基于跃变探索式电导增量法的光伏阵列全局最大功率点跟踪控制研究

实现光伏阵列最大功率点跟踪(Maximum power point tracking, MPPT)的传统算法已经较为成熟,但是在局部阴影出现后会发生寻优失效,难以实现全局最大功率跟踪(Global maximum power tracking, GMPPT)。为解决该问题,研究人员提出将粒子群(Particle swarm optimization, PSO)等群搜索算法应用在MPPT控制过程中,虽然能够控制工作点稳定在全局最大功率点处,但由于该算法收敛能力依赖于核心参数,在应用过程中有一定概率会导致系统振荡。针对以上问题,在电导增量法(Incremental conductance, INC)的基础上提出跃变探索式电导增量法(Jump explore incremental conductance, JEINC),相较于传统电导增量法而言,具有较强的探索能力,能够在局部阴影下实现全局最大功率点跟踪控制,同时所提算法具有较好的收敛能力,在工作点位于最大功率点附近能够快速稳定。在三种光照环境下进行Matlab仿真,从稳定时间、暂态过程能量损耗率和振荡幅值三个方面验证了所提算法相较于电导增量法和粒子群算法的优越性。

独立光伏阵列全局最大功率点跟踪控制技术

受多种因素影响,传统独立光伏阵列跟踪方法跟踪效率低、速度慢,为此提出一种独立光伏阵列全局最大功率点跟踪控制技术。通过建立独立光伏阵列工程仿真模型,模拟在实际工程中的光伏阵列发电特性;分析独立光伏阵列输出特性,得到I-U特性曲线和P-U特性曲线;利用梯度法跟踪全局最大功率点,观察P-U特性曲线存在的扰动,求得P-U特性曲线上的最大值。经实验论证分析,在无阴影条件下,该方法的振荡范围更小,跟踪速度更快;在静态阴影条件下,跟踪精度更高,具有良好的控制能力;在动态阴影条件下,能够在阴影突变后再次准确找到全局最大功率点。

局部阴影下光伏阵列全局最大功率点跟踪控制方法综述

介绍了局部阴影下光伏阵列输出特性及最大功率点跟踪原理,对现有全局最大功率点跟踪控制方法从基于阵列硬件结构、采样数据、现代控制理论及其它等4方面进行分类与总结,对局部阴影下全局最大功率点跟踪还需关注的问题与未来全局最大功率点跟踪技术的发展方向进行了探讨。

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。

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。

局部阴影条件下最大功率点跟踪改进算法

利用MATLAB对光伏阵列在不同阴影情况下的输出特性进行仿真,并总结出光伏阵列可能出现局部最大功率点电压与开路电压之间的规律。根据该规律提出改进型电导增量法,将参考电压依次设为可能出现局部最大功率点的电压以避免漏掉任何一个峰值点,并通过比较这些局部最大功率点,追踪到全局最大功率点。设置参考电压阈值以判断是否存在局部最大功率点,减少搜索时间。仿真结果验证了该算法在有、无阴影的情况下都能准确搜索到全局最大功率点。

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。

部分遮挡条件下光伏阵列最大功率点跟踪方法

针对光伏阵列在部分阴影遮挡条件下具有多个局域最大功率点的最大功率点跟踪问题,在详细分析光伏阵列I-V特性的基础上,提出一种新颖的全局最大功率点跟踪方法。该方法根据光伏阵列最大功率点附近电压随电流的增加迅速下降的特点,先以大步长扫描方法锁定到各局域峰点附近,然后再采用P&O法以小步长跟踪该峰点,最后通过比较搜索到的各个局域峰点的功率来确定全局最大功率点。仿真和实验结果表明所提方法能够准确而迅速地跟踪到全局最大功率点,有效提高光伏阵列在部分阴影遮挡条件下的并网发电输出效率。

基于跳跃策略的多峰值光伏阵列最大功率点跟踪

提出一种基于跳跃策略的跟踪算法,利用改进后的负载线函数,使工作点跳出局部最优区间,结合传统的电导增量法,能够迅速定位出各个局部区间的最大功率点,从而实现全局最大功率点的跟踪。在Matlab/Simulink中建立符合光伏组件特性的模型,通过模拟光伏阵列从光照强度均匀到局部遮挡的过程检验算法的有效性。结果表明,在光照条件变化过程中能准确定位出全局最大功率点。

一种改进的光伏阵列多峰值最大功率点追踪算法

光伏阵列在受到阴影遮挡时,功率曲线会存在多个峰值点,传统的单峰最大功率点追踪(Maximum Power Point Tracking,MPPT)方法会陷入局部极大值而失效,针对此问题提出一种新型自适应变步长扰动观测(Perturbation and Observation,P&O)算法,在可能出现局部峰值点的设定小范围内运行自适应变步长P&O算法追踪局部峰值点,依次跳跃搜索并保留较大功率值,从而实现全局最大功率点的追踪.该算法能捕捉任何一个局部峰值点,准确性高,收敛稳定,搜索范围减小,追踪时间缩短.经MATLAB仿真结果表明该算法可快速准确地追踪到任意阴影条件下光伏阵列的全局最大功率点.

