Maximum Power Point Tracking Based on Improved Kepler Optimization Algorithm and Optimized Perturb&Observe under Partial Shading Conditions

Under the partial shading conditions(PSC)of Photovoltaic(PV)modules in a PV hybrid system,the power output curve exhibits multiple peaks.This often causes traditional maximum power point tracking(MPPT)methods to fall into local optima and fail to find the global optimum.To address this issue,a composite MPPT algorithm is proposed.It combines the improved kepler optimization algorithm(IKOA)with the optimized variable-step perturb and observe(OIP&O).The update probabilities,planetary velocity and position step coefficients of IKOA are nonlinearly and adaptively optimized.This adaptation meets the varying needs of the initial and later stages of the iterative process and accelerates convergence.During stochastic exploration,the refined position update formulas enhance diversity and global search capability.The improvements in the algorithmreduces the likelihood of falling into local optima.In the later stages,the OIP&O algorithm decreases oscillation and increases accuracy.compared with cuckoo search(CS)and gray wolf optimization(GWO),simulation tests of the PV hybrid inverter demonstrate that the proposed IKOA-OIP&O algorithm achieves faster convergence and greater stability under static,local and dynamic shading conditions.These results can confirm the feasibility and effectiveness of the proposed PV MPPT algorithm for PV hybrid systems.

Enhanced Perturb and Observe Control Algorithm for a Standalone Domestic Renewable Energy System

The generation of electricity,considering environmental and eco-nomic factors is one of the most important challenges of recent years.In this article,a thermoelectric generator(TEG)is proposed to use the thermal energy of an electric water heater(EWH)to generate electricity independently.To improve the energy conversion efficiency of the TEG,a fuzzy logic con-troller(FLC)-based perturb&observe(P&O)type maximum power point tracking(MPPT)control algorithm is used in this study.An EWH is one of the major electricity consuming household appliances which causes a higher electricity price for consumers.Also,a significant amount of thermal energy generated by EWH is wasted every day,especially during the winter season.In recent years,TEGs have been widely developed to convert surplus or unused thermal energy into usable electricity.In this context,the proposed model is designed to use the thermal energy stored in the EWH to generate electricity.In addition,the generated electricity can be easily stored in a battery storage system to supply electricity to various household appliances with low-power-consumption.The proposed MPPT control algorithm helps the system to quickly reach the optimal point corresponding to the maximum power output and maintains the system operating point at the maximum power output level.To validate the usefulness of the proposed scheme,a study model was developed in the MATLAB Simulink environment and its performance was investigated by simulation under steady state and transient conditions.The results of the study confirmed that the system is capable of generating adequate power from the available thermal energy of EWH.It was also found that the output power and efficiency of the system can be improved by maintaining a higher temperature difference at the input terminals of the TEG.Moreover,the real-time temperature data of Abha city in Saudi Arabia is considered to analyze the feasibility of the proposed system for practical implementation.

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。

局部阴影下基于GWO-P&O混合算法的光伏最大功率点跟踪

针对局部遮阴环境下传统灰狼优化(Gray wolf optimization,GWO)算法在跟踪最大功率点时P-U特性曲线出现多峰值、后期收敛速度慢、稳态精度低等问题,结合灰狼优化算法和扰动观察法(Perturbation and observation,P&O)各自的优势,提出了基于GWO-P&O的混合优化最大功率点跟踪(Maximum power point tracking,MPPT)算法。首先,采用灰狼优化算法逐渐向光伏的全局最大功率点靠近。其次,在灰狼优化算法收敛后期引入P&O法,既保持了灰狼优化算法较高的稳态精度,又能以较快速度寻找到局部最大功率点。最后,在不同环境工况下,将所提出的GWO-P&O方法与传统GWO算法进行对比。结果表明,改进的GWO-P&O算法在保证良好稳态性能的同时,一定程度上提高了GWO算法后期跟踪最大功率时的收敛速度。

