为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algori...为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algorithm,SSA)的复合IP&O-SSA。该算法对SSA加入了Tent序列初始化,对预警者加入了Levy飞行策略,再对P&O进行了自适应和滤波处理。该算法采用双层控制结构,先通过改进后的SSA进行全局搜索到最大功率点附近,再通过改进后的IP&O进行小步平缓搜索到跟踪最大功率点。通过在Simulink仿真标准环境、局部遮荫、环境突变3种情形,仿真结果表明:在标准环境下,该算法最先跟踪到最大功率点,收敛时间比改进前的扰动观察(P&O)和SSA缩短了3 ms、16 ms,跟踪效率高达99.99%;局部遮荫条件下,只有P&O会陷入局部最优,无法有效跟踪到系统的最大功率点,相较于改进前的SSA,该文算法的平均收敛时间缩短了8 ms,同时跟踪效率高达99.68%,提升了0.09%。验证了该算法适用于日常大部分应用情景,为提升光伏阵列的发电效率提供了理论控制算法基础,为之后的光伏阵列并网减少了不必要的功率损耗。展开更多
为了保证细纱机在卷绕的过程中纱线张力稳定,减少纱线断头率,提高成纱质量,针对永磁同步电机驱动卷绕系统调速后的转速、转矩波动等问题,采用了灰狼优化(grey wolf optimizer,GWO)算法,给出一种改进的基于增益可调扩张状态观测器与改进...为了保证细纱机在卷绕的过程中纱线张力稳定,减少纱线断头率,提高成纱质量,针对永磁同步电机驱动卷绕系统调速后的转速、转矩波动等问题,采用了灰狼优化(grey wolf optimizer,GWO)算法,给出一种改进的基于增益可调扩张状态观测器与改进型趋近率滑模控制联合改进的自抗扰控制策略。首先在传统自抗扰控制基础上引入滑模控制,有效减小了峰值问题,提高了系统鲁棒性。其次,在滑模控制的基础上通过改进趋近率,提高了滑模趋近速度,同时引入了GWO算法调整滑模控制初始参数,减小了抖振问题。对自抗扰算法、滑模自抗扰算法与GWO算法改进的滑模自抗扰算法分别进行对比研究,与传统自抗扰算法控制相比,基于GWO算法改进的滑模自抗扰算法控制下的永磁同步电机在驱动卷绕系统调速后,电机转速达到稳定的时间由180 ms缩短至40 ms,瞬时平均转矩增量由105 mN·m减小到70 mN·m,减小了约33.33%。实验结果表明:基于GWO算法优化下的滑模自抗扰算法控制,能提高永磁同步电机的调速性能,有效降低永磁同步电机控制过程中的转速、转矩波动,提高管纱质量,降低成纱断头率。展开更多
文摘为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algorithm,SSA)的复合IP&O-SSA。该算法对SSA加入了Tent序列初始化,对预警者加入了Levy飞行策略,再对P&O进行了自适应和滤波处理。该算法采用双层控制结构,先通过改进后的SSA进行全局搜索到最大功率点附近,再通过改进后的IP&O进行小步平缓搜索到跟踪最大功率点。通过在Simulink仿真标准环境、局部遮荫、环境突变3种情形,仿真结果表明:在标准环境下,该算法最先跟踪到最大功率点,收敛时间比改进前的扰动观察(P&O)和SSA缩短了3 ms、16 ms,跟踪效率高达99.99%;局部遮荫条件下,只有P&O会陷入局部最优,无法有效跟踪到系统的最大功率点,相较于改进前的SSA,该文算法的平均收敛时间缩短了8 ms,同时跟踪效率高达99.68%,提升了0.09%。验证了该算法适用于日常大部分应用情景,为提升光伏阵列的发电效率提供了理论控制算法基础,为之后的光伏阵列并网减少了不必要的功率损耗。