局部遮荫下基于改进PSO算法的光伏发电MPPT控制

为解决光伏阵列在局部遮荫工况下最大功率点跟踪问题,在分析光伏阵列输出特性的基础上,提出惯性权重自适应调整、飞行速度动态钳位、迭代周期动态更新的改进型粒子群优化算法对光伏阵列输出调节电路实施控制。MATLAB仿真结果表明:与常规扰动观察法、基本粒子群优化算法相比,该算法在静态与动态的局部遮荫工况下均能获得较高的最大功率点跟踪精度,且缩短了近50%的跟踪时间,提高了光伏阵列的发电效率。

基于NACS-PSO算法的光伏系统MPPT控制研究

对于局部遮阴下的光伏阵列,传统的最大功率点跟踪算法收敛速度慢、精度差、功率波动大且容易陷入局部最优。为此,提出一种基于新型自适应布谷鸟算法与粒子群算法相结合的复合算法。该方法在布谷鸟算法中引入自适应发现概率和自适应莱维飞行步长控制因子,同时加入对立种群策略,以提高算法收敛速度和全局寻优能力。在算法前期,用粒子群算法全局搜索快速找到全局最大功率点附近,后期用新型自适应布谷鸟算法在局部范围内精准寻优,以快速、准确和稳定地跟踪到全局最大功率点。仿真结果表明,本文提出的算法在四种光照模式下的收敛时间和跟踪误差分别为0.106s和0.012%、0.108s和0.034%、0.110s和0.059%、0.106s和0.031%,均优于其他算法,验证了本文算法在六种对比算法中,收敛速度最快、跟踪精度最高、功率波动最小、陷入局部最优的可能性最小。

基于改进天鹰算法的光伏MPPT控制研究

由于光伏阵列的不确定性和间歇性,在局部阴影条件下光伏系统的输出存在多个峰值,传统的最大功率跟踪法(MPPT)不能有效跟踪最大功率点,对于这个问题提出一种基于Intermittency混沌映射的天鹰算法(IAO)。通过引入混沌映射改进初始化种群,将占空比作为控制变量,实现MPPT控制。最后仿真模拟结果表明,和原始算法相比改进天鹰算法在MPPT应用的基础上收敛速度、收敛精度都有显著提升,提高了发电效率。

基于改进粒子群区间二型模糊神经网络的MPPT控制研究

针对太阳能发电单元最大功率点控制(MPPT)在复杂工况条件下存在的振荡、跟踪耗时长、精度较低的问题,提出一种基于改进区间二型模糊神经网络的预测控制模型。首先将减法聚类与区间二型模糊均值聚类算法相结合,辨识模型前件模糊规则层结构,计算得到聚类中心;其次,基于自导式粒子群算法优化后件权重层权值参数,进而提升网络全局寻优能力;最后,通过与TS模糊神经网络模型、基于反向传播算法的区间二型模糊神经网络模型进行仿真对比,验证所提模型在不同工况下对最大功率点追踪的快速性与精确性。

基于改进PSO算法的光伏阵列MPPT研究

由于光伏组件的P-V特性是单峰非线性曲线,由它组成的光伏阵列的发电功率易受温度、光照强度等外界环境因素的影响,导致实际工程中光伏发电效率大大降低,因此追踪最大功率点(Maximum Power Point Tracking,MPPT)使光伏发电系统的发电功率一直处于最大功率点,对提高系统整体的发电效率有着十分重要的意义。引用进化差分算法对传统的粒子群算法(PSO)的寻优过程进行差分进化选择,并将非线性策略与改进后的PSO算法相结合。通过仿真计算分析,改进后的PSO算法相较于传统的PSO算法能够更快速、更准确地找到部分阴影情况下的最大功率点,进而提升了光伏系统的发电效率。

基于改进花授粉算法的光伏MPPT控制研究

针对传统光伏最大功率点跟踪(MPPT)算法在解决局部遮荫环境下系统跟踪灵活性和时效性差,以及稳态输出振幅过大等问题,提出了基于改进花授粉算法(IFPA)的光伏最大功率跟踪控制策略。在对光伏阵列输出特性曲线进行分析的基础上,通过引入t-分布扰动机制和变异策略,分别对经典FPA算法的异花全局授粉过程与自花局部授粉过程进行优化,构建了基于IFPA的光伏最大功率点跟踪模型。以{3*2}的光伏阵列为例进行仿真实验,结果表明所研究模型在动态遮荫下的最大功率点跟踪速度较改进前大幅提高,系统在稳态时的震荡明显减小。

