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。

局部阴影条件下光伏阵列MPPT算法研究

详细分析光伏阵列在均匀光照和局部阴影条件下的分段输出特性,并在此基础上提出一种基于分段模型的全局最大功率点跟踪算法,在局部阴影条件下快速定位全局最大功率点(GMPP)所在分段,再结合优化的增量电导法将工作点收敛于GMPP。通过仿真模型,模拟从均匀光照到局部阴影条件再到均匀光照变化过程中新算法的跟踪效果,结果表明,新算法无论在均匀光照还是在局部阴影条件下,均能准确跟踪到GMPP,且工作点在GMPP附近偏差极小。

基于DSA的局部阴影下光伏阵列MPPT方法研究

针对传统的最大功率点追踪(MPPT)在局部阴影下失效、粒子群算法收敛慢以及易陷入局部搜索等缺陷,而海豚群算法(DSA)在多峰函数寻优中具有收敛速度快且收敛精度高的优点,把海豚群算法应用到光伏MPPT中,提出一种基于DSA的MPPT控制方法。使用MATLAB/Simulink搭建光伏MPPT模型,将其与粒子群算法在多组光照模式下进行对比仿真验证。仿真表明,所提方法能精准搜索到全局最大功率点,且收敛速度提升50%~60%。

基于光伏阵列建模的阴影多峰值电压估算

局部阴影条件下,由于旁路二极管和阻塞二极管的作用,光伏阵列的功率-电压输出特性存在多个局部峰值和一个最大功率点,增加了阵列建模和最大功率点跟踪的复杂性。为了提高光伏系统的工作效率,对阴影条件下阵列建模,分析多峰值的分布规律具有重要意义。该文建立了阴影条件下光伏阵列的通用模型,并据此提出了一种基于模型的阴影多峰值电压估算方法。在不同阴影条件下,将估算的峰值电压与实际峰值电压比对,证明了所提方法的可行性,且具有较高的精度。

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。

免疫萤火虫算法在光伏阵列最大功率点跟踪中的应用

光伏阵列处于阴影条件下时,其P-U曲线呈现出较为复杂的多峰值特性,如果不能快速、准确地实现最大功率点跟踪,将会造成大量的能量损失。因此,研究可靠的最大功率跟踪控制算法,确保光伏系统在阴影条件下仍可以输出最大功率值已成为日益热门的课题。该文提出了一种免疫萤火虫(IFA)算法,通过建立疫苗库缩短算法收敛时间,利用免疫补充及时排除不良个体的影响,同时改进萤火虫的运动方程,缩小稳态振荡。在静态及动态环境下的仿真结果表明,免疫萤火虫算法能够在不同的局部阴影条件(PSC)下准确地跟踪到全局最大功率点,与传统的FA算法相比,IFA具有更快的收敛速度,且电压和功率的振荡得到了有效抑制。

基于梯度下降和差分进化的光伏阵列MPPT方法

局部阴影条件下光伏阵列的P-V曲线将呈现多个功率峰值点的特性,而传统光伏阵列最大功率点跟踪算法只能有效跟踪单个功率峰值点。针对局部阴影条件下传统方法多峰寻优失效的问题,现有的研究工作主要以粒子群、差分进化等方法进行多峰寻优跟踪。这些算法具有较好的全局寻优能力,但其局部搜索过程容易出现收敛停滞的问题,因此文章提出了一种基于自适应梯度下降和差分进化相结合的改进算法,该算法在差分进化算法搜索后期使用自适应梯度下降法进行局部搜索优化。仿真实验结果表明,改进算法能准确找到最大功率点,有效解决收敛停滞问题,与粒子群算法和差分进化算法相比,平均总寻优时间分别减少了52.67%和40.05%,收敛速度有进一步提升。

基于DSP的改进PSO光伏阵列MPPT控制应用

为了解决光伏(PV)系统在局部阴影条件下(PSC)的最大功率点跟踪问题,提出了一种基于改进粒子群算法(PSO)的快速最大功率点跟踪(MPPT)方法。与传统基于PSO的MPPT系统不同的是,采用了基于转换器电流动态行为的变量抽样时间策略(VSTS),并且为了更快速的实现最大功率点跟踪,引入3个重要因数,即:粒子数、收敛速度以及抽样时间。采用DSP平台对提出系统进行了具体实现和性能评估,实验结果显示相比其他类似系统,在不同条件(包括PSC)下,提出算法均能够实现速度跟踪且精确度较高。