基于ILSLOA的局部遮荫下光伏发电最大功率追踪

针对光伏系统在局部遮荫情况(PSC)下的功率失配问题,提出了一种基于增强型狮群算法(ILSLOA)的最大功率点追踪控制方法,在基本狮群算法(BLOA)的基础上,引入反向搜索机制,利用反向搜索因子加快追踪速度,增强狮群算法的全局搜索能力,应用到最大功率点追踪中。设置多种光照模式进行仿真验证,并与粒子群算法(PSO)、BLOA进行比较。结果表明,所提方法追踪速度更快、精度更高,追踪过程波动更小。

基于混沌CSO-WNN-RBF的光伏功率超短期组合预测

针对现有的光伏功率超短期预测方法难以得到所需复杂的气象数据,且光伏时间序列具有混沌特性,将小波去噪后的光伏电站的历史功率数据利用C-C法挖掘数据自身所包含的各影响因子。利用鸡群算法(CSO)对小波神经网络(WNN)的初值进行寻优,来提升WNN的预测性能。由于径向基函数(RBF)神经网络预测模型处理非线性输入输出关系具有较好的效果,将光伏功率时间序列分解为线性部分和非线性部分。提出一种CSO-WNN-RBF组合预测模型,利用CSO-WNN模型和RBF模型有序预测序列的线性部分和非线性部分,实现光伏电站输出功率的超短期组合预测。最后进行算例分析,将CSO-WNN-RBF预测模型与CSO-WNN预测模型、RBF预测模型进行预测效果对比。结果表明,所提方法在各天气类型中均保持良好的预测准确度和适用性。

基于GSASO的局部阴影下光伏最大功率追踪

光伏系统在局部阴影遮挡条件下其输出功率会大幅度减少,同时其光伏功率特性曲线出现多峰现象,其最大功率追踪过程的复杂性也会加大。将黄金正弦(Golden-SA)作为局部优化算子嵌入到原子搜索优化算法(ASO)中,解决其收敛速度较慢并且容易陷入局部最优的缺陷;构造出一种新的算法——黄金正弦原子搜索优化算法(GSASO),原子个体通过黄金正弦操作与最优个体进行充分的信息交流,能够更加快速准确地收敛到最大功率点。设置了多种光照情况进行仿真,将其与原子优化算法和粒子群方法进行对比,结果表明,所提出的方法在局部遮阴环境条件下能准确快速地跟踪最大功率点。

基于DSA的局部阴影下光伏阵列MPPT方法研究

针对传统的最大功率点追踪(MPPT)在局部阴影下失效、粒子群算法收敛慢以及易陷入局部搜索等缺陷,而海豚群算法(DSA)在多峰函数寻优中具有收敛速度快且收敛精度高的优点,把海豚群算法应用到光伏MPPT中,提出一种基于DSA的MPPT控制方法。使用MATLAB/Simulink搭建光伏MPPT模型,将其与粒子群算法在多组光照模式下进行对比仿真验证。仿真表明,所提方法能精准搜索到全局最大功率点,且收敛速度提升50%~60%。

非侵入式居民电力负荷监测技术研究

非侵入式负荷监测技术,仅需在用户负荷总线上装设NILM装置,就能对用户的电力负荷实现监测和分解,从而获取用户电气设备的用电信息。其具有前期投入低、性能稳定、可行性高等诸多优点,对用户和电力系统等都具有重要的实际意义。本文利用Matlab软件对居民常用的电气设备进行模拟仿真,获取其运行时的电气信息,并通过使用能量比值算法,对负荷切投事件进行检测,也可用于后续负荷类型的识别。对于暂态过程极短的电气设备,仿真结果表明,随着时窗宽度的不断升高,其有功功率接近于跃阶变化。