基于单片机的太阳光伏发电系统逆变器的仿真设计，其中单片机采用了最简单的80c51

光伏发电的最大功率点跟踪研究，硕士论文,提出了若干种最大功率跟踪的方法

光伏发电的matlab函数模型，简单易用。

本系统以全桥逆变电路为功率变换核心，采用准同期并列方式通过对电网电压检测实现并网，利用数字式闭环反馈调节方式实现对并网输出功率的调节。数字电路采用单片机和FPGA结合的方式，实现对各路电参数的实时监测和反馈控制，并为并网动作和过流保护动作提供控制。系统强电与弱电相互隔离，输出电压稳定，电流THD小于5%，功率因数高达98%，效率可达到85%以上。

基于扰动法的光伏MPPT 的simulink模型 . 通过给定温度20°C，光照通过设定在850-- 1000之间进行扰动变化，通过搭建boost电路来直接实现扰动法的算法。其中通过PWM脉冲调试来改变电压，实现波动。

针对光伏发电功率预测精度不高的问题，提出一种基于相似日和云自适应粒子群优化(CAPSO)算法优化Spiking神经网络(SNN)的发电功率预测模型。考虑到季节类型、天气类型和气象等主要影响因素，提出以综合相似度指标进行相似日选取；以SNN强大的计算能力和其善于处理时间序列问题的特点为基础，结合CAPSO算法搜索的随机性和稳定性优化SNN的多突触连接权值，减少对权值的约束，提高算法的收敛精度。根据某光伏电站的实测功率数据对所提模型进行测试和评估，结果表明，该模型比传统预测模型具有更高的预测精度和更好的适用性。

基于Matlab-Simulink的三相光伏发电并网系统的仿真详细报告

一般我们将光伏系统分为独立系统、并网系统和混合系统。如果根据太阳能光伏系统的应用形式，应用规模和负载的类型，对光伏供电系统进行比较细致的划分。

基于神经网络的短期光伏预测方法通常需要大量训练样本，对于新投运的光伏电站，历史运行数据的不足使得常规短期光伏预测方法难以应用。针对该问题，提出一种适用于小样本的双层神经网络单步光伏预测方法。根据光伏发电各环节影响因素的解耦特性，将常规单层神经网络拆分为双层网络，使每层网络具有简化的结构；用单步预测代替多步预测，降低神经网络的输入输出维数；基于统计分析，将天气影响因素有效整合到预测模型中，简化输入输出之间的映射关系。使用实际数据对所提光伏预测模型进行训练和验证，结果表明，所提方法可有效减少对训练样本数量的需求，同时保证预测的准确度。

PSCAD中的微电网光伏发电系统及其逆变模型，模拟实际光伏发电特性搭建光伏系统仿真模块，实现DC向AC的逆变，供学者借鉴学习。