基于自适应粒子群算法的MPPT控制策略

最大功率点追踪(MPPT)技术的使用使得光伏组件的转换效率大幅提升,在有遮挡的情况下,光伏阵列会呈现多峰的输出曲线,传统的MPPT方法容易陷入局部最大功率点,无法追踪到全局的最大功率点。全局算法中,传统粒子群算法存在收敛速度慢、种群容易早熟、对初始条件敏感等问题,为解决这一问题,提出了一种全新的基于自适应粒子群(adaptive particle swarm optimization,APSO)算法MPPT控制策略。通过引入自适应参数算法和随机粒子加快粒子群的收敛速度,既解决了传统方法无法找寻到全局最大点、寻找速度慢的问题,又解决了传统粒子群算法随机性大、收敛速度慢、会产生较大震荡的问题。在Matlab/Simulink上搭建光伏系统模型,在固定辐照度和动态辐照度的条件下对所提算法进行仿真,结果表明:相对于传统方法和传统粒子群算法,所提出的MPPT控制策略在追踪精度、追踪速度和响应速度上均有大幅提升,能够提升光伏组件的转换效率。

太阳能无人机光伏输出功率预测模型研究

本文针对高空长航时太阳能无人机的曲面形状的机翼和飞行姿态,提出了一种光伏阵列发电功率预测模型,实现太阳能无人机光伏发电系统输出功率的准确预测。首先将机翼曲面上表面分为三段,根据每段的光伏组件铺设仰角分别计算其发电功率。通过具体算例,计算了海拔高度和纬度在全年内对光伏阵列日水平输出能量的影响。同时通过算例,分析了无人机的飞行姿态,包括偏航角、俯仰角以及滚转角对无人机光伏发电系统输出功率的影响。结果表明光伏输出功率预测模型能够实现对无人机光伏发电系统输出功率的准确预测,对无人机的航迹优化,能源系统控制具有重要的意义。