基于改进鹦鹉算法的光伏多峰值MPPT控制

针对光伏阵列在光照不均条件下呈现多峰突变,导致传统的最大功率点追踪失衡问题,提出了一种基于改进鹦鹉算法的MPPT控制。首先考量Halton序列进行种群初始化,使多样性变化显著;其次选取切线搜索算法中的切线飞行机制减少动态跳跃,克服早熟和局部极点问题;后期通过鹦鹉翻筋斗觅食策略进行二次更新,减小自适应范围,加速收敛。对比传统鹦鹉算法、金豺算法以及灰狼优化算法,测试结果显示,改进的鹦鹉算法的MPPT控制跟踪效率分别为98.23%、97.26%、96.91%和96.81%,跟踪时间分别为0.077 s、0.112 s、0.127 s、0.156 s,最后通过实验验证跟踪精度和速率均显著高于其余3种算法。

局部遮荫下基于改进金枪鱼算法的光伏最大功率点跟踪控制

光伏阵列在局部遮荫环境下的P-U特性曲线呈现多峰特性,导致传统最大功率点跟踪(MPPT)算法在跟踪最大功率时失效。为此,提出一种基于改进金枪鱼算法的光伏MPPT双层控制模型,在上层中将莱维飞行(Levy)策略和多项式变异策略嵌入金枪鱼算法中,构建莱维-多项式变异金枪鱼算法(LPTSO)来搜索全局功率最大点;在下层中采用扰动观察法对全局最大功率点进行局部跟踪,以降低局部遮荫环境下的功率振荡。将该双层控制模型应用于光伏MPPT仿真系统中,仿真实验结果表明,针对多峰MPPT控制,所提模型在收敛速度、跟踪效率、功率振荡等方面都有较大提升,该光伏MPPT双层控制模型能够有效解决局部遮荫环境下最大功率跟踪失效的问题。

一种基于经验模态分解和局部极大值点数的配电网高阻接地故障检测方法

配电网高阻接地故障(HIF)因故障特征微弱而难以被常规装置检测到,容易引发过电压、火灾和人身触电等安全问题。本文提出一种将时频分解和阈值判断结合的HIF识别方法。首先,利用经验模态分解(EMD)对零序电流进行处理;然后,选取第二个固有模态分量(IMF)作为特征分量并进行高斯滤波;最后,统计特征分量的局部极大值点的个数来判断是否发生HIF。利用PSCAD/EMTDC软件搭建10kV配电网模型进行算法验证。仿真结果表明,所提方法能够以较高的准确率将HIF和一些常见的干扰事件区分开,并且在发生噪声干扰、采样率变化、系统中性点接地方式改变及系统网络结构改变的情况下,均表现出较好的适应性。

基于改进Jaya算法的光伏最大功率追踪控制

针对光伏阵列在局部阴影或者光照不均匀情况下,追踪最大输出功率收敛慢、精度低的问题,提出一种改进Jaya算法的光伏最大功率跟踪控制策略.其无需依赖特定的算法控制参数,并引入收敛因子和自适应迭代次数等策略,进一步提升算法的收敛速度和精度.在MATLAB/Simulink中搭建光伏阵列仿真模型,将改进Jaya算法与传统追踪算法在同一模型下进行对比分析,结果表明,改进后的Jaya算法在复杂光照条件下具有更快的追踪速度与更高的精度,能够提高光伏系统的发电效率.

基于改进白骨顶鸡算法的局部荫蔽光伏MPPT

针对光伏发电系统在局部荫蔽下传统最大功率点追踪方法极易陷入局部最优而导致功率震荡范围较大等问题,提出一种基于改进白骨顶鸡算法的光伏MPPT方法。该算法在传统白骨顶鸡算法的基础上,将Logistic-Sine-Cosine混沌映射因子引入种群跟随者的链式移动中,从而使链式移动变为混沌移动,让算法具备跳出局部最优解的能力;对每次寻优结束后的当前最优位置进行柯西变异,对比变异前后择优更新替代,增加算法的全局搜索能力。在四种光照模式下,将ICOOT与另外三种算法的MPPT进行仿真分析。结果显示,所提改进算法的追踪速度为0.14 s,1.13 s,0.13 s,1.07 s,系统稳定率为99.43%,99.34%,98.73%,98.80%。综合来看,ICOOT在用于光伏发电局部隐蔽MPPT时能有效解决传统算法易于陷入局部最大功率点而导致寻优速度慢、功率震荡大的问题。