基于改进黏菌优化算法的光伏MPPT方法

光伏阵列在局部遮荫的情况下会导致光伏系统输出的功率-电压曲线出现多个极值点,具有全局寻优能力的传统群体智能优化算法进行最大功率追踪(maximum power point tracking,MPPT),普遍存在收敛速度慢、易陷入局部最优等问题。该文提出了一种基于改进黏菌优化算法的控制方法。先采用正态分布初始化种群,增加种群的多样性。然后应用莱维飞行策略和螺旋搜索策略,提高算法的全局搜索能力,避免陷入局部最优。经仿真验证,与粒子群算法和普通黏菌算法相比,改进黏菌算法在跟踪速度、稳定性等方面均有更显著的效果。

局部遮挡下光伏组件MPPT复合算法

当光伏组件受到局部阴影遮挡时,其最大功率点跟踪(maximum power point tracking,MPPT)过程常出现误跟踪、跟踪速度慢、光伏组件输出功率低等问题.为使局部阴影下光伏组件保持快速、稳定、准确地最大功率输出,基于电导增量法(incremental conductance algorithm,INC),结合全局比较算法(global comparison algorithm,GCA),提出一种基于电导增量/全局比较的复合MPPT算法(INC-GCA),并通过搭建Simulink仿真模型和设计光伏试验平台,验证该算法的可行性.结果表明:基于电导增量/全局比较的复合MPPT算法在光伏组件受到局部阴影遮挡时可准确追踪到最大功率,且跟踪速度快、可靠性高,完全避免了误跟踪问题;相较于电导增量法,该算法可有效提高光伏系统的发电效率,提升光伏电站的经济效益.

改进猎人猎物优化算法的光伏发电MPPT控制策略

光伏发电在局部遮挡时的功率-电压(P-U)特性曲线呈现多峰状态,导致传统MPPT控制策略易陷入局部最大功率点。提出了一种改进猎人猎物优化算法的MPPT控制策略。该优化算法引入非线性收敛因子,提高了算法全局探索与局部开发的能力。结合黄金正弦算法更新位置,提高了算法的寻优速度。在算法搜索后期利用莱维飞行策略避免算法陷入局部最优。经仿真验证,结果表明,与猎人猎物优化算法、布谷鸟算法和传统扰动观察法相比,所提算法跟踪速度快、收敛精度高且有效抑制了系统功率输出的振荡,能够满足光伏发电局部遮挡MPPT的要求。

IGA和FA在局部遮荫情况下MPPT中的应用

【目的】针对快速变化的部分遮荫条件,提出一种改进的光伏系统最大功率点跟踪(MPPT)算法。【方法】该算法在融合遗传算法(GA)和萤火虫算法(FA)的基础上,通过差分进化(DE)算法来改进算法计算过程。通过将DE变异过程和FA吸引过程结合起来,可简化遗传算法计算过程。【结果】仿真和评价结果表明,MPPT算法具有处理简单、响应速度快、精度高等优点。【结论】与传统遗传算法相比,MPPT算法的执行时间和跟踪精度分别提高了69.4%、4.16%,该算法适合不同类型的太阳能电池板和不同格式的系统,具有跟踪速度快、跟踪精度高的优点。

通信基站用太阳能控制器MPPT技术研究

为提高太阳能控制器的输出电流、输出功率并减小电压纹波,通过结合恒压法和扰动观察法,提出一种改进型MPPT算法。该算法在两相交错同步整流技术基础上,融合蓄电池充电管理和负载管理算法,实现单个太阳能控制器的输出电流达100 A,输出功率5.6 kW,最大转换效率达到98%,最大功率点跟踪精度达到99.55%。该太阳能控制器具备蓄电池管理和负载功能,能简化设计、提高转化效率并减低生产成本,适合应用于装机容量不大于5~6 kW的通信基站。

IGWO-IP&O算法在光储MPPT控制系统中的应用

局部遮阴情况下光伏阵列的输出功率呈现多峰现象,导致传统MPPT控制算法失效,而基于元启发式算法的MPPT控制功率追踪速度慢,输出功率振荡大。针对上述问题,提出一种基于改进型灰狼优化算法(improved grey wolf optimization algorithm,IGWO)与改进型扰动观察法(improved perturbation and observation method,IP&O)相结合的光伏MPPT控制算法。IGWO采用非线性收敛因子调整策略提高算法适应性,并通过使用改进型莱维飞行与增强型醉汉漫步结合的搜索策略平衡全局搜索与局部寻优的关系。利用IGWO追踪至最大功率点附近,再与可调节扰动步长变化速率的IP&O结合实现最大功率的稳定输出。算法测试实验数据和仿真结果表明,所提出的MPPT控制算法具有快速的追踪速度和高输出精度,且在功率追踪过程中输出振荡小。

