局部阴影下基于GWO-P&O混合算法的光伏最大功率点跟踪

针对局部遮阴环境下传统灰狼优化(Gray wolf optimization,GWO)算法在跟踪最大功率点时P-U特性曲线出现多峰值、后期收敛速度慢、稳态精度低等问题,结合灰狼优化算法和扰动观察法(Perturbation and observation,P&O)各自的优势,提出了基于GWO-P&O的混合优化最大功率点跟踪(Maximum power point tracking,MPPT)算法。首先,采用灰狼优化算法逐渐向光伏的全局最大功率点靠近。其次,在灰狼优化算法收敛后期引入P&O法,既保持了灰狼优化算法较高的稳态精度,又能以较快速度寻找到局部最大功率点。最后,在不同环境工况下,将所提出的GWO-P&O方法与传统GWO算法进行对比。结果表明,改进的GWO-P&O算法在保证良好稳态性能的同时,一定程度上提高了GWO算法后期跟踪最大功率时的收敛速度。

计及实时最大功率约束的高速磁浮列车再生制动能量存储利用

针对高速磁浮列车牵引供电系统结构及运行规则特殊性导致再生制动能量无法主动利用、能量回馈方式对局域网电压影响大的问题,在对高速磁浮列车牵引供电系统结构和能量流动机理进行分析的基础上,给出基于地面式超级电容储能的高速磁浮列车再生制动能量回收利用系统拓扑结构;考虑高速磁浮列车再生制动能量回收系统容量配置小、超级电容工作电压变化明显的特性,以高效回收再生制动能量为目标,将储能系统实时的可运行最大功率作为约束功率,制定相应的能量管理策略,实现系统不同工况下的能量管理,并通过分层控制策略实现整个再生制动能量利用系统的高效运行。通过仿真验证所提再生制动能量回收利用系统及控制策略的有效性,结果表明:所提方案可使高速磁浮列车牵引能耗降低21.83%;与储能系统采用固定功率约束的功率分配方式相比,再生制动能量利用率提高了11.9%。

基于指数分布优化器的混合光伏-温差系统最大功率点跟踪

为解决混合光伏-温差(photovoltaic thermoelectric generator,PV-TEG)系统的最大功率点跟踪(maximum power point tracking,MPPT)问题以提高能源转换效率和利用率,提出了一种基于指数分布优化器(exponential distribution optimizer,EDO)的混合PV-TEG系统MPPT技术。EDO通过模拟指数分布的随机变化来搜索潜在的解空间,由于随机性,算法可有效避免在局部遮蔽条件(partial shading condition,PSC)下陷入局部最优,并在搜索空间中广泛探索以找到最优解。算例研究包括启动测试、太阳辐照度阶跃变化、随机变化、香港地区四季实际算例4个部分,并与其他5种算法进行对比分析,以较为全面地验证所提EDO技术在混合系统MPPT应用中的可行性和有效性。仿真结果表明,采用EDO的混合PV-TEG系统在不同运行条件下均能稳定、高效地实现最优越的MPPT性能,尤其是在春季低辐照度的条件下,EDO产生的能量分别超过蜻蜓算法(dragonfly algorithm,DA)、增量电导法(incremental conductance method,INC)、扰动观测法(perturbation observation method,P&O)能量输出的68.85%、66.13%和59.69%。

基于Multisim的最大功率传输定理教学研究

最大功率传输定理研究负载阻值变化对电源传输给负载的功率产生的影响,在工程上具有非常重要的实践意义。本文应用电路仿真软件Multisim中的参数扫描法探究负载获得最大功率的条件,再辅以严密的数学推导佐证实验结果,使学生在理解最大功率传输意义的同时掌握一种优化设计电路的方法—参数扫描法。

基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

标准化视域下光伏电池输出特性与最大功率跟踪研究

随着时代的不断发展,基于光伏电池的太阳能发电技术得到了愈发广泛的应用。针对光伏电池的输出性能以及功率特征进行分析研究对保障其运行稳定性具有关键性作用。文章以光伏电池的工作原理作为切入点,针对电池的物理模型与数学模型进行了构建与分析,同时基于扰动观测与电导增量等方式探讨了不同参数选择变化对于最大功率点跟踪所产生的影响,力求进一步强化对于光伏电池输出能力的控制,进一步保障光伏电池的功率稳定性。

