模测量模块、键盘模块以及液晶显示模块组成。采用数字控制DDS芯片AD9851产生100Hz－10KHz正弦信号，经滤波和功率放大后驱动网络负载。从网络负载中提取被测量信号，输入到以真有效值转换集成芯片AD637为核心的电压和电流测量电路构成的导纳模测量模块中进行导纳模测量。导纳角测量模块是从导纳模测量模块中取电压和电流信号分别经过零比较后使用鉴相器对信号相位差测量。把上述的测量结果经单片机处理后用液晶显示。为了提高测量精度，将各部分电路的误差合理分配，使电路达到最佳测量效果。
上传时间： 2014-09-06
上传用户：JIUSHICHEN
程序名：ga_bp_predict.cpp 描述： 采用GA优化的BP神经网络程序，用于单因素时间 序列的预测,采用了单步与多步相结合预测 说明： 采用GA(浮点编码)优化NN的初始权值W[j][i],V[k][j]，然后再采用BP算法 优化权值
标签： ga_bp_predict cpp 程序 BP神经网络
上传时间： 2014-02-18
上传用户：冇尾飞铊