基于ICS-IP&O的光伏最大功率跟踪

针对光伏组件存在局部阴影条件(PSC)时,功率输出曲线呈现出的多峰现象,传统最大功率点追踪方法容易陷入局部最优情况。为了解决上述问题,提出一种将自适应布谷鸟搜索(ICS)算法和变步长扰动观察法(IP&O)相结合的复合算法(ICS-IP&O)。对布谷鸟搜索方法(CS)的切换概率、Lévy飞行步长系数进行非线性自适应优化,使其满足迭代前、后期不同的需求,加快收敛进程。在偏好随机游走部分,引入粒子群算法思想,对位置更新公式进行优化,提高其多样性,使算法具有较强的全局搜索随机性,降低陷入局部最优的可能性。算法后期切换成IP&O搜索,减小振荡。通过Simulink进行仿真测试,并与粒子群算法(PSO)、布谷鸟算法(CS)进行对比。结果表明,该算法在静态、局部遮阴、动态遮阴条件下均具有更好的收敛速度和精度。

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。

Research on the MPPT of Photovoltaic Power Generation Based on Improved WOA and P&O under Partial Shading Conditions

Partial shading conditions(PSCs)caused by uneven illumination become one of the most common problems in photovoltaic(PV)systems,which can make the PV power-voltage(P-V)characteristics curve show multi-peaks.Traditional maximum power point tracking(MPPT)methods have shortcomings in tracking to the global maximum power point(GMPP),resulting in a dramatic decrease in output power.In order to solve the above problems,intelligent algorithms are used in MPPT.However,the existing intelligent algorithms have some disadvantages,such as slow convergence speed and large search oscillation.Therefore,an improved whale algorithm(IWOA)combined with the P&O(IWOA-P&O)is proposed for the MPPT of PV power generation in this paper.Firstly,IWOA is used to track the range interval of the GMPP,and then P&O is used to accurately find the MPP in that interval.Compared with other algorithms,simulation results show that this method has an average tracking efficiency of 99.79%and an average tracking time of 0.16 s when tracking GMPP.Finally,experimental verification is conducted,and the results show that the proposed algorithm has better MPPT performance compared to popular particle swarm optimization(PSO)and PSO-P&O algorithms.

基于VMD-ISSA-LSTM的短时交通流预测研究

针对城市短时交通流随机波动性强、可靠性低、预测精度差等问题,将变分模态分解(VariationalMode Decomposition,VMD)和改进麻雀搜索算法(ImproveSparrowSearchAlgorithm,ISSA)与长短期记忆(LongShort-Term Memory, LSTM)神经网络相结合,建立一种短时交通流预测模型(VMD-ISSA-LSTM)。首先利用VMD对历史原始交通流数据进行分解;然后采用佳点集、正弦函数扰动和Tent混沌映射等策略对标准的SSA算法加以改进,增强ISSA算法的寻优能力;最后,将每个分量送入ISSA-LSTM中进行预测,同时将预测结果线性叠加,得到交通流量预测值。以上海市中山北路-曹杨路口2018年11月1日—30日的历史交通数据对模型进行验证。结果表明,与LSTM、VMD-LSTM、VMD-SSA-LSTM等传统预测模型相比,VMD-ISSA-LSTM模型的预测结果的平均绝对百分比误差为1.278 4%,能够更好地应用于短时交通流预测中。

多策略集成的改进技能优化算法及应用

针对技能优化算法(Skill Optimization Algorithm,SOA)寻优精度不高、收敛速度慢等缺点,本研究提出一种多策略集成的改进技能优化算法(Multi Strategy integrated Skill Optimization Algorithm,MSSOA)。MSSOA采用佳点集策略初始化种群,提高初始种群在解空间内的分布质量;根据算法特点在全局搜索阶段采用自适应权重,改进个体行进的步长;根据不同个体采用不同的t-分布扰动方式,平衡全局搜索和局部搜寻的关系,增强算法后期局部搜寻能力。通过12个测试函数、2个工程应用问题对其性能进行测试,测试结果表明MSSOA有着理想的寻优精度和收敛速度,能够解决复杂的工程问题。

