基于改进布谷鸟搜索算法的光伏MPPT控制

复杂阴影情况下,光伏阵列的P-V特性曲线会出现多个峰值,传统的MPPT算法因不能准确识别局部峰值和全局峰值,而无法进行复杂阴影情况下的最大功率点跟踪。针对传统布谷鸟搜索(Cuckoo Search,CS)算法因鸟窝之间缺乏交流能力导致可能陷入局部最优的问题,提出了一种多策略改进布谷鸟搜索(EGICS)算法。将传统CS算法中发现概率值的选择自适应变化,提高算法的搜索能力;将步长因子自适应化,提高算法的收敛速度;引入高斯扰动和精英反向学习策略,增加种群多样性,避免算法陷入局部最优。对EGICS算法在单峰和多峰函数中进行性能测试,并将其应用于光伏系统MPPT控制中进行仿真验证。仿真结果表明,EGICS算法在收敛速度、跟踪精度以及动态稳定三个方面有更好的效果。

基于SSA-ELM神经网络控制器的光伏MPPT方法

光伏电池板所处环境的非线性变化使得光伏电池的功率保持在最大功率点(maximum power point,MPP)非常困难。传统的最大功率点跟踪(maximum power point tracking,MPPT)方法普遍存在技术缺陷,无法满足当前需求。针对光伏发电MPPT问题,该文提出了一种基于麻雀搜索算法优化的极限学习机(sparrow search algorithm-extreme learning machine,SSA-ELM)神经网络控制器的MPPT方法。与传统技术相比,该MPPT方法在稳定性、速度、超调和MPP的振荡等方面的效果均较好。使用MATLAB/Simulink平台进行仿真实验,验证了所提控制策略及理论分析的正确性。

基于垂荡和纵摇运动模型对波浪能最大输出功率的设计

研究波浪能装置最大输出功率的设计,以运动平衡方程和能量输出系统研究为基础理论背景,建立浮子和振子的垂荡、纵摇运动模型和最优阻尼系数模型,确定给定时间下的浮子与振子的垂荡位移及速度和纵摇位移及角速度,并借助模拟退火算法和网格搜索算法分别确定两种情况下给定参数值的最大输出功率及最优阻尼系数.

局部遮荫下基于IP&O-SSA的MPPT控制研究

为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algorithm,SSA)的复合IP&O-SSA。该算法对SSA加入了Tent序列初始化,对预警者加入了Levy飞行策略,再对P&O进行了自适应和滤波处理。该算法采用双层控制结构,先通过改进后的SSA进行全局搜索到最大功率点附近,再通过改进后的IP&O进行小步平缓搜索到跟踪最大功率点。通过在Simulink仿真标准环境、局部遮荫、环境突变3种情形,仿真结果表明:在标准环境下,该算法最先跟踪到最大功率点,收敛时间比改进前的扰动观察(P&O)和SSA缩短了3 ms、16 ms,跟踪效率高达99.99%;局部遮荫条件下,只有P&O会陷入局部最优,无法有效跟踪到系统的最大功率点,相较于改进前的SSA,该文算法的平均收敛时间缩短了8 ms,同时跟踪效率高达99.68%,提升了0.09%。验证了该算法适用于日常大部分应用情景,为提升光伏阵列的发电效率提供了理论控制算法基础,为之后的光伏阵列并网减少了不必要的功率损耗。

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。

基于混合ICS-PSO算法的温差发电系统MPPT设计

针对温差发电系统非均匀温度场条件下,功率电压曲线呈现多峰特性,传统粒子群算法易陷入到局部最优,布谷鸟算法收敛时间慢等问题,提出了改进布谷鸟算法与粒子群算法相混合的最大功率点跟踪控制算法。引入自适应发现概率,扩大种群搜索范围,以最小收敛时间为约束函数,通过参数寻优确定最佳功率区间划分临界点参数,将寻优过程划分为粒子群快速粗寻优与改进布谷鸟稳态精寻优两个阶段,以提升算法的收敛速度和发电效率。仿真结果表明,本算法在均匀温度场条件下,收敛时间0.24 s,发电效率99.89%,在非均匀温度场条件下,收敛时间0.13 s,发电效率99.92%,均优于其他算法,该算法收敛迅速,跟踪精度高,并通过了基准测试函数测试,验证了该算法的有效性和通用性。

