用于激光无线能量传输的分布式最大功率点追踪系统研究(内封面文章)

在激光无线能量传输中,由于瞄准系统误差和物体遮挡的影响,光电池阵列接收到的激光辐照分布不均匀,导致光电池阵列组串内的电池间出现电流失配,输出功率下降。针对该问题,采用分布式最大功率点追踪(Distributed Maximum Power Point Tracking,DMPPT)技术,减少光电池阵列组串内的电池间电流失配,并用并联型Boost(PT-Boost)电路替代传统Boost电路,降低DC/DC转换器的输入电流纹波,使DMPPT系统获得高追踪效率。实验结果表明,相较于传统Boost电路,PT-Boost电路的追踪效率提高3.6%,达到93.5%。在上述研究的基础上,设置了遮光率分别为0%、25%和50%的激光无线能量传输场景,DMPPT系统整体效率分别达到了93%、92.6%和90.3%。该研究结果对激光辐照不均匀场景下激光无线能量传输的最大功率点追踪指导意义。

双馈感应电机最大功率追踪控制

为了解决双馈感应电机最大功率追踪困难问题、提高其最大功率追踪效率,提出一种用于双馈感应电机最大功率追踪的多输入多输出二阶滑动模态控制方法 .对双馈感应电机进行建模分析,引入多输入多输出二阶滑膜控制设计过程,简化为含有m个变量的单输入单输出二阶滑膜控制,进而给出双馈感应电机单输入单输出二阶滑膜控制方法;在阶跃风速、随机风速、低电压穿越三种工况下进行仿真分析,验证了控制方法的有效性和鲁棒性.

基于改进型混沌遗传算法的分布式光伏储能输出最大功率点追踪方法

针对当前分布式光伏储能输出最大功率点追踪过程受多峰特性影响而导致追踪效果不佳的情况,提出了基于改进型混沌遗传算法的分布式光伏储能输出最大功率点追踪方法。该方法首先通过构建光伏储能电池等效模型及分析光伏储能电池特性基础上,将时间、光照强度和环境温度作为输入,建立基于径向基函数(Radial Basis Function,RBF)神经网络的分布式光伏储能最大功率点追踪模型。其次,在遗传算法中引入混沌因子,形成改进型混沌遗传算法。经过参数设置、种群初始化、添加混沌因子以及交叉和变异等操作后,利用该算法求解基于RBF神经网络的分布式光伏储能最大功率点追踪模型。最后,利用该模型输出分布式光伏储能输出最大功率点追踪结果。实验结果表明:该方法追踪分布式光伏储能输出最大功率点时,具备较好的收敛性和逼近性;可在不同环境温度和光照强度情况下,有效追踪布式光伏储能输出最大功率点,应用效果较为显著。

基于FCS算法的光伏阵列最大功率追踪

局部阴影情况下,光伏阵列输出功率具有多峰值特性,针对最大功率点跟踪(Maximum power point tracking,MPPT)算法在实际应用中存在着收敛速度较慢,效率较低,且容易陷入局部功率极值的问题,将兼顾收敛速度、精度、功率稳定性的快速布谷鸟搜索(Fast cuckoo search,FCS)算法应用于光伏阵列最大功率追踪。FCS算法采用自适应步长和机会因子可避免过早收敛,全局搜索和跳出局部搜索能力强,收敛速度快,算法后期局部开发能力强,功率振荡小,功率输出稳定,最大功率追踪精度高。仿真表明,在静态阴影、动态阴影条件下,FCS算法较灰狼算法(Grey wolf optimizer,GWO)、粒子群算法(Particle swarm optimization,PSO)具有更快地收敛速度和更高的收敛精度,且稳定性好,有效地提升光伏阵列的输出效率。

太阳能硅光电池最大功率点跟踪算法的仿真及试验

目前,中国的太阳能光伏发电应用已渗透到工、农业生产的各个领域。由于太阳辐射的波动性和随机性,太阳能硅光电池的光电转换效率并未得到最大化利用,波动引起的系统运行状态的瞬时变化也容易对作业设备造成一定损耗。为解决这一问题,本研究选取常用的太阳能硅光电池为研究对象,提出一种基于扰动观察的太阳能硅光电池最大功率点跟踪检测算法并应用于太阳能发电装置,通过与传统工作方式进行对比试验,试验结果表明采用该方法电能输出功率提高11%,较好地抑制了电能输出的波动性。