黑寡妇算法与P&O相结合的光伏MPPT研究

目的 在局部遮阴条件下,传统最大功率点追踪(MPPT)算法通常会跟踪到局部最优值,单个群智能优化算法在多极值的情况下能有效跟踪最大功率点,但追踪时间相对较长,为此,提出一种基于黑寡妇(BWOA)与扰动观察法相结合的MPPT算法。方法 将boost电路中开关管的占空比定义为算法中的个体位置,通过对输出占空比的调整实现MPPT控制。结果 相比于原BWOA算法和PSO算法,基于BWOA与P&O结合算法的MPPT能够更加快速地跟踪到最大功率点。结论 与扰动观察法的结合可以有效加快BWOA算法收敛速度,并提高算法收敛精度。

基于IP&O-ICS算法的光伏系统MPPT控制研究

传统的光伏系统MPPT算法易陷入局部最优,而基于智能优化算法的MPPT方法追踪速度慢,皆不能同时兼顾准确性和快速性。对此,该文设计一种变步长扰动观察法(IP&O)结合自适应布谷鸟搜索(ICS)算法的复合算法,先利用IP&O迅速到达对应电压最大的功率极大值点,再根据复杂光照环境下光伏阵列的输出特性,利用该点的功率值调整ICS算法的搜索范围,使其快速准确地追踪到最大功率点。通过仿真对比,验证了此算法在追踪速度和精度上的优越性。

A Correlative Study of Perturb and Observe Technique and GA-RBF-NN Method Supplying a Brushless DC Motor

A comparative study is done in regards to the performance of the popular Perturb and Observe algorithm and the Genetic Assisted-Radial Basis Function-Neural Network (GA-RBF-NN) algorithm, both incorporating the Interleaved Boost converter. The Perturb and Observe method (P&O) is inarguably the most commonly used algorithm as its advantages pertaining to its ease in implementation and simplicity enable to track the Maximum Power Point (MPP). However, it is absolutely unreliable when subjected to rapidly fluctuating irradiation and temperature levels. More importantly, the system has the tendency to swing back and forth about the Maximum Power Point without reaching stability. At this juncture, the implementation of the Genetic-Assisted Radial Basis Function (GA-RBF) algorithm helps the system achieve MPP at a shorter time when compared to the Perturb and Observe technique. The ever reliable and robust Levenberg-Marquardt algorithm is included along with the MPPT controller that minimizes the Mean Square Error (MSE) and aids in faster training of the neural network. This PV system drives a brushless DC motor (BLDC), employing rotor position sensors.

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IPSO-IP&O混合算法的光伏最大功率点跟踪

在局部遮阴条件下,光伏阵列的P-U特性曲线会出现多峰现象。传统的方法易陷入局部最大功率点(LMPP),而基于元启发式算法的最大功率点跟踪(MPPT)方法难以兼顾快速性和准确性。对此,设计了一种基于改进粒子群(IPSO)算法内嵌变步长扰动观察法(IP&O)的IPSO-IP&O混合算法。首先,采用IPSO对粒子的速度和位置进行更新;然后,通过IP&O对粒子进行最大功率点跟踪,并将跟踪得到的功率作为粒子的适应度值,以便于IPSO在诸多局部最大功率点中找到全局最大功率点;最后,以IPSO输出的全局最优为初始位置,再次利用IP&O进行全局最大功率点跟踪。将所提算法与IP&O、IPSO、改进粒子群算法结合扰动观察(IPSO-P&O)算法进行仿真对比,仿真结果表明:所提算法在跟踪速度和精度上表现优异,尤其是在宽电压搜索范围的情况下;并且在跟踪过程中的功率振荡更小。

