基于定位收缩法的局部阴影条件下光伏最大功率点跟踪

光伏最大功率点跟踪是提高光伏发电效率的重要手段。在局部阴影条件下,光伏阵列的特性曲线呈现多峰形状,常规的传统算法容易陷入局部最优。如何在局部阴影条件下找到全局最大功率点(global maximum power point,GMPP)至关重要。提出了一种定位收缩法(locate and shrink algorithm,LSA),采用收缩边界的思想使得边界逐渐收缩到GMPP。LSA第一阶段提出了一种峰的定位方法,通过自适应采样结合I-V特性曲线能够定位主要峰的占空比范围。定位法能够与其他单峰算法结合,具有较强的扩展性。第二阶段提出了一种基于三点准则的收缩法,能够在单峰范围内通过收缩边界快速找到峰值点,并且具有很强的环境适应性。将LSA与多个算法进行仿真和硬件实验对比,结果表明LSA在跟踪速度、跟踪精度和稳态振荡方面有着明显优势。

局部阴影条件下的新型光伏阵列混合重构方法

对于光伏发电系统,局部阴影可导致输出功率下降,甚至产生热斑效应。采用重构方法能够有效降低局部阴影的影响,减少功率损失,提高输出功率。针对现有重构方法存在的不足,本文结合动、静态重构方法的优点,基于全交联(TCT)结构光伏阵列,提出一种新型混合重构(NHR)方法。首先,将整个光伏阵列划分为四个子阵列,并基于插空列循环(ICL)静态重构方法对子阵列进行重构;然后,采用开关控制技术对各子阵列进行动态重构,得到最优结构;最后,在局部阴影条件下,基于Matlab/Simulink软件搭建光伏阵列仿真模型,对比分析NHR方法与其他重构方法的仿真结果。结果表明,采用NHR方法能有效分散被阴影遮挡的组件,降低失配损失,有利于提高光伏阵列输出功率,明显减少其输出特性曲线上的峰值个数,使其输出性能更优。

局部阴影下光伏电池最大功率点跟踪方法

随着能源和环境问题的日益严重,太阳能作为一种绿色可再生能源得到大力发展。光伏发电是太阳能利用最常见的形式,最大功率点跟踪(MPPT)是提高光伏发电效率的有效途径之一。由于光伏发电系统所处环境复杂,部分组件被遮挡的问题难以避免,传统的跟踪算法可能出现误判。针对此问题,文中以局部阴影下最大功率点跟踪控制为主线展开研究,分析光伏发电原理,搭建了4串2并结构的光伏阵列。通过仿真和编程探究了阵列在局部阴影下的输出特性并总结规律。在此基础上,对最大功率点跟踪进行了理论分析,并基于粒子群算法设计出了有效的控制方法,实现了局部阴影下最大功率点跟踪。最后利用Simulink进行仿真,验证了算法的可行性。

基于COOT算法的局部阴影下光伏阵列MPPT控制研究

针对光伏阵列在局部阴影下会产生多个功率峰值,可能出现跟踪到错误的功率峰值的情况,将白冠鸡优化算法(COOT)应用于局部阴影MPPT控制,通过动态调整太阳能电池板输出电压和电流,使得太阳能电池板的输出功率最大,从而提高太阳能电池板的转换效率和输出功率。结果表明,不论是在静态还是动态阴影条件下,采用白冠鸡优化算法都能准确定位到最大功率峰值点。

局部阴影遮挡下大尺寸光伏组件的输出特性研究

以太阳电池尺寸为210 mm×105 mm、电路结构为并串结构的大尺寸光伏组件为例,首先分析单片太阳电池不同阴影遮挡比例时的情况,然后分析光伏组件6种不同阴影遮挡比例和18种典型阴影遮挡位置和形状对大尺寸光伏组件输出特性的影响。结果表明:随着单片太阳电池阴影遮挡比例不断增大,二极管始终未导通,但光伏组件的最大功率逐渐降低,最后降至初始功率的2/3;阴影遮挡比例对采用并串电路结构的大尺寸光伏组件的I-V特性的影响是非线性的。对于整块光伏组件而言,阴影遮挡比例越大,光伏组件的最大功率越小;在同一阴影遮挡比例下,集中阴影遮挡对光伏组件最大功率损失的影响更大。

基于混合式蝴蝶算法的局部阴影光伏MPPT研究

针对传统最大功率跟踪(MPPT)算法在跟踪局部阴影时的光伏最大功率失效问题,以及目前元启发式MPPT算法中较多初始种群数导致算法计算负担过大,寻优时间过长的现象,提出了一种新的蝴蝶算法(BOA)-爬山法(HC)混合MPPT控制算法。该算法利用BOA进行全局寻优,在搜索至全局最大功率附近时采用HC进行后续搜索。利用传统MPPT方法的快速收敛性来提高元启发式算法的搜索速度,减小BOA的搜索空间,加快整体算法的全局跟踪速度。利用MATLAB/Simulink仿真软件搭建了局部阴影下的光伏发电系统,并在相同种群数目下对粒子群(PSO)和BOA算法进行测试对比,验证了所提算法的有效性。