局部遮阴下双优化PSO在光伏MPPT中的应用研究

局部阴影下,在光伏最大功率点追踪(maximum power point tracking,MPPT)过程中,以往的方法通常采用的是全局搜索,这一过程会出现搜索时间长、收敛速度慢、局部寻优、功率振荡时间长等问题。对此,提出双优化粒子群算法(particle swarm optimization,PSO),即先通过数学推导优化最大功率点存在的电压区间,由全局缩小范围,在此区间内再运用PSO搜索,并优化算法中的系数c_(1)、c_(2),引入搜索程度因子d来增强其收敛性。在MATLAB/Simulink仿真中设置两组光照并通过全局搜索算法中的传统PSO与改进PSO进行对比分析。仿真显示该方法在上述问题方面均有较为明显的改善。

考虑损耗的永磁风力发电系统改进功率反馈法最大风能跟踪控制

永磁直驱风力发电系统(PMSG)采用传统功率反馈最大功率跟踪(MPPT)控制方法时,需要提前获取机组的功率-转速曲线,且机组的风能转换率会随着风机使用时间而变化,从而降低了功率反馈法的控制精度。本文基于传统功率反馈控制方法,在考虑发电机内部损耗的前提下,提出考虑损耗的永磁直驱风电系统改进功率反馈法MPPT控制策略。该策略通过爬山搜索法跟踪风机最大功率点,在考虑损耗的基础上准确地计算出功率反馈法所需要的比例系数,进而计算出参考功率,从而实现最大风能跟踪。通过对该策略进行仿真和实验研究,验证了控制策略的有效性和可行性。

IBES算法在并联Boost电路MPPT系统中的应用

针对光伏阵列在复杂光照条件下的多峰值特点及常规的最大功率追踪算法无法兼顾追踪精度和速度、存在振荡的问题,提出了一种改进秃鹰搜索算法;该算法在选择搜索空间时使用混沌映射对选择位置控制变化的参数进行优化,增加种群位置的多样性,提升算法的全局搜索能力;并在搜索空间猎物时,引入Levy飞行机制,对秃鹰新位置进行优化,增强了算法跳出局部搜索的能力;同时提出一种新型并联Boost电路,提高追踪的稳定性,减小振荡。通过Simulink建模仿真分析可知,结合改进的算法与新型并联Boost电路,在三种阴影情况下,追踪的成功率分别为100%、98%、96%,均高于原始算法,能够更快、更稳定地实现最大功率跟踪。

一种引入停止机制的改进爬山算法

针对爬山法(hill-climbing searching,HCS)在最大功率点(maximum power point,MPP)处存在的转速振荡和风速变化导致搜索方向误判的问题,提出1种具有扰动停止机制的改进爬山算法。该算法不仅继承了变步长爬山法快速搜索至MPP附近的优点,还具有MPP检测和停止机制。在风机跟踪至MPP附近时,该机制不仅可以有效降低转速振荡对风机系统机械部件的磨损,而且克服了算法停止机制生效后风速再次变化时对搜索方向判断的干扰,从而进一步提高了风能捕获效率。在简化风电系统模型的基础上,仿真结果验证了该算法的有效性和优越性。

融合大功率点追踪和寻光感知技术的太阳能智能跟踪系统设计

针对目前跟踪式太阳能光伏电池发电系统跟踪误差较大、抗干扰性较差、系统耗能较高等问题,融合大功率点追踪(maximum power point tracking,MPPT)和智能寻光感知技术设计了套太阳能光伏电池跟踪系统,实现了光电转化效率的大化。运用投影原理研制了寻光传感器,加入光强感测单元构成智能寻光感知模块,消除气候条件影响实现系统全天候的运行工作。为降低系统功耗,将跟踪方式设计为离散式,系统空闲时断电待机。对实现大功率点跟踪的扰动观察法进行优化改进,提出差别化扰动方式避免了扰动观察法在大功率点附近产生震荡及光强变化时的误动作。经实验验证,该系统跟踪分辨力可达到0.344?,系统误差小于2.5°,系统充电效率提高40%以上。

优化爬山算法在直驱永磁风力发电系统中的应用

为了缩短爬山算法的计算周期,提高直驱永磁风力发电系统最大风能捕捉的响应速度,提出一种根据功率扰动寻求最大功率的优化爬山算法.该算法在变步长爬山算法盲目搜索的基础上添加数据存储输出功能,构造了与电机转速对应的最大输出功率表,避免重复的计算,同时结合功率反馈控制来实现系统最大功率追踪.运用MATLAB对该算法进行仿真验证,结果表明本文所述算法的响应速度和稳定性明显超过传统变步长爬山算法.

