针对在局部阴影条件下,光伏阵列的功率-电压特性曲线呈现多个峰值,传统群体智能优化存在收敛速度慢、振荡幅度大和易陷入局部最优等问题,提出一种基于PSO-GWO(Particle Swarm Optimization-Grey Wolf Optimization)算法的MPPT(Maximum P...针对在局部阴影条件下,光伏阵列的功率-电压特性曲线呈现多个峰值,传统群体智能优化存在收敛速度慢、振荡幅度大和易陷入局部最优等问题,提出一种基于PSO-GWO(Particle Swarm Optimization-Grey Wolf Optimization)算法的MPPT(Maximum Power Point Tracking)控制方法。该算法引入余弦规律变化的收敛因子,平衡GWO算法的全局搜索与局部搜索能力;引入PSO算法,提高灰狼个体与自身经验之间的信息交流。仿真结果表明,提出的PSO-GWO算法在局部阴影条件下不仅能快速收敛,而且功率输出震荡幅度更小,有效提升了局部遮阴条件下光伏阵列的最大功率跟踪效率和精度。展开更多
文摘针对在局部阴影条件下,光伏阵列的功率-电压特性曲线呈现多个峰值,传统群体智能优化存在收敛速度慢、振荡幅度大和易陷入局部最优等问题,提出一种基于PSO-GWO(Particle Swarm Optimization-Grey Wolf Optimization)算法的MPPT(Maximum Power Point Tracking)控制方法。该算法引入余弦规律变化的收敛因子,平衡GWO算法的全局搜索与局部搜索能力;引入PSO算法,提高灰狼个体与自身经验之间的信息交流。仿真结果表明,提出的PSO-GWO算法在局部阴影条件下不仅能快速收敛,而且功率输出震荡幅度更小,有效提升了局部遮阴条件下光伏阵列的最大功率跟踪效率和精度。
基金supported by National Natural Science Foundation of China(11271090)NSF of Guangdong Province(2016A030310257,2015A030313346)Foundation for Young Talents in Educational Commission of Guangdong Province(2015KQNCX116)
基金supported by the Visiting Scholar Program of Department of Mathematics and Statistics at Curtin University of Technology,the support with the NSF of China(11271090)NSF of Guangdong Province(2015A030313346S2012010010121)