局部阴影条件下光伏阵列的优化设计探讨

光伏发电系统的运行环境相对较为复杂,光伏阵列无法保证处于不被遮挡的状态,产生局部光照。同时,局部光照很容易导致光伏阵列所输出的功率呈现下降的趋势,并且组串功率特性逐渐变得复杂化,常规最大功率的跟踪效果也相对较差。对此,本文通过对光伏阵列特性的了解,对局部阴影条件下的光伏阵列优化设计相关内容,展开分析和阐述,其目的就是对光伏阵列结构起到了一定优化的作用,促使光伏阵列的各个组串输出功率呈现最大的状态,提升功率输出的效率。

局部阴影条件下光伏阵列的建模与分析

阴影的存在使光伏阵列的输出伏安特性曲线呈阶梯状,相应的功率电压曲线含有多个局域峰值,现有的常规电池模型不再适用,因此需要建立适用于阴影条件下光伏阵列的数学模型。以太阳能电池的工程用模型为基础,结合电路的串并联理论,对局部阴影条件下光伏阵列进行了详细的分析,从理论上推导出部分遮挡情况下光伏阵列的数学模型可以用分段函数表述,并对其进行实验验证,证明所建模型能较好地描述阴影条件下光伏阵列的输出特性。利用所建模型对阴影条件下具体光伏阵列在不同阴影数量、遮挡模式、光照、温度下的工作情况进行仿真分析及计算,结果表明:局部阴影对阵列输出特性的影响因阵列的格局、阴影的数量和分布以及温度、光照、遮挡模型的不同而有所差异。

基于支持向量机的局部阴影条件下光伏阵列建模

由于周围高大建筑物、树木等的遮挡,光伏阵列经常处在局部阴影中。而光伏阵列是光伏发电系统的关键部分,其电气特性容易受到光伏电池温度、太阳光辐射强度和负载阻抗等因素的影响。为了能够获得光伏阵列最大输出功率,建立其电气特性模型尤为重要。本文首先基于光伏阵列的工作原理,提出了一种快速建立局部阴影下光伏阵列数学模型的方法。然后,以建立数学模型的思想为基础,运用支持向量机理论,并分别通过交叉验证法和遗传算法对支持向量机中的未知参数寻优,得到能反映局部阴影条件下光伏阵列电气特性的伏安I-V曲线和功率电压P-V曲线。实验结果表明,基于支持向量机理论建立的模型能较好地反映实际光伏阵列的模型,而且模型的泛化能力强,可以作为局部阴影条件下光伏阵列建模的有效方法。

局部阴影下光伏组件建模及输出特性研究

分析光伏组件的数学模型,针对遮挡情况的复杂性,提出一种可模拟大部分遮挡情况下光伏组件输出特性的方法,与传统建模方法相比,该模型可对光照强度、温度、遮挡面积等参数进行调节,能较为准确地反映不同光照、温度以及阴影条件下的光伏组件的输出特性,并分析不同旁路二极管结构的组件在遮挡情况下的功率损失问题。仿真和实验结果表明:在局部阴影条件下,非交错组件中6个旁路二极管的组件可最有效地输出功率,其研究结果可为光伏系统设计提供一定的参考。

局部阴影条件下光伏阵列仿真模型的研究

阴影的存在使光伏阵列的输出伏安特性曲线呈阶梯状,相应的功率电压曲线含有多个局域峰值,常规的电池模型不再适用。研究适用于局部阴影条件下光伏阵列的数学模型,并对其进行实验验证,证明所建模型能较好的描述局部阴影条件下阵列的输出特性,同时利用MATLAB建立光伏阵列的仿真模型。利用所建仿真模型对阵列的输出特性进行仿真分析,提出适用性较广的光伏阵列优化设计方法,为光伏系统的工程设计提供有力支持。

局部阴影条件下光伏模组特性的建模与分析

以考虑了反向雪崩击穿的光伏电池元的双二极管电路模型为基础,建立了适用于阴影效应分析的光伏模组的数学仿真模型,分析了光伏模组在局部阴影条件下I-V和P-V特性及输出能力的变化,提出了增强光伏模组抗阴影能力的方法。

局部阴影条件下光伏阵列MPPT算法研究

详细分析光伏阵列在均匀光照和局部阴影条件下的分段输出特性,并在此基础上提出一种基于分段模型的全局最大功率点跟踪算法,在局部阴影条件下快速定位全局最大功率点(GMPP)所在分段,再结合优化的增量电导法将工作点收敛于GMPP。通过仿真模型,模拟从均匀光照到局部阴影条件再到均匀光照变化过程中新算法的跟踪效果,结果表明,新算法无论在均匀光照还是在局部阴影条件下,均能准确跟踪到GMPP,且工作点在GMPP附近偏差极小。

