结合混沌粒子群的分布式最大功率点跟踪

光伏阵列在局部阴影环境下输出特性呈现出多峰曲线,传统最大功率点跟踪(MPPT)算法在多峰寻优的过程中容易陷入局部极值,致使光伏阵列效率低下.为了提高局部阴影下光伏阵列的输出效率,提出一种基于分布式架构的混沌粒子群最大功率点跟踪(CPSO-DMPPT)算法,并通过PSIM平台对所提出的算法进行仿真验证.实验结果表明:CPSO-DMPPT算法能在多峰曲线中寻找到最优点,拥有更快速的响应速度和更优的全局搜索能力,其分布式架构可有效地提高光伏阵列的输出效率.

基于最大功率点跟踪的分布式光伏电量异常辨识研究

在辨识分布式光伏电量异常时,其参数识别特征不稳定,缺少统一的可识别的辨识特征,导致不同电量模式下光伏电量异常辨识结果与实际值相差大,异常数据辨识查全率低。提出一种基于最大功率点跟踪的分布式光伏电量异常辨识方法。分析分布式光伏电池特性,采用最大功率点跟踪算法,获取与跟踪分布式光伏电量的最大功率点,利用最小二乘法对分布式光伏电量的实测值进行拟合,获取虚增电量检测指标;将虚增电量检测指标与最大功率点进行对比,分辨分布式光伏电量是否存在异常,以达到辨识光伏电量异常的目地。实验结果表明:该方法的异常辨识结果与实际值相差小、异常数据辨识查全率高,实用性强。

分布式光伏发电最大功率点跟踪方法及控制研究

分布式光伏发电系统需要实时调整工作状态以适应环境变化,确保能量最大化输出。研究探索了最大功率点跟踪(Maximum Power Point Tracking,MPPT)的多种方法,包括扰动观测法、电导增量法、模糊逻辑控制法以及粒子群优化方法。这些方法通过精细调节光伏系统的工作点,优化功率输出。各方法在响应速度、精度及稳定性方面表现各异,提供了有效的系统设计和实施指导。

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。

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。

基于指数分布优化器的混合光伏-温差系统最大功率点跟踪

为解决混合光伏-温差(photovoltaic thermoelectric generator,PV-TEG)系统的最大功率点跟踪(maximum power point tracking,MPPT)问题以提高能源转换效率和利用率,提出了一种基于指数分布优化器(exponential distribution optimizer,EDO)的混合PV-TEG系统MPPT技术。EDO通过模拟指数分布的随机变化来搜索潜在的解空间,由于随机性,算法可有效避免在局部遮蔽条件(partial shading condition,PSC)下陷入局部最优,并在搜索空间中广泛探索以找到最优解。算例研究包括启动测试、太阳辐照度阶跃变化、随机变化、香港地区四季实际算例4个部分,并与其他5种算法进行对比分析,以较为全面地验证所提EDO技术在混合系统MPPT应用中的可行性和有效性。仿真结果表明,采用EDO的混合PV-TEG系统在不同运行条件下均能稳定、高效地实现最优越的MPPT性能,尤其是在春季低辐照度的条件下,EDO产生的能量分别超过蜻蜓算法(dragonfly algorithm,DA)、增量电导法(incremental conductance method,INC)、扰动观测法(perturbation observation method,P&O)能量输出的68.85%、66.13%和59.69%。

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。

基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

基于长短期记忆网络-模糊控制的光伏最大功率点跟踪算法

光伏阵列具有非线性特点且其最大功率点会随环境变化而产生偏移现象。尽管最大功率点跟踪算法被广泛地应用于跟踪和预测光伏系统的最大功率点,但仍然面临着模糊控制的动态品质低、控制精度不佳等挑战。为解决前述问题,提出了一种集成长短期记忆网络与模糊控制的光伏最大功率点跟踪算法。首先,采用长短期记忆网络以时间序列法预测最大功率点电压。其次,将该预测电压与光伏阵列电压间偏差及其导数作为模糊控制的输入,然后直接调节Boost变换器的占空比。再者,为防止开关管常通,预先设置了变换器的最大、最小占空比。最后,在四种可变大气条件下,利用MATLAB/Simulink对所提算法进行仿真验证。实验结果表明:与长短期记忆网络、电导增量法和遗传算法相比,所提出的算法具有良好的跟踪性能、稳定精度及效率,并且具有波形更平滑、振幅较小的优点。

基于定位收缩法的局部阴影条件下光伏最大功率点跟踪

光伏最大功率点跟踪是提高光伏发电效率的重要手段。在局部阴影条件下,光伏阵列的特性曲线呈现多峰形状,常规的传统算法容易陷入局部最优。如何在局部阴影条件下找到全局最大功率点(global maximum power point,GMPP)至关重要。提出了一种定位收缩法(locate and shrink algorithm,LSA),采用收缩边界的思想使得边界逐渐收缩到GMPP。LSA第一阶段提出了一种峰的定位方法,通过自适应采样结合I-V特性曲线能够定位主要峰的占空比范围。定位法能够与其他单峰算法结合,具有较强的扩展性。第二阶段提出了一种基于三点准则的收缩法,能够在单峰范围内通过收缩边界快速找到峰值点,并且具有很强的环境适应性。将LSA与多个算法进行仿真和硬件实验对比,结果表明LSA在跟踪速度、跟踪精度和稳态振荡方面有着明显优势。