永磁同步风力发电系统的最大功率跟踪模糊分数阶控制

在“双碳”背景下,风电作为零碳电力和新能源发电的主力军,在助力社会全面绿色低碳转型方面发挥了关键性作用。在保证发电稳定的前提下实现风能的最大化利用,提升风力发电系统发电量至为重要。文中针对永磁同一步风力发电系统的最大功率跟踪(maximum power point tracking, MPPT)问题进行研究。首先建立了永磁同步风力发电系统的机理仿真模型,用两电平双PWM全功率换流器连接风力发电机与电网。然后基于以上模型,分别设计了整数阶PI控制器、分数阶PI"控制器、模糊分数阶PP控制器以实现MPPT控制。最后对以上控制策略进行了仿真研究。结果表明,无论在阶跃风速还是随机风速下,模糊分数阶PU控制器相较于其他两种均具有更出色的MPPT性能与更强的鲁棒性。

基于长短期记忆网络-模糊控制的光伏最大功率点跟踪算法

光伏阵列具有非线性特点且其最大功率点会随环境变化而产生偏移现象。尽管最大功率点跟踪算法被广泛地应用于跟踪和预测光伏系统的最大功率点,但仍然面临着模糊控制的动态品质低、控制精度不佳等挑战。为解决前述问题,提出了一种集成长短期记忆网络与模糊控制的光伏最大功率点跟踪算法。首先,采用长短期记忆网络以时间序列法预测最大功率点电压。其次,将该预测电压与光伏阵列电压间偏差及其导数作为模糊控制的输入,然后直接调节Boost变换器的占空比。再者,为防止开关管常通,预先设置了变换器的最大、最小占空比。最后,在四种可变大气条件下,利用MATLAB/Simulink对所提算法进行仿真验证。实验结果表明:与长短期记忆网络、电导增量法和遗传算法相比,所提出的算法具有良好的跟踪性能、稳定精度及效率,并且具有波形更平滑、振幅较小的优点。

基于定位收缩法的局部阴影条件下光伏最大功率点跟踪

光伏最大功率点跟踪是提高光伏发电效率的重要手段。在局部阴影条件下,光伏阵列的特性曲线呈现多峰形状,常规的传统算法容易陷入局部最优。如何在局部阴影条件下找到全局最大功率点(global maximum power point,GMPP)至关重要。提出了一种定位收缩法(locate and shrink algorithm,LSA),采用收缩边界的思想使得边界逐渐收缩到GMPP。LSA第一阶段提出了一种峰的定位方法,通过自适应采样结合I-V特性曲线能够定位主要峰的占空比范围。定位法能够与其他单峰算法结合,具有较强的扩展性。第二阶段提出了一种基于三点准则的收缩法,能够在单峰范围内通过收缩边界快速找到峰值点,并且具有很强的环境适应性。将LSA与多个算法进行仿真和硬件实验对比,结果表明LSA在跟踪速度、跟踪精度和稳态振荡方面有着明显优势。

基于ICS-IP&O的光伏最大功率跟踪

针对光伏组件存在局部阴影条件(PSC)时,功率输出曲线呈现出的多峰现象,传统最大功率点追踪方法容易陷入局部最优情况。为了解决上述问题,提出一种将自适应布谷鸟搜索(ICS)算法和变步长扰动观察法(IP&O)相结合的复合算法(ICS-IP&O)。对布谷鸟搜索方法(CS)的切换概率、Lévy飞行步长系数进行非线性自适应优化,使其满足迭代前、后期不同的需求,加快收敛进程。在偏好随机游走部分,引入粒子群算法思想,对位置更新公式进行优化,提高其多样性,使算法具有较强的全局搜索随机性,降低陷入局部最优的可能性。算法后期切换成IP&O搜索,减小振荡。通过Simulink进行仿真测试,并与粒子群算法(PSO)、布谷鸟算法(CS)进行对比。结果表明,该算法在静态、局部遮阴、动态遮阴条件下均具有更好的收敛速度和精度。

基于周期性最大功率点检测的风电机组功率备用控制方法

风电机组通常运行于最大功率输出模式,无法为受扰电网提供紧急功率支撑。稳态时预留部分出力可提高风电机组主动电网支撑能力,为此提出一种基于周期性最大功率点(MPP)检测的风电机组功率备用控制(PRC)方法。通过周期性执行最大功率点跟踪程序检测风电机组实时MPP,一旦检测到MPP即可确定PRC模式参考值并切换为直接功率控制。设置伪单调转速-机械功率曲线使风电机组稳定运行在超速功率备用点,并通过储能装置平抑MPP检测产生的峰值功率波动。仿真结果表明提出的控制方法在定风速和变风速情况下均可以准确控制检测风电机组MPP并实现PRC,并且使得风电机组一次调频效果优于传统PRC。

