光伏系统在部分遮挡条件下的GMPPT算法研究

光伏系统在部分遮挡条件下的输出功率-电压(P-V)特性曲线呈多峰状,此时传统的最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法失效,极大地降低了光伏系统能量转换效率。通过对光伏阵列在部分遮挡条件下的P-V特性进行较为深入的实验分析及研究,基于实验分析及研究结果,设计并提出一种全局最大功率点跟踪(Global Maximum Power Point Tracking,GMPPT)算法以弥补传统M PPT算法的缺陷和不足。测试结果表明该算法可以快速实现在部分遮挡条件下全局最大功率点的追踪。

复杂遮蔽条件下光伏多峰出力特征及GMPPT控制

针对光伏发电系统中最大功率点跟踪(MPPT)算法在遮蔽情况下失效问题,提出了一种基于δ势阱的量子粒子群全局MPPT(GMPPT)算法。结合光照强度变化时的光伏多峰值出力特征,从光伏最大功率点变迁角度出发,分析常规MPPT算法存在搜索盲区的原因,说明GMPPT寻优必要性。提出一种提高粒子多样性、搜索速度及收敛精度的量子行为粒子群优化(QPSO)算法。在MATLAB/SIMSCAPE平台下,结合算例分析,对比标准粒子群优化(PSO)算法,验证所提优化算法在有效GMPPT的情况下,具有参数少、搜索快的特点,同时全局搜索能力强,防早熟效果明显,适用于GMPPT的实现。

基于TMS320F28027的光伏控制系统设计及实现

针对光伏系统在部分遮挡条件下的输出功率-电压(P-V)特性曲线具有的多峰性及极值点的分布规律,提出基于改进的扰动观察法和自适应法相结合的GMPPT(Global Maximum Power Point Tracking)方法,重点阐述以TI的TMS320F28027芯片为控制核心的控制方案及实现方法。测试结果表明该系统弥补传统MPPT算法的缺陷和不足,可以快速实现在部分遮挡条件下全局最大功率点的追踪。

基于QPSO的MPPT控制研究

在复杂光照情况下,常规粒子群(PSO)算法实现的最大功率点跟踪(MPPT)用时较长,且易陷入局部极值,导致功率损失较为严重。针对此现象,引入量子粒子群(QPSO)算法对MPPT进行控制,并提出有效的收敛条件和重启条件;在无阴影、静态阴影和动态阴影3种光照情况下,分别对PSO和QPSO的MPPT控制进行仿真对比。分析表明:无论在何种光照情况下,基于QPSO的MPPT控制收敛速度更快,追踪效果更好,能够有效提高光伏阵列的光电转化效率。

基于功率闭环控制与PSO算法的全局MPPT方法

基于对现有多峰值最大功率点跟踪(maximum power point tracking,MPPT)方法不足的分析,提出一种基于功率闭环控制的动态MPPT跟踪策略。该方法采用功率闭环方式实现全局最大功率点的定位,利用功率闭环控制在P-U曲线上的局部不稳定现象实现P-U曲线的快速全局扫描,克服了峰值点分布及算法参数取值对MPPT动态过程的影响。同时采用电压截止控制克服了功率闭环控制对系统整体稳定性的影响。采用基于粒子群(particle swarm optimization,PSO)算法的变步长跟踪策略消除了最大功率点跟踪的稳态功率震荡问题。最后,通过仿真与实验验证该方法的可行性和有效性,结果表明,该方法不依赖光伏阵列的已知信息,便可实现静态和动态环境下全局最大功率点跟踪,提高多峰值最大功率点跟踪的动态速度和稳态跟踪精度。