部分遮阴条件下光伏阵列最大功率点跟踪方法

在部分遮阴条件下,光伏阵列功率-电压(P-U)特性曲线呈现多峰现象,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。因此,提出了一种基于电导增量法的全局搜索(Global search based on Incremental conductance,GSINC)方法来实现最大功率点跟踪,该方法保证不会陷入局部最优且不会错过任何极值点。最后通过仿真验证了该算法能快速且准确地跟踪最大功率点,有效提高了光伏阵列输出效率。

局部遮阴下基于改进AVOA的光伏多峰MPPT控制

光伏阵列受部分遮阴影响,其功率电压特性曲线呈多峰状,导致传统最大功率点跟踪(MPPT)算法失效,因此提出了一种改进的非洲秃鹫优化算法(AVOA)运用于光伏的MPPT控制。首先,引入Tent混沌映射使种群位置更具多样性,避免过早收敛。然后,优化算法在探索和开发阶段的更新策略,减少计算力的浪费,提高寻优速率。最后,在MATLAB 2022b/Simulink环境下,应用所提算法对不同辐照情况的3组工况进行仿真。实验结果表明,在多峰MPPT控制中,该算法具有寻优效率高、收敛速度快等特点,能有效地提升复杂遮阴环境下光伏能源的利用率。

遮阴条件下光伏MPPT自适应粒子群算法优化

针对在局部阴影情况下光伏阵列的功率-电压(P-U)特性曲线呈多峰特性,粒子群算法应用于局部阴影下的最大功率点跟踪(MPPT)跟踪,存在搜索速度慢、精度低的缺点。提出自适应惯性权重粒子群优化(PSO)算法的最大功率点跟踪算法,自动更新惯性权重w和学习因子C、C,通过仿真实验,优化前的全局最大功率点(GMPP)跟踪时间是0.045 s,输出功率为468 W。优化后的自适应粒子群算法GMPP跟踪时间为0.020 s,输出功率稳定在为480 W,光伏阵列的输出功率跟踪误差小于30%。在所搭建辐照度突变模型仿真中,在4.022 s突变到300 W/m时经过0.05 s又重新跟踪到了新的最大功率点稳定在0.075 MW。最后通过实验平台验证,优化后的自适应粒子群优化算法与传统的粒子群优化算法相比,追踪时间减少了55.5%,误差小于5%,验证了该算法可行性和实用性。

改进光伏离网系统最大功率点跟踪

部分遮阴条件下光伏阵列的P-U特性呈现多个极值点,这将导致传统的最大功率点跟踪算法失效。基于提高MPPT算法跟踪精度和跟踪速度的目的,采用粒子群算法(PSO)实现了MPPT,并且分别对光伏电池模型、PSO-MTTP控制器、蓄电池实施了改进措施,通过Matlab仿真试验结果表明,改进后的光伏离网系统具有较好的跟踪精度,并能有效地提高光伏阵列的输出效率。另外,该系统比原系统的跟踪速度提高了90%以上。