局部阴影条件下光伏组件性能实验研究

局部阴影遮挡严重影响光伏组件的输出特性,通过光伏组件的变比例遮挡以及特定比例下变化遮挡部位的方式对上述问题开展实验研究。研究表明:光伏组件受到阴影遮挡的比例越大,输出特性越差,10%为遮挡比例的转折点,超过之后特性曲线下降斜率陡增,当组件被遮挡20%以上时,最大输出功率Pm接近于零,特性曲线已不完整。分析10%遮挡面积下不同遮挡方式对输出特性和发电量的影响,光伏组件的Pm随单体电池被遮挡比例的增加而减小,给出不同遮挡方式下组件的功率损失。

局部阴影条件下最大功率点跟踪改进算法

利用MATLAB对光伏阵列在不同阴影情况下的输出特性进行仿真,并总结出光伏阵列可能出现局部最大功率点电压与开路电压之间的规律。根据该规律提出改进型电导增量法,将参考电压依次设为可能出现局部最大功率点的电压以避免漏掉任何一个峰值点,并通过比较这些局部最大功率点,追踪到全局最大功率点。设置参考电压阈值以判断是否存在局部最大功率点,减少搜索时间。仿真结果验证了该算法在有、无阴影的情况下都能准确搜索到全局最大功率点。

基于局部阴影下光伏阵列电流特性的最大功率点跟踪算法

光伏发电作为目前太阳能利用的主要形式,容易受到局部阴影的影响,其P-V输出特性曲线呈现多峰特点,使得常规的最大功率点跟踪方法难以准确跟踪到全局最大功率点。通过充分利用局部阴影下光伏阵列最大功率点电流与短路电流之间近似的比例关系,提出一种三步骤全局最大功率点跟踪算法,该算法能够快速准确地跟踪到系统全局最大功率点,且不需要任何附加硬件电路。以1k W的Boost变换器为实验平台,将所提出算法和常规全局搜索法的跟踪过程进行比较,证明了该算法的有效性。

局部阴影条件下光伏阵列最大功率点跟踪研究

以1/4阴影覆盖下的光伏阵列为对象,用Matlab/Simulink仿真软件,通过构建阴影条件下光伏阵列数学模型,分别采用瞬时扫描法和扰动观察法进行最大功率点跟踪研究.结果表明:在1/4阴影覆盖情况下,扰动观察法只能跟踪到太阳能电池低压侧20V附近极大功率点,瞬时扫描法能跟踪到高压侧60V左右最大功率点.采用新型的瞬时扫描法能对局部阴影覆盖的光伏阵列实现更准确的最大功率点跟踪.

局部阴影下光伏阵列建模及多峰值MPPT控制

针对实际应用中光伏阵列易受部分遮挡的情况,结合太阳电池的工程模型,推导出适用于复杂环境下的通用光伏阵列模型。考虑阴影条件下光伏阵列呈现多峰值输出特性,传统的最大功率点跟踪算法可能失效,提出了基于混合蛙跳算法(shuffled frog leaping algorithm,SFLA)的最大功率点跟踪算法。经仿真实验验证,该算法在静、动态阴影条件下均能快速准确跟踪全局最大功率点,可有效提高光伏阵列的输出功率。

局部阴影光伏发电系统中基于改进PSO的MPPT控制

光伏发电系统在局部阴影条件下,传统的最大功率点跟踪算法(maximum power point tracking,MPPT)容易陷入局部寻优,无法跟踪到全局最大功率点.针对这一问题,本文提出了一种基于自适应学习因子粒子群算法的最大功率跟踪方法.该方法在普通粒子群算法的基础上不断改变学习因子和权重系数,以提高算法收敛的速度和精度.将其应用于局部阴影条件下的光伏发电系统最大功率点跟踪中,并在RT-LAB实时仿真平台中以两个接受不同光照强度的光伏阵列为例进行实时仿真验证.仿真结果表明,两峰情况下本文所提出的自适应学习因子粒子群算法能够在0.298 s左右跟踪到全局最大功率点,普通粒子群算法需要约0.615 s,而扰动观察法陷入了局部最大功率点,本文所提算法能够有效提高系统的收敛速度和精度并且适用于多峰情况.最后设置仿真算例验证本算法适用于光照突变的情况.

局部阴影下光伏阵列全局最大功率点跟踪控制方法综述

介绍了局部阴影下光伏阵列输出特性及最大功率点跟踪原理,对现有全局最大功率点跟踪控制方法从基于阵列硬件结构、采样数据、现代控制理论及其它等4方面进行分类与总结,对局部阴影下全局最大功率点跟踪还需关注的问题与未来全局最大功率点跟踪技术的发展方向进行了探讨。