基于FEEMD-NTEO的风电场送出线路故障定位

针对集合经验模态分解(EEMD)用于双馈风电场送出线路行波故障定位中行波检测精度不高,存在模态混叠、抗噪能力弱及故障定位实时性不好等问题,提出了一种基于快速集合经验模态分解(FEEMD)与改进Teager能量算子(NTEO)结合的行波故障定位方法。该方法利用FEEMD对故障电流行波信号进行分解,分解为平稳的固有模态分量和残差分量,消除噪声成分,保留信号的完整性;然后采用NTEO算法对分解的高频信号再次去噪,增强故障行波突变特征,精确标定行波波头。仿真结果表明,所提方法能够快速将故障行波波头精确标定,且去噪效果好,与FEEMD-TEO、EEMD-NTEO行波检测方法相比,提高了故障定位的精度和速度。

基于FCS算法的光伏阵列最大功率追踪

局部阴影情况下,光伏阵列输出功率具有多峰值特性,针对最大功率点跟踪(Maximum power point tracking,MPPT)算法在实际应用中存在着收敛速度较慢,效率较低,且容易陷入局部功率极值的问题,将兼顾收敛速度、精度、功率稳定性的快速布谷鸟搜索(Fast cuckoo search,FCS)算法应用于光伏阵列最大功率追踪。FCS算法采用自适应步长和机会因子可避免过早收敛,全局搜索和跳出局部搜索能力强,收敛速度快,算法后期局部开发能力强,功率振荡小,功率输出稳定,最大功率追踪精度高。仿真表明,在静态阴影、动态阴影条件下,FCS算法较灰狼算法(Grey wolf optimizer,GWO)、粒子群算法(Particle swarm optimization,PSO)具有更快地收敛速度和更高的收敛精度,且稳定性好,有效地提升光伏阵列的输出效率。

基于蒲公英优化算法的光伏系统最大功率点跟踪

针对局部阴影导致光伏系统功率输出特性曲线呈现多峰值,最大功率追踪(Maximum power point tracking,MPPT)算法存在容易陷入局部极值、输出功率振荡等问题,将收敛快速、精度高和稳定性好的蒲公英优化(Dandelion optimization,DO)算法应用于光伏系统MPPT中。DO算法采用非线性减小的随机扰动因子α、向下凸振荡k值在MPPT初期阶段充分搜索全局区域,后期转向开发局部区域,确保输出功率稳定和精确收敛于最优功率;再结合不规则布朗运动逃避局部功率极值点,采用Levy飞行函数增强局部功率的搜索能力,最终算法收敛于全局最大功率。仿真结果表明,与灰狼算法(Grey wolf algorithm,GWO)、粒子群算法(Particle swarm algorithm,PSO)相比,DO算法具有追踪效率高、稳定性好、鲁棒性强等优点。