基于ICS-INC的局部阴影下光伏最大功率点追踪研究

传统最大功率点追踪技术(Maximum Power Point Tracking, MPPT)存在收敛速度慢、精度差、易陷入局部最优等缺点.针对上述问题,提出一种基于改进布谷鸟算法(Improved Cuckoo Search, ICS)和电导增量法(Incremental Conductancemethod, INC)的联合MPPT控制方式.首先对布谷鸟算法(Cuckoo Search, CS)中莱维步长和毁巢率进行了自适应变化增加了迭代收敛速度和全局寻优能力,其次通过判断鸟巢间最大位置差ξ切换INC防止其陷入局部极小值,最后分别进行静态对比和动态光照仿真实验.静态对比仿真结果表明此控制方式在追踪速度和精度上更有优越性;动态仿真测试结果证明该方法在复杂环境下具有鲁棒性.

船舶光伏发电最大功率点跟踪无模型自适应控制

针对船舶光伏发电系统输出功率优化控制问题,并充分考虑复杂海况天气、船舶横摇和海盐结晶导致的船舶光伏发电系统模型参数时变,提出一种船舶光伏发电最大功率点跟踪无模型自适应控制方法。首先,根据光伏发电系统的输出和输入数据建立了离散非线性系统;其次,采用基于紧格式动态线性化的数据模型设计最大功率点跟踪无模型自适应控制器;最后,给出了伪偏导数估计算法。通过对比仿真实验,所提控制方法提高了船舶光伏发电系统的输出功率的稳定性。在恒定25℃环境温度及辐照度900 W·m^(-2)下,采用无模型自适应控制和基于扰动观察法的最大功率点跟踪时间分别为0.1、0.3 s,功率振荡幅度分别为5、18 W;在2 s时刻辐照度变化为500 W·m^(-2)时,采用无模型自适应控制和基于扰动观察法的最大功率点跟踪时间分别为0.02、0.06 s,功率振荡幅度分别为100、250 W。可以看出,采用无模型自适应控制的最大功率点跟踪方法可改善船舶光伏系统最大功率跟踪性能,验证了所提控制方法的有效性和优越性。

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。

太阳电池最大功率点追踪的控制策略

在研究太阳电池电路模型的基础上,提出了一种数模混合的最大功率点追踪策略,可以最大程度的利用太阳能,同时实现了蓄电池的过充保护,最后用实验验证了方案的高效性和实用性。

采用滞环比较法实现太阳能电池的最大功率追踪

通过对太阳能电池伏安特性及功率电压曲线的分析,结合光伏并网系统的特性和太阳能电池的最大功率点的跟踪原理,并提出了一种采用软件实现太阳能电池最大功率点追踪的方法。与普通的登山法相比,该方法能够准确快速地跟踪到太阳电池的最大功率点,避免了在最大功率附近因扰动而造成功率损失,并具有较好的稳定性。

融合最大功率点追踪的光伏发电功率全局控制研究

不确定自然环境因素的影响下,光伏发电输出功率的非线性特征增加了其控制难度,导致新能源发电的利用率偏低。为解决该问题,基于最大功率点追踪技术,提出光伏发电功率全局控制新方法。结合辐照强度、光照温度等外界条件,建立光伏发电模型。利用均匀光照下的最大功率点追踪方法,构建比例因子对追踪动态响应速度的影响模型。在光照不均匀条件下,将单峰值非线性特征曲线转变为多峰值非线性特征曲线,求解多峰值非线性特征的全局最大值问题,利用蚁群算法选取高信息素路径作为最优解,实现发电功率全局控制。采用simulink软件构建光伏发电仿真模型,分析不同辐照强度条件下的光伏发电功率控制效果。经实验验证,所提方法能够适应多辐照强度与变化辐照强度等条件,提升了新能源利用率与新能源发电的效益回报,具备投入实践应用的条件。