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。

改进差分进化的光伏最大功率点跟踪

针对现有差分进化算法在局部遮阴情况下跟踪速度慢的问题,提出一种新的改进差分进化算法的光伏发电系统最大功率点跟踪控制策略。首先,引入三角突变策略,并将其嵌入传统差分进化算法的交叉公式当中,避免因迭代前后输出相同的占空比造成重复采样功率的情况。其次,引入自适应比例因子策略,以加强个体的收敛性。最后,通过奖励惩罚机制平衡所提算法的全局开发和局部探索能力。仿真结果表明,与对比文献的差分进化算法相比,改进算法在跟踪速度、稳定性方面具有显著的优势。

光伏发电系统最大功率点跟踪功率预测改进策略研究

针对功率预测算法下光伏最大功率点跟踪(maximum power point tracking,MPPT)系统中存在误判情况的问题,提出一种基于拉格朗日插值法改进功率预测的光伏变步长扰动观察法。首先,通过拉格朗日插值法建立插值模型,以减少预测功率值与实际功率值的偏差;其次,通过对反正切函数归一化的变步长追踪方法改善算法在辐照强度变化及追踪过程中变步长方法引起较大振荡的问题;最后,基于MATLAB/Simulink开展与传统扰动观察法及功率预测算法对比的试验。结果表明:改进功率预测变步长扰动观察法改善误判和失效问题的效果更好。

光伏发电系统最大功率点跟踪设计研究

文章结合光伏电池的发电原理及电路结构,进行了光伏发电系统最大功率点跟踪模糊PID控制器的设计,并对设计的模型进行了仿真分析。研究表明,相比传统的PID(比例、积分和微分)控制,模糊PID控制拥有的动态性能和稳定性更好,具有明显优势。

基于直接转速控制的风电机组最大功率点跟踪策略研究

通过分析各风速下风轮气动转矩特性及发电机在各最大功率跟踪点转矩-转速运行轨迹,依据风电机组在最大功率点上风轮气动转矩与发电机转矩平衡的原理,提出基于发电机电磁转矩的动态最优转速的计算方法,然后以该最优转速为控制目标,设计基于转速偏差的反馈控制器,并做恒转速区与变转速区的控制效果分析。仿真与现场测试表明,该直接转速控制策略可实现最大功率点跟踪,在恒转速区与变转速区具有统一的控制方式,控制逻辑简单实用,有望在风电行业推广,有较好的应用前景。

基于MPC的直接电流控制光伏最大功率点跟踪

传统光伏电池最大功率点追踪技术(MPPT)能追踪光伏系统的最大功率点(MPP)并使系统运行在MPP点。但是,在追踪过程中由于追踪速度和追踪精度的矛盾,使得系统在MPP点附近发生振荡。提出一种模型预测直接电流控制(MPC-DCC)和改进了的电导增量最大功率点追踪技术。系统采用Boost升压型电路进行DC-DC控制,先由改进了的电导增量法得到参考电流,再由MPC环节进行直接电流控制。对所研究的系统进行了Simulink仿真和硬件在环实验验证,结果表明该方法能够使用改进电导增量法快速准确找到MPPT最大功率点,并发挥MPC-DCC的控制器带宽及控制精度高的双重优点。

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。

基于改进模糊控制算法的光伏发电最大功率点跟踪技术研究

为了保证光伏发电系统具有最高的发电效率,必须使光伏发电系统工作于全局最大功率点,对光伏发电系统的最大功率点跟踪技术进行了研究。由于光伏电池输出特性的非线性,采用基于改进的模糊控制算法最大功率点跟踪技术,模糊控制器可以根据偏离平衡位置的程度产生自适应跟踪步长,通过优化控制算法改善系统的不对称性,提高最大功率点跟踪精度。通过MATLAB建立仿真模型并进行实验研究,结果表明光伏发电系统最大功率点的跟踪精度及跟踪速度均明显优于传统算法,可使光伏发电系统更高效地运行。

山地光伏发电系统中最大功率点跟踪技术的研究与应用

深入研究了基于模型预测控制的最大功率点跟踪技术在光伏发电系统中的应用。通过MATLAB/Simulink仿真平台,验证了该技术的有效性。试验结果表明,其能够快速响应光照强度和温度的变化,准确跟踪最大功率点,为光伏发电系统的稳定运行提供了有力的技术支撑。

基于最大功率点跟踪下垂控制的光储一体化系统研究

光储一体化系统相较于光储独立式系统具有更好的体积成本优势和分布式发电消纳能力,但现有一体化系统往往存在电能利用不充分的问题。为研究高功率密度、高光伏出力利用率的光储一体化设备,探究光储一体化系统稳定、可靠、高利用率的并网控制方法,本文对光储一体化系统内部重要元器件进行物理建模,分析光储一体化系统有功出力特性,提出一种基于最大功率点跟踪(MPPT)下垂控制的光储一体化系统控制方案,并在仿真软件中验证了方案的有效性。