为了优化利用大型光伏发电系统的阵列组件,设计了一个改进的多元结构部分遮挡光伏系统数学模型。采用一个集中的最大功率点跟踪(maximum power point tracking,MPPT)控制器,在Matlab环境下进行建模仿真,证明该多元结构的光伏系统数学模...为了优化利用大型光伏发电系统的阵列组件,设计了一个改进的多元结构部分遮挡光伏系统数学模型。采用一个集中的最大功率点跟踪(maximum power point tracking,MPPT)控制器,在Matlab环境下进行建模仿真,证明该多元结构的光伏系统数学模型可以优化系统结构,节约设备,降低成本。为了提高最大功率点的跟踪准确度和速度,提出了一种基于改进的粒子群优化算法(particle swarm optimization,PSO)的最大功率点跟踪方法,并进行建模仿真和实验,与扰动观察法(perturbation and observation,PO)的性能指标和输出波形图对比,验证改进的粒子群优化算法对最大功率点具有更快的跟踪速度,避免在最大功率点附近产生振荡。展开更多
针对传统最大功率跟踪技术容易陷入局部最大功率点的问题,提出多态蚁群-细菌觅食算法(polymorphic ant colony-bacterial foraging algorithm,PACO-BFOA)来实现部分遮蔽条件下光伏系统的最大功率输出。该算法在传统蚁群算法的基础上引...针对传统最大功率跟踪技术容易陷入局部最大功率点的问题,提出多态蚁群-细菌觅食算法(polymorphic ant colony-bacterial foraging algorithm,PACO-BFOA)来实现部分遮蔽条件下光伏系统的最大功率输出。该算法在传统蚁群算法的基础上引入信息素扩散机制、多态蚁群的概念和细菌的趋化行为,使算法的全局开发和局部探索能力得到了增强。并在太阳辐照恒定、突变和缓慢变化3种环境下进行算法仿真对比验证,结果证明所提出的算法在部分遮蔽及变化光照下均能快速、稳定地在线寻得全局最大功率点。展开更多
混合光伏-热电(centralized hybrid photovoltaic thermoelectric generator,PV-TEG)系统在部分遮蔽(partial shading condition,PSC)条件下呈现多个局部最大功率点(local maximum power point,LMPP)。采用多元宇宙优化算法(multi-verse...混合光伏-热电(centralized hybrid photovoltaic thermoelectric generator,PV-TEG)系统在部分遮蔽(partial shading condition,PSC)条件下呈现多个局部最大功率点(local maximum power point,LMPP)。采用多元宇宙优化算法(multi-verse optimization,MVO),用于PV-TEG系统在PSC下的最大功率点跟踪(maximum power point tracking,MPPT)。MVO通过平衡全局搜索和局部搜索,有效识别多个LMPPs中唯一的全局最大功率点(global maximum power point,GMPP),避免搜索结果陷入LMPP,以提高发电效率和能源利用率。算例仿真结果表明:基于MVO的MPPT可以在更短的时间内收集到更高的功率,实现功率波动最小。展开更多
文摘为了优化利用大型光伏发电系统的阵列组件,设计了一个改进的多元结构部分遮挡光伏系统数学模型。采用一个集中的最大功率点跟踪(maximum power point tracking,MPPT)控制器,在Matlab环境下进行建模仿真,证明该多元结构的光伏系统数学模型可以优化系统结构,节约设备,降低成本。为了提高最大功率点的跟踪准确度和速度,提出了一种基于改进的粒子群优化算法(particle swarm optimization,PSO)的最大功率点跟踪方法,并进行建模仿真和实验,与扰动观察法(perturbation and observation,PO)的性能指标和输出波形图对比,验证改进的粒子群优化算法对最大功率点具有更快的跟踪速度,避免在最大功率点附近产生振荡。
文摘针对传统最大功率跟踪技术容易陷入局部最大功率点的问题,提出多态蚁群-细菌觅食算法(polymorphic ant colony-bacterial foraging algorithm,PACO-BFOA)来实现部分遮蔽条件下光伏系统的最大功率输出。该算法在传统蚁群算法的基础上引入信息素扩散机制、多态蚁群的概念和细菌的趋化行为,使算法的全局开发和局部探索能力得到了增强。并在太阳辐照恒定、突变和缓慢变化3种环境下进行算法仿真对比验证,结果证明所提出的算法在部分遮蔽及变化光照下均能快速、稳定地在线寻得全局最大功率点。
文摘混合光伏-热电(centralized hybrid photovoltaic thermoelectric generator,PV-TEG)系统在部分遮蔽(partial shading condition,PSC)条件下呈现多个局部最大功率点(local maximum power point,LMPP)。采用多元宇宙优化算法(multi-verse optimization,MVO),用于PV-TEG系统在PSC下的最大功率点跟踪(maximum power point tracking,MPPT)。MVO通过平衡全局搜索和局部搜索,有效识别多个LMPPs中唯一的全局最大功率点(global maximum power point,GMPP),避免搜索结果陷入LMPP,以提高发电效率和能源利用率。算例仿真结果表明:基于MVO的MPPT可以在更短的时间内收集到更高的功率,实现功率波动最小。