基于IBFA的局部阴影下光伏最大功率点追踪研究

最大功率点追踪(Maximum Power Point Tracking,MPPT)技术是提高光伏发电效率的重要手段之一。针对传统MPPT不能满足局部阴影光照下寻优要求,本文提出一种改进细菌觅食法(Improved Bacteria Foraging Optimization Algorithm,IBFA)。通过引入全局学习方向,牵引细菌种群趋化方向,以此增加了算法的收敛速度;增加自适应步长机制,改善步长多样性,使得算法在寻优过程中可以跳出局部最优,收敛后期更加精确。通过仿真实验测试,该算法在局部阴影下能够跳出局部最优,快速收敛到最大功率点处,同时与粒子群算法(Particle Swarm optimization,PSO)相比性能更加优越。

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。

浅谈光伏逆变器最大功率点追踪MPPT与电流采集

光伏逆变器是太阳能光伏发电系统中的核心设备之一。光伏逆变器的转换效率直接影响太阳能光伏发电系统的发电效率,而发电效率由逆变器中MPPT主要控制。本文阐述了MPPT的简要原理与电流采集方案,有助于提高光伏逆变器发电效率。

基于改进型扰动观察法的光伏电池最大功率点追踪算法研究

为了研究光伏电池最大功率点追踪算法,本文对光伏电池的输出特性进行了分析。以光伏阵列工作在稳定区域内的情况下,dP/dU与I存在线性关系为基础,本文提出了一种改进型扰动观察法的最大功率点追踪算法。该算法提出了一个新的判断光伏电池最大功率点的条件,结合扰动观察法和固定电压法寻找最大功率点。与传统的扰动观察法相比,该算法提高了系统的稳定性。对该算法进行了理论推导,并采用Matlab进行了仿真验证,结果表明,该算法能减少在最大功率点附近的振荡。

基于推挽电路的光伏电池最大功率点追踪系统

太阳能光伏阵列的输出特性受外界环境因素的影响,为了使光伏阵列工作在最大功率点,因此经常在系统中加入最大功率追踪器。文中论述了一种利用推挽电路对光伏电池进行最大功率点追踪(MPPT)的控制器,以TMS320LF2407DSP为控制核心。通过Matlab仿真,结果表明控制器能够准确追踪最大功率点。

基于Motorola单片机的太阳电池最大功率点追踪控制

为了提高对太阳电池最大功率点的追踪控制效果,研究了太阳电池最大功率点追踪(MPPT)控制。研究了太阳电池的特性,对MPPT控制进行分析,选定了粒子群算法和电导增量法相结合作为控制策略,在此基础上进行Motorola单片机的设计,以此实现对太阳电池最大功率的追踪控制。仿真实验结果显示:在对太阳电池最大功率点进行追踪控制方面,该方法反应快速及时,系统输出功率稳定,实现了对太阳电池最大功率追踪控制,具有一定的应用前景。

基于Matlab的光伏电池最大功率追踪控制模型搭建与仿真

根据光伏电池的输出特性,在Matlab环境下,选用Boost电路搭建了光伏最大功率跟踪通用仿真模型,以控制光伏电池的功率追踪和输出电压稳定,且通过仿真实验表明,该系统能准确较好地实现跟踪最大功率控制.

直驱式永磁同步风力发电系统最大功率追踪控制

为提高直驱式永磁同步风力发电系统最大功率追踪的效果,根据风力机的输出特性,阐明最佳特性曲线法实现风力发电系统最大功率追踪的原理,分析转速控制和功率控制方案的不足,提出基于最佳电磁转矩给定的最大功率追踪方案和一种适合于永磁同步发电机(pemanent magnet synchronous generator,PMSG)的转子初始位置检测方法。分别构建了以TMS320F2812DSP为控制核心的10kW风力机模拟系统和直驱式永磁同步风力发电系统,进行初始位置的检测、风速稳定和突变时系统的运行实验,实验结果验证了所提出的转子初始位置检测方法和最大功率追踪方案的有效性。