基于数据驱动的交直流混联电网阻尼调制策略

为改善交、直流混联电网因联络线上功率失衡引起的弱阻尼区间模式,提出一种基于定点滑窗摄动法筛选灵敏发电机组的有功再调度阻尼调制策略。首先,研究联络线断面交、直流功率配比和单极闭锁故障对区间振荡的影响;然后,基于随机响应数据运用随机子空间辨识法辨识系统模态,并根据发电机有功自然摄动提出定点滑窗摄动法计算发电机阻尼比-有功灵敏度,选出送、受端灵敏度最大的发电机组合进行有功再调度,定向提高区间振荡阻尼比以满足系统安全稳定运行的要求;最后,在改进的IEEE 16机5区系统进行仿真与计算,其结果验证了辨识方法的有效性和所提策略的可行性。

基于改进樽海鞘群优化的图像匹配方法

由于自身特有的链式群更新模式,基于原始樽海鞘群优化的图像匹配方法在一定程度上可降低陷入局部最优的概率,该方法在匹配速度、匹配时间以及匹配精度上仍有不足。因此,本文提出一种基于改进樽海鞘群优化的图像匹配方法。使用立方混沌初始化种群,调整收敛因子变化趋势,使种群尽可能遍历整个搜索空间,以此增强全局搜索能力;对跟随者进行正交方向的扰动,避免跟随者进行盲目的曲线搜索,以扩大其搜索范围;引入寻优者,致力于开发当前最优点附近的搜索空间,使算法加快搜索到全局最优点,提高算法速度。仿真结果表明,与基于粒子群优化(Particle swarm optimization, PSO)、蚁狮优化(Ant lion optimizer, ALO)和樽海鞘群优化(Salp swarm algorithm, SSA)3种算法的图像匹配方法相比,本算法提高了全局搜索能力,有效地降低了匹配时间,在收敛速度、收敛精度以及鲁棒性上有较好表现。

IGWO-IP&O算法在光储MPPT控制系统中的应用

局部遮阴情况下光伏阵列的输出功率呈现多峰现象,导致传统MPPT控制算法失效,而基于元启发式算法的MPPT控制功率追踪速度慢,输出功率振荡大。针对上述问题,提出一种基于改进型灰狼优化算法(improved grey wolf optimization algorithm,IGWO)与改进型扰动观察法(improved perturbation and observation method,IP&O)相结合的光伏MPPT控制算法。IGWO采用非线性收敛因子调整策略提高算法适应性,并通过使用改进型莱维飞行与增强型醉汉漫步结合的搜索策略平衡全局搜索与局部寻优的关系。利用IGWO追踪至最大功率点附近,再与可调节扰动步长变化速率的IP&O结合实现最大功率的稳定输出。算法测试实验数据和仿真结果表明,所提出的MPPT控制算法具有快速的追踪速度和高输出精度,且在功率追踪过程中输出振荡小。

局部阴影下光伏阵列最大功率点跟踪算法的研究

传统的最大功率点跟踪(MPPT)算法在光伏阵列多峰情况下容易陷入局部最优,蝴蝶优化算法有全局优化能力,但由于收敛精度较低而没有被广泛使用。提出了一种改进蝴蝶优化算法与扰动观察法相结合的MPPT算法,引入混沌映射理论和动态切换概率改进蝴蝶优化算法。先通过蝴蝶优化算法的全局搜索能力定位最大功率点范围,后切换小步长扰动观察法精准定位最大功率点。混合算法结合了蝴蝶优化算法和扰动观察法的优点,通过Simulink仿真实验,与传统蝴蝶优化算法、粒子群算法作对比,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一定优势。

基于变步长爬山法的波浪能发电装置MPPT研究

针对直驱式波浪发电系统中boost电路的最大功率跟踪(MPPT)问题,首先基于Froude-Krylov理论法对波浪力进行计算,再对直驱式波浪捕获系统以及永磁同步直线电机(PMSLM)进行建模,针对系统的输出特性曲线无法精确建模的特性,提出变步长爬山法对系统进行优化。仿真结果表明,相较于固定步长爬山法,变步长法在一定的误差范围内使发电系统具有全局寻优功能和较高的跟踪速度,其输出功率显著提升且避免陷入局部最优。