狼群搜索算法在光伏阵列MPPT中的应用

光伏阵列最大功率点在外部环境条件变化时往往难以进行有效地跟踪,而传统的最大功率点跟踪(MPPT)方法常常会导致搜索陷入局部极值并且响应速度慢。针对此问题,本文提出一种基于狼群搜索算法的最大功率点跟踪方法。仿真结果表明:该算法能够有效地进行全局最大功率点跟踪,验证了该算法的可行性。

基于CSA-FPI算法的光伏发电MPPT仿真研究

对光伏阵列进行最大功率点跟踪控制(Maximum Power Point Tracking,简称MPPT),是提高光伏发电系统输出功率的有效措施之一。文章以光伏阵列非线性输出特性为切入点展开研究,在分析了常规算法的优缺点基础上,针对其在最大功率点处(MPP)动态和稳态性能不佳等问题,提出了一种基于布谷鸟搜索算法(CSA)和模糊PI(FPI)控制相结合的光伏阵列MPPT算法。在MATLAB/Simulink下进行了仿真建模,仿真结果表明该方法能够迅速准确地跟踪光伏阵列的最大功率点,防止算法跟踪方向误判情况的发生,具有快速跟踪性和鲁棒性;同时实验结果也证实了上述算法的正确性和有效性。

基于遗传算法与模式搜索法组合的MPPT技术

针对传统单一MPPT算法无法兼顾动态性和稳态性的问题,尝试将传统遗传算法与模式搜索法进行组合应用于光伏发电MPPT控制,技术原理是当系统靠近功率曲线两端时采用遗传算法跟踪,当系统位于最大功率点附近采用模式搜索法跟踪.通过MATLAB/Simulink仿真分析,分别对比研究了扰动观察法、电导增量法、模糊控制法与组合算法跟踪光伏发电最大功率的输出特性.研究结果表明,遗传算法和模式搜索法的组合算法与扰动观察法、电导增量法和模糊控制法等传统最大功率跟踪方法相比,具有响应速度快,控制精度高,稳定性良好等优点.

直驱式风力发电系统最大风能追踪策略研究

充分利用风能是风力发电控制的主要目的之一,为达此目的,基于原有的直驱式风力发电系统电路拓扑结构,在整流器和逆变器之间加入了Buck-Boost电路,通过控制该电路中开关器件的开断,保证该风力发电系统输出有效电压,从而保证有功功率流向电网或负载,实现风力发电系统的最佳功率系数。基于风力发电机输出功率特性曲线,详细阐述了采用该风力发电系统实现最大风能利用的搜索算法。该算法具有不再需要测风速和电机转速的优点。通过实验验证比较,新系统能实现风能的最大利用。

优化的变步长MPPT控制策略研究

风力发电最大功率跟踪问题是风电技术的研究重点之一。爬山搜索算法可以为风电系统实时提供最佳搜索步长,使风力机的输出功率最大。针对传统爬山搜索算法抗干扰能力差、对功率跟踪不够准确的问题,提出了一种优化搜索步长的变步长爬山搜索算法,在更加真实地模拟风速模型的基础上进行了仿真实验,结果表明通过对搜索步长进行优化,不仅使输出功率损失最小,而且通过对步长变化的有效调节避免了输出功率的振荡,使系统抗干扰能力提高,验证了所提算法的有效性。

基于两级搜索模式的光伏系统MPPT控制

设计了一种全新的光伏发电控制系统,发展了两级搜索模式的最大功率点跟踪(MPPT)方法,该方法无需建立光伏阵列的数学模型。第一级全局搜索模式利用电子负载实现对最大功率点(MPP)的快速和近似定位,并防止系统陷入局部功率极大值点。第二级模糊控制模式利用第一级的结果通过对Boost电路占空比的微调,实现对MPP的准确定位。实验表明,无论对于环境条件稳定的系统,还是温度、光照等条件剧烈变化的系统,所提出的两级式搜索模式都可以实现对光伏系统MPP的实时、准确、快速跟踪。

局部阴影下光伏阵列最大功率点跟踪算法的研究

在局部阴影条件下,光伏阵列的功率-电压(P-V)特性曲线呈现多峰现象,传统的最大功率点跟踪方法容易受困于局部最大功率点,造成输出功率的损失。提出了基于布谷鸟搜索算法CS(Cuckoo Search)的MPPT新方法,利用Lévy飞行搜索机制快速、有效的跳出局部最优的束缚,完成对全局最大功率点的跟踪。仿真和实验验证了该方法的可行性和有效性。

基于和声搜索算法的水库发电优化调度研究

为提高水电厂发电效益,综合运用和声搜索算法,提出单级水库的优化调度方法,即首先分析单级水库优化调度约束条件,然后以月末水位为自变量建立基于年发电量最大原则的水库优化调度模型,最后运用和声搜索算法模拟水库调度。实例应用结果表明,基于和声搜索算法的优化结果较多年实际最大发电量及遗传算法的优化结果分别提高了8.69%、1.55%。