用于激光无线能量传输的分布式最大功率点追踪系统研究(内封面文章)

在激光无线能量传输中,由于瞄准系统误差和物体遮挡的影响,光电池阵列接收到的激光辐照分布不均匀,导致光电池阵列组串内的电池间出现电流失配,输出功率下降。针对该问题,采用分布式最大功率点追踪(Distributed Maximum Power Point Tracking,DMPPT)技术,减少光电池阵列组串内的电池间电流失配,并用并联型Boost(PT-Boost)电路替代传统Boost电路,降低DC/DC转换器的输入电流纹波,使DMPPT系统获得高追踪效率。实验结果表明,相较于传统Boost电路,PT-Boost电路的追踪效率提高3.6%,达到93.5%。在上述研究的基础上,设置了遮光率分别为0%、25%和50%的激光无线能量传输场景,DMPPT系统整体效率分别达到了93%、92.6%和90.3%。该研究结果对激光辐照不均匀场景下激光无线能量传输的最大功率点追踪指导意义。

局部遮荫下基于改进金枪鱼算法的光伏最大功率点跟踪控制

光伏阵列在局部遮荫环境下的P-U特性曲线呈现多峰特性,导致传统最大功率点跟踪(MPPT)算法在跟踪最大功率时失效。为此,提出一种基于改进金枪鱼算法的光伏MPPT双层控制模型,在上层中将莱维飞行(Levy)策略和多项式变异策略嵌入金枪鱼算法中,构建莱维-多项式变异金枪鱼算法(LPTSO)来搜索全局功率最大点;在下层中采用扰动观察法对全局最大功率点进行局部跟踪,以降低局部遮荫环境下的功率振荡。将该双层控制模型应用于光伏MPPT仿真系统中,仿真实验结果表明,针对多峰MPPT控制,所提模型在收敛速度、跟踪效率、功率振荡等方面都有较大提升,该光伏MPPT双层控制模型能够有效解决局部遮荫环境下最大功率跟踪失效的问题。

改进差分进化的光伏最大功率点跟踪

针对现有差分进化算法在局部遮阴情况下跟踪速度慢的问题,提出一种新的改进差分进化算法的光伏发电系统最大功率点跟踪控制策略。首先,引入三角突变策略,并将其嵌入传统差分进化算法的交叉公式当中,避免因迭代前后输出相同的占空比造成重复采样功率的情况。其次,引入自适应比例因子策略,以加强个体的收敛性。最后,通过奖励惩罚机制平衡所提算法的全局开发和局部探索能力。仿真结果表明,与对比文献的差分进化算法相比,改进算法在跟踪速度、稳定性方面具有显著的优势。

船舶光伏发电最大功率点跟踪无模型自适应控制

针对船舶光伏发电系统输出功率优化控制问题,并充分考虑复杂海况天气、船舶横摇和海盐结晶导致的船舶光伏发电系统模型参数时变,提出一种船舶光伏发电最大功率点跟踪无模型自适应控制方法。首先,根据光伏发电系统的输出和输入数据建立了离散非线性系统;其次,采用基于紧格式动态线性化的数据模型设计最大功率点跟踪无模型自适应控制器;最后,给出了伪偏导数估计算法。通过对比仿真实验,所提控制方法提高了船舶光伏发电系统的输出功率的稳定性。在恒定25℃环境温度及辐照度900 W·m^(-2)下,采用无模型自适应控制和基于扰动观察法的最大功率点跟踪时间分别为0.1、0.3 s,功率振荡幅度分别为5、18 W;在2 s时刻辐照度变化为500 W·m^(-2)时,采用无模型自适应控制和基于扰动观察法的最大功率点跟踪时间分别为0.02、0.06 s,功率振荡幅度分别为100、250 W。可以看出,采用无模型自适应控制的最大功率点跟踪方法可改善船舶光伏系统最大功率跟踪性能,验证了所提控制方法的有效性和优越性。