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。

基于改进鲸鱼优化算法的光伏发电系统MPPT控制研究

在局部阴影条件下,常规的最大功率点跟踪MPPT(maximum power point tracking)算法因含有容易陷入局部极值、跟踪精度低等弊端,使其无法及时、精确地跟踪光伏发电系统的最大功率点,因此,提出了一种基于改进型鲸鱼优化算法的光伏发电系统MPPT控制策略。首先,采用混沌映射初始化种群,增加种群的多样性。其次,通过引入非线性收敛因子使局部寻优能力和全局搜索能力达到均衡。最后,通过引入非线性时变的自适应权重使系统及时跳出局部最优解,并提高搜索的精度。经仿真验证,与粒子群优化算法、狮群优化算法、传统的鲸鱼优化算法等相比,改进的鲸鱼算法在跟踪速度、精度、稳定性等方面均有更显著的效果。

局部阴影下光伏阵列MPPT算法及实现

针对传统最大功率点跟踪全局扫描法用时长的缺陷,对局部阴影下光伏阵列输出特性进行分析,获得归一化的最大功率点电压的分布规律。利用该规律结合扰动观察法,提出一种改进型全局最大功率跟踪的扫描算法。首先,确定可能存在局部最大功率点的区域;然后,对该区域使用扰动观察法局部扫描,获得所有的局部最大功率点;最后,选取其中最大的点作为全局最大功率点。该算法能够大幅度缩短扫描时间,使系统快速确定全局最大功率点。实验采用Boost和全桥电路作为拓扑,以DSP为主控制芯片搭建了一套验证系统。实验数据表明在双峰和三峰情况下,与全局扫描法相比该算法节约了50%以上的时间。该算法推广到更多峰的情况具有同样的适用性。

光伏电池建模及MPPT控制策略

提出了一种求取光伏电池模型等效电阻的方法,并利用Matlab的S-函数构建了光伏电池的仿真模型。在对光伏系统常用的扰动观测法和电导增量法这两种MPPT算法进行了深入地分析和比较的基础上,针对扰动观测法的不足,提出了一种改进扰动观测MPPT方案。最后,通过仿真和实验对这三种MPPT算法进行了测试和比较。结果表明,所建立的光伏电池模型能够较好地模拟实际光伏模块的特性,且调试简单,便于数字实现;所提出的改进扰动观测MPPT算法在一定程度上弥补了传统方法的不足,与理论分析一致。

一种基于全局最优MPPT算法的研究

针对光伏阵列出现多个局部功率峰值时,传统的MPPT算法导致系统工作在某个局部最大功率点的问题,提出一种新的基于局部扫描法与P&O相结合的全局最优MPPT算法,该方法在系统启动后先采用固定大步长进行全局扫描来找到全局最大功率点,当系统运行在全局最大功率点附近时,然后采用变步长P&O算法变步长扫描来找到精确的最大功率点。基于Matlab/Simulink的仿真模型,对全局最优MPPT算法进行了仿真验证;并搭建一个功率为6 k W的实验平台验证当系统出现多个峰值时的效果。仿真和实验结果验证了所提出的全局最优MPPT算法在光伏阵列出现多峰值时具有很好的MPPT效果。

APSO算法在光伏阵列MPPT追踪器中的应用

针对传统的MPPT算法无法在光伏阵列局部遮阴或光照不均等情况下对最大功率点进行有效追踪的问题,提出了一种自适应粒子群优化(APSO)算法。阐述了APSO算法的基本思想以及将该算法实际应用到光伏阵列最大功率点追踪(MPPT)追踪器中的设计思路,并给出了带APSO算法的追踪器硬件实现原理框图。测试结果表明,基于该算法的追踪器能够快速、准确地实现光伏阵列在部分遮挡条件下全局最大功率点的追踪,具有一定的工程应用价值。

一种光伏MPPT模糊控制算法研究

针对太阳能光伏阵列的工作特性,在现有最大功率跟踪控制方法的基础上,提出了一种光伏MPPT的模糊控制算法——变步长扰动观察法。从偏差和偏差变化率的角度,将寻优分为二个阶段(第一阶段应用扰动观察法并设置较大步长快速接近最大功率点附近,第二阶段采用变步长的方法向最大功率点进一步逼近并至最佳),实现了光伏系统快速和高精度的跟踪要求。系统中引入了工作状态的判断环节,可以根据环境的变化,做出相应反应,提高了系统的快速跟踪性能和稳定性。

基于Simulink的光伏特性仿真分析与MPPT算法改进

太阳能电池的输出功率随光照强度和环境温度的变化而变化,设计一种合理的最大功率跟踪(MPPT)算法对于太阳能的使用具有重要意义。分析、仿真了太阳能光伏电池特性,并结合传统最大功率跟踪算法的优点,设计一种改进型的最大功率跟踪算法,在不干扰系统正常工作的情况下能迅速感知外界环境变化,使系统输出功率快速稳定在最大功率点。研究表明,该算法具有跟踪速度快、振荡小、可靠性高等优点,适用于光伏发电场合。