局部阴影下最大功率点追踪技术应用

为了降低电能损耗、提高利用率,将光伏系统中局部阴影下最大功率点追踪(MPPT)技术的跟踪精度和速度提高就显得很必要。文章首先综述了光伏系统处于局部阴影情况下的算法及其优缺点。其次,综述了太阳能电池的数学模型。再次,对以粒子群算法为例的群体智能优化算法进行了分析。最后,指出了局部阴影下全局最大功率点追踪(GMPPT)的发展方向。

基于改进差分进化算法的光伏最大功率点跟踪

在光伏最大功率点跟踪算法中,传统算法收敛会产生陷入局部极值的问题,而智能算法收敛较慢,且在收敛过程中可能产生大幅度电压振荡。针对上述问题,文中提出了相应的改进策略。在粒子群算法迭代过程中,通过增加粒子种群的个体排序来抑制大幅度电压振荡,消除较差适应值粒子对速度更新的影响,同时结合差分进化算法中种群更新时的竞争关系来提高收敛速度。采用单峰值及多峰值算例对所提策略进行仿真实验,得到的光伏最大功率分别为60 W和122 W。仿真结果表明,相较于粒子群算法和差分进化算法,文中所提算法的收敛速度分别提升了52.22%和61.60%,追踪过程的中期电压波动幅度分别减少了15%和30%。

局部阴影条件下光伏最大功率点跟踪专利分析

本文从探究专利分布和布局的角度出发,选择局部阴影条件下光伏最大功率点跟踪作为主题,通过标准的检索方式,使用国际专利分类号并结合关键词,对专利检索数据库中的专利申请进行了全面的检索,得到相关的专利申请,对上述数据进行细致的筛选分类,揭示了局部阴影条件下光伏最大功率点跟踪领域专利申请的当前状况和未来发展趋势。

局部阴影下光伏阵列最大功率追踪(MPPT)算法

光伏阵受到遮挡形成局部阴影,对发电输出功率产生影响,使其P-V输出特性曲线呈现多峰特点。这会导致用常规最大功率点跟踪(MPPT)方法无法精确寻找到系统最大功率点(MPP)的情况发生。针对该情况,利用局部阴影下光伏阵列最大功率点与电压的关系,提出一种新型多峰全局最大功率点跟踪算法。经测试,在不增加额外补偿阵列的情况下,该算法能够快速准确地跟踪到系统最大功率点,缓解因局部遮阴带来的热斑效应,提高光电转换效率,可使输出功率增加11.27%。

复杂光照条件下串联光伏阵列特性研究及最大功率跟踪

分析复杂光照条件下旁路二极管的接入对串联光伏阵列输出特性的影响,根据单个光伏模块的数学模型,导出复杂光照条件下串联光伏阵列的数学模型;通过对各种光照条件下串联光伏阵列输出特性的分析研究,总结U-I曲线中呈现恒流源特性的电压区间与不同光照之间存在的关系,提出一种在复杂光照条件下快速追踪串联光伏阵列最大功率点(maximum power point,MPP)的算法,算法能够在复杂光照导致的多个MPP中确定全局最大功率点(global maximum power point,GMPP)。仿真表明,提出的算法能够识别阵列是否处于复杂光照情况下并快速追踪到GMPP。

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。

基于改进PSO算法的光伏阵列MPPT研究

为解决传统粒子群优化(PSO)算法在寻优过程中出现粒子早熟、收敛速度慢、易陷入局部优化等问题,提出一种基于反向学习的Logistic-Tent双重混沌映射和时变双重压缩因子(TVCF)策略的改进粒子群优化(LT-TVCFPSO)算法,在传统PSO算法基础上,引入了Logistic-Tent混沌映射和TVCF,既可增强种群多样性,避免粒子早熟,跳出局部优化,又能加快粒子收敛,提升全局寻优能力。最后在MATLAB/Simu-link上进行仿真。仿真结果表明:相比于传统MPPT算法,LT-TVCFPSO算法能够快速准确地追踪到全局最大功率点(GMPP)。

基于高效电能管理系统的客车光伏技术研究

基于优化的全局最大功率点跟踪算法,通过采用电压环、电流环分频控制,高效准确跟踪移动阴影遮挡情况下的全局最大功率点;设计光伏与动力电池组供能多模式方式,搭配高效电能管理系统,从工作模式切换能量管理方面实现能源高效协调运行,为客车提供离网增程动力。

局部阴影下光伏阵列全局MPPT控制方法

在局部阴影条件下,由带旁路二极管光伏组件构成的光伏阵列的功率-电压特性曲线可能有多个局部最大功率点。为保证寻找到光伏阵列的全局最大功率点,提出了一种基于扰动观测法和导纳增量法的改进全局最大功率点跟踪的控制方法。通过建立仿真模型和试验,验证了该方法的有效性。与基于普通扰动观测法的控制策略比较分析表明,改进算法具有更好的跟踪效果与更小的功率振荡损失。

适用于商业航天的全局MPPT优化算法

在不均匀的光照和温度条件下,商业航天中微小卫星并联使用的太阳能帆板与体装光伏面板会因为串联旁路二极管,P-V输出特性呈现多峰的特点,导致常规算法无法跟踪到全局的最大功率点。在不增加任何附加硬件电路的条件下,通过局域搜索取代全局搜索,充分运用并联光伏阵列峰值点与光伏单元的开路电压、短路电流间的比例关系,提出一种基于电压闭环的快速稳定的全局MPPT优化算法。将其运用到不调节母线的电源模块,可实现对并联光伏阵列全局最大功率点的跟踪。以百瓦级的Superbuck变换器为主搭建实验平台,验证了快速稳定MPPT优化算法的有效性。