考虑最大功率点估计模型校准的光伏功率备用控制

并网光伏系统通常以最大功率模式运行,无法全面响应电网调节需求,因此需要研究功率备用控制(power reserve control,PRC)。基于最大功率点估计(maximum power point estimation,MPPE)的PRC利用光伏等效模型,通过数据拟合实现MPPE,从而实现光伏功率备用。然而,随着光伏组件老化,MPPE估计误差增大,可能影响系统安全稳定运行。文中提出考虑光伏组件老化时MPPE模型参数校准的光伏系统PRC。首先提出基于麻雀搜索算法的MPPE模型参数校准方法,然后根据光伏组件老化特性和MPPE误差演变趋势,提出MPPE模型校准的改进评价指标和校准周期整定原则,最后将其应用于基于MPPE的PRC中。仿真结果表明,该方法能够实现光伏组件老化后MPPE模型参数自动校准,并且显著提高了MPPE精度,增强了PRC在实际应用中的可靠性。

基于萤火虫优化模糊P&O的微生物燃料电池最大功率点跟踪

针对微生物燃料电池产电量低、输出不稳定等问题,提出一种混合萤火虫优化和模糊改进扰动观测的最大功率点跟踪算法,利用双种群萤火虫算法的全局优化能力和模糊控制的逻辑推理能力产生更精确的控制信号,通过Boost变换器对等效负载进行动态调节。结果表明:基于双种群萤火虫优化-模糊扰动观测的最大功率点跟踪算法能以更快的速度追踪到并稳定在最大功率点,降低了稳态误差,抑制了功率振荡,提高了抗干扰能力,显著改善了微生物燃料电池的产电能力和供电质量。

光伏发电系统最大功率跟踪方法研究

为改善现有光伏(PV)系统最大功率跟踪时易陷入局部最优的问题,提出一种改进的模因强化学习(RL)模型。首先,在分析PV系统等效电路基础上,建立部分遮光条件下PV系统发电模型。其次,提出一种结合模因和RL的寻优模型,可根据更新的反馈奖励快速搜索高质量的最优值,从而近似追踪PV系统的全局最大功率跟踪。最后,在改进模因RL模型中采用多组模因优化探索和利用策略,从而有效搜索局部最优和全局最优解。以某市气象数据为例,对所提模型进行仿真。仿真结果表明,所提模型的平均变异性最低,表明模型具有较强的鲁棒性。此外,所提模型在冬季产生的输出能量最高,表明模型能够有效跟踪PV最大功率,从而验证了模型的稳定性。

BOA-NCF-AW混合算法在光伏最大功率跟踪的运用

在局部遮荫下,针对传统最大功率跟踪MPPT(maximum power point tracking)算法不能跳出局部最优找到全局最大功率,及传统蝴蝶优化算法BOA(butterfly optimization algorithm)存在搜索震荡大和收敛慢等问题,提出一种新型的MPPT控制算法。该算法在传统蝴蝶算法上加入收敛因子,来加快全局搜索速度;引入自适应权重系数,来提高蝴蝶优化算法在局部搜索的搜索速度及追踪精度等性能。通过仿真,对比混合算法(INBOA)与BOA、粒子群优化PSO(particle swarm optimization)算法、灰狼优化算法GWO(gray wolf optimization)的函数收敛曲线,验证所提算法具有收敛速度快、搜索精度高的优点;对比INBOA、BOA、PSO、GWO的MPPT算法在静态与动态环境下的性能指标可知,INBOA的MPPT算法具有更高追踪效率、更快收敛速度以及更小的搜索震荡。从而进一步验证混合算法的优越性。

适应电压支撑下的光伏发电机组最大功率点控制技术

常规的光伏发电机组最大功率点控制技术,在机械功率的调整上,缺少对适应电压支撑的考虑,导致最大功率点控制效果不好。基于此,提出适应电压支撑下的光伏发电机组最大功率点控制技术。使用功率信号反馈法,检测光伏发电机组的功率,将光伏发电机组的固有功率,作为主要参数。根据发电机组运行状态点的变化,对光伏发电机组功率进行跟踪,以光伏发电机组功率跟踪结果为基础,在适应电压支撑下,通过双输入单输出的结构,调节机械功率,导入调节后的机械功率,将其作为最大功率点控制的基础数据。按照隶属函数,对控制器参数进行实时调整,从而完成对光伏发电机组最大功率点控制。结果表明,在使用本文设计的方法进行控制后,光伏发电机组的最大功率振幅有效降低,控制效果较好,具有较好应用价值。