永磁直驱风电系统MPPT无模型固定时间滑模控制

针对永磁直驱风力发电系统在最大功率跟踪过程中因内部参数变化和外部扰动导致跟踪性能下降的问题,提出一种无模型固定时间积分滑模控制(model free fixed-time integral sliding mode control,MFFTISMC)方法。首先,构建了永磁同步电机转速环的新型超局部模型。基于该模型,结合固定时间理论设计了无模型固定时间积分滑模控制器,确保系统状态固定时间内收敛,利用Lyapunov函数证明了该控制器的收敛性。同时,为提高系统的抗干扰能力和跟踪性能,设计扩张扰动观测器(extended disturbance observer,EDO)对新型超局部模型中的未知扰动在线估计并以前馈补偿的方式补偿给控制器。最后,通过仿真对比,验证了该方法具有响应速度快、抗扰能力强的特点,能够在风速突变情况下快速实现最大功率跟踪。

基于灰狼&电导增量的局部遮阴下光伏最大功率跟踪

为解决光伏电池被局部遮挡时发电效率降低的问题,需要选用合适的最大功率跟踪技术。结合灰狼算法和电导增量法的特性,提出一种灰狼算法和电导增量法相结合的方法。先利用灰狼算法进行全局搜索,再使用电导增量法进行局部搜索。仿真结果表明:在静态遮挡情况下,与灰狼算法相比,所提的方法搜索最大功率点的时间更少;在动态遮挡条件下,重新搜寻到最大功率点的响应时间达到0.2 s。所提算法可以适应动态变化的天气,快速实现最大功率跟踪技术,改善了传统算法收敛速度慢和易陷入局部最优等问题。

CONSTRAINED MULTIOBJECTIVE GAMES IN LOCALLY CONVEX H-SPACES

A new class of constrained multiobjective games with infinite players in noncompact locally convex H-spaces without linear structure are introduced and studied.By applying a Fan-Glicksberg type fixed point theorem for upper semicontinuous set-valued mappings with closed acyclic values and a maximum theorem,several existence theorems of weighted Nath-equilibria and Pareto equilibria for the constrained multiobjective games are proved in noncompact locally convex H-spaces.These theorems improve,unify and generalize the corresponding results of the multiobjective games in recent literatures.

基于复合算法的光伏最大功率点追踪

由于光伏阵列在局部阴影情况下输出功率呈多峰值状态,而传统最大功率点追踪(MPPT:Maximum Power Point Tracking)控制无法解决多峰问题,会陷入局部最优,影响光伏发电效率,为此,提出一种复合算法应用于光伏最大功率点追踪。该方法将麻雀算法的初始种群进行优化,结合反向学习策略,加强了算法的全局搜索能力。当搜索到光伏发电最大功率点附近转换成扰动观察法,利用其快速收敛的特性快速搜索至最大功率点。利用Simulink仿真与硬件实验,验证所提出复合算法的全局搜索能力和快速收敛能力,与麻雀算法、扰动观察法相对比,复合算法的准确性和快速性具有显著提升。

基于改进黏菌优化算法的光伏MPPT方法

光伏阵列在局部遮荫的情况下会导致光伏系统输出的功率-电压曲线出现多个极值点,具有全局寻优能力的传统群体智能优化算法进行最大功率追踪(maximum power point tracking,MPPT),普遍存在收敛速度慢、易陷入局部最优等问题。该文提出了一种基于改进黏菌优化算法的控制方法。先采用正态分布初始化种群,增加种群的多样性。然后应用莱维飞行策略和螺旋搜索策略,提高算法的全局搜索能力,避免陷入局部最优。经仿真验证,与粒子群算法和普通黏菌算法相比,改进黏菌算法在跟踪速度、稳定性等方面均有更显著的效果。

基于局部发电障碍检测下的光伏MPPT研究

当外界环境变化或光伏电池内部局部发电障碍时,光伏阵列输出曲线呈现多峰。针对传统算法易陷入局部峰值,而智能优化算法易跟踪到全局最优,提出了一种基于迭代步长累积的粒子群算法。该算法结合扰动观察法检测思想,通过步长渐进变化靠近全局最大功率点。仿真结果验证该算法能够实时在单峰和多峰环境下变化下跟踪到全局最优,输出功率精度高且稳定,收敛速度快。

