长期演进(long term evolution,LTE)上行经典信干噪比(signal to interference plus noise ratio,SINR)闭环功率控制算法未考虑用户对相邻小区的干扰,导致小区总吞吐量较低。针对该问题,提出一种基于用户划分的闭环功率控制算法。根据...长期演进(long term evolution,LTE)上行经典信干噪比(signal to interference plus noise ratio,SINR)闭环功率控制算法未考虑用户对相邻小区的干扰,导致小区总吞吐量较低。针对该问题,提出一种基于用户划分的闭环功率控制算法。根据每个用户到服务小区的路径损耗将其划分为小区中心用户或小区边缘用户,为小区中心用户设置目标SINR值时仍使用经典SINR闭环功率控制算法,为小区边缘用户设置目标SINR值时考虑其对相邻小区的干扰使用新的方法。理论分析以及MATLAB系统级仿真结果表明,与传统闭环功率控制算法和经典SINR闭环功率控制算法相比,该算法能够更加有效地降低小区间干扰,提高小区总吞吐量。展开更多
关于多峰值最大功率点跟踪(maximum power point tracking,MPPT)算法的研究例如粒子群MPPT算法和全局扫描法以及其改进算法,往往只关注其静态搜索能力和辐照度突变情况下的扫描过程。但外界环境改变造成的特性曲线持续变化过程中的动态...关于多峰值最大功率点跟踪(maximum power point tracking,MPPT)算法的研究例如粒子群MPPT算法和全局扫描法以及其改进算法,往往只关注其静态搜索能力和辐照度突变情况下的扫描过程。但外界环境改变造成的特性曲线持续变化过程中的动态性能研究有些欠缺。为了提升多峰值MPPT算法的动态性能,文中提出一种基于功率闭环法的改进动态多峰值MPPT算法。该算法结合三点法和粒子群算法,快速搜索出全局最大功率点,动态响应能力好,具有较好的实际应用价值。通过实验室和实际电站测试验证了该算法的正确性和有效性。展开更多
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...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。展开更多
文摘长期演进(long term evolution,LTE)上行经典信干噪比(signal to interference plus noise ratio,SINR)闭环功率控制算法未考虑用户对相邻小区的干扰,导致小区总吞吐量较低。针对该问题,提出一种基于用户划分的闭环功率控制算法。根据每个用户到服务小区的路径损耗将其划分为小区中心用户或小区边缘用户,为小区中心用户设置目标SINR值时仍使用经典SINR闭环功率控制算法,为小区边缘用户设置目标SINR值时考虑其对相邻小区的干扰使用新的方法。理论分析以及MATLAB系统级仿真结果表明,与传统闭环功率控制算法和经典SINR闭环功率控制算法相比,该算法能够更加有效地降低小区间干扰,提高小区总吞吐量。
文摘关于多峰值最大功率点跟踪(maximum power point tracking,MPPT)算法的研究例如粒子群MPPT算法和全局扫描法以及其改进算法,往往只关注其静态搜索能力和辐照度突变情况下的扫描过程。但外界环境改变造成的特性曲线持续变化过程中的动态性能研究有些欠缺。为了提升多峰值MPPT算法的动态性能,文中提出一种基于功率闭环法的改进动态多峰值MPPT算法。该算法结合三点法和粒子群算法,快速搜索出全局最大功率点,动态响应能力好,具有较好的实际应用价值。通过实验室和实际电站测试验证了该算法的正确性和有效性。
文摘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。