局部遮荫光伏最大功率点跟踪技术的研究

自然条件下遮荫问题的存在造成了光伏阵列输出P-V曲线呈现多峰值现象。针对传统的最大功率点跟踪算法在光伏阵列遮荫环境下容易陷入局部最优,传统蝴蝶优化算法存在收敛速慢和精度低等缺点,提出了一种改进蝴蝶优化算法。引入混沌映射、自适应感觉因子和levy飞行策略提高了蝴蝶优化算法的全局搜索能力。仿真结果表明,改进后的算法能够适应复杂多变的光照环境,且在收敛精度和速度方面均有较大优势。

基于改进遗传优化的光伏发电系统MPPT算法研究

在遮阴、灰尘等光照不均匀的情况下,光伏电池输出特性P-V曲线呈多峰的特点,传统的最大功率点跟踪(MPPT)算法无法找到多峰状态下的全局最优解,一般的智能优化算法后期乏力,需要切换到传统的MPPT控制上去,在渐变的动态过程中可能导致跟踪失灵。为解决最大功率点追踪问题,避免控制过程陷入局部最优解,本文提出了一种基于改进遗传优化的MPPT算法,该算法极大地保留了过程的连贯性,既增大了初始化的混乱程度,同时改善了遗传优化早熟和收敛慢的问题。通过MATLAB仿真分析,验证了该算法的可行性,该算法能够在光照不均匀时快速的追踪到最大功率点,并且收敛性良好,为最大功率点跟踪算法的设计提供了一种新的思路。

基于改进花授粉算法的光伏最大功率点追踪研究

针对厂区光伏在局部阴影或光照不均匀的情况下,光伏阵列输出存在多个极值点,导致传统优化算法追踪最大功率点时存在速度慢和精度低等问题,提出了基于改进花授粉算法的光伏最大功率跟踪控制策略。采取有利于全局广泛搜索的自适应系数对全局搜索进行改进,提高了算法的收敛速度与精度。通过MATLAB/Simulink建模仿真,证明了所提出的改进花授粉算法在复杂光照条件下具有更快的收敛速度与追踪精度。

Li-Openshaw算法的改进与评价

Li-Openshaw算法是一种基于客观综合自然规律的自适应线状要素综合算法,使用该算法可得到较合理真实的综合结果。在分析Li-Openshaw算法特点的基础上,依据线化简的原则和目的,对算法进行改进:①首先提出利用点与直线的关系来识别弯曲以找出所有局部极大值点的方法以保持曲线整体形状;②SVO圆形与待综合曲线发生多次相交时按照线的顺序索引找到第一个近似交点,选取与曲线上圆心与交点的中点最接近的原始数据点作为综合后的选取点。在此基础上,给出化简时间、位移标准差和位置误差等评价指标,提出基于分形理论的曲线形状结构特征的评估方法等对两种算法进行比较与评估,实验结果证明,同原算法相比,改进的Li-Openshaw算法在线化简中更好地保持曲线的整体形状,具有较高的位置精度,提高化简效率。

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。

基于自适应双阈值的局部放电基本参数提取

局部放电基本参数自动化提取是高压设备局部放电在线PRPD分析的一项关键技术。针对现有方法因缺乏有效的参数选取方案导致适用性差的问题,提出了一种基于自适应双阈值的局部放电基本参数提取新方法。该方法利用放电幅值阈值和放电间隔阈值对PD信号的所有局部极值点进行双重过滤得到有效放电脉冲及其参数。为了减少整个处理过程的人工干预,提出采用最大类间方差法自适应选取上述双阈值。实验室中所测信号分析结果表明,所提方法能有效地提取PD信号的基本参数,对总数643例放电进行检测仅漏检13例、误检0例,且对80 MHz高采样率的放电信号的检测时间仍低于0.3 s,在准确性与计算效率上均优于现有方法。

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。

粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用

局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。

局部遮挡条件下的光伏阵列最大功率点跟踪

针对局部遮挡条件下光伏阵列存在多个局部峰值的问题,以准确跟踪到光伏阵列的全局最大功率点为目标,提出一种新型的局部遮挡条件下光伏阵列最大功率点跟踪方法。首先深入分析了局部遮挡条件下的光伏阵列输出特性,并构建了相应的数学模型,然后采用改进扰动观察法搜索到全局最优的光伏阵列最大功率点,防止陷入局部最优点难题,最后采用Matlab 2014仿真软件对其性能进行分析。结果表明,本文方法可以快速、准确找到光伏阵列最大功率点,提高了光伏阵列的输出效率。