光伏电池板所处环境的非线性变化使得光伏电池的功率保持在最大功率点(maximum power point,MPP)非常困难。传统的最大功率点跟踪(maximum power point tracking,MPPT)方法普遍存在技术缺陷,无法满足当前需求。针对光伏发电MPPT问题,该...光伏电池板所处环境的非线性变化使得光伏电池的功率保持在最大功率点(maximum power point,MPP)非常困难。传统的最大功率点跟踪(maximum power point tracking,MPPT)方法普遍存在技术缺陷,无法满足当前需求。针对光伏发电MPPT问题,该文提出了一种基于麻雀搜索算法优化的极限学习机(sparrow search algorithm-extreme learning machine,SSA-ELM)神经网络控制器的MPPT方法。与传统技术相比,该MPPT方法在稳定性、速度、超调和MPP的振荡等方面的效果均较好。使用MATLAB/Simulink平台进行仿真实验,验证了所提控制策略及理论分析的正确性。展开更多
对于环境中存在的各种类型能量源,其往往具有不同的阻抗特性以及输出功率范围。为了提高能量收集系统的能量萃取能力,合理的接口电路设计是关键。基于此,通过对环境中光伏(Photovoltaic,PV)能量源微弱直流特性以及高效率收集和转化的研...对于环境中存在的各种类型能量源,其往往具有不同的阻抗特性以及输出功率范围。为了提高能量收集系统的能量萃取能力,合理的接口电路设计是关键。基于此,通过对环境中光伏(Photovoltaic,PV)能量源微弱直流特性以及高效率收集和转化的研究,在传统开路电压法(Open-Circuit Voltage,OCV)的基础上,结合输入电压纹波控制,提出了一种可实时最大功率点追踪(Maximum Power Point Tracking,MPPT)的预估算法。该预估算法根据能量源的输出特性,采用了分数开路电压法(Fractional Open-Circuit Voltage,FOCV),并根据纹波大小动态调节变换器的工作模式,实现阻抗匹配。为了尽可能减小因采样带来的能量损失,采用可片上全集成的较小的采样电容,并逐周期的进行开路电压采样和计算,实现了对源功率变化的高精度追踪。仿真结果表明,所提出的追踪算法能够实时监测能量源的状态,具有高的追踪速度和追踪精度,且采样时间仅需100 ns。能量源功率在1μW~10 mW范围内变化时,最短的追踪时间仅需4.37μs,追踪精度可达99.7%。展开更多
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...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。展开更多
为解决混合光伏-温差(photovoltaic thermoelectric generator,PV-TEG)系统的最大功率点跟踪(maximum power point tracking,MPPT)问题以提高能源转换效率和利用率,提出了一种基于指数分布优化器(exponential distribution optimizer,E...为解决混合光伏-温差(photovoltaic thermoelectric generator,PV-TEG)系统的最大功率点跟踪(maximum power point tracking,MPPT)问题以提高能源转换效率和利用率,提出了一种基于指数分布优化器(exponential distribution optimizer,EDO)的混合PV-TEG系统MPPT技术。EDO通过模拟指数分布的随机变化来搜索潜在的解空间,由于随机性,算法可有效避免在局部遮蔽条件(partial shading condition,PSC)下陷入局部最优,并在搜索空间中广泛探索以找到最优解。算例研究包括启动测试、太阳辐照度阶跃变化、随机变化、香港地区四季实际算例4个部分,并与其他5种算法进行对比分析,以较为全面地验证所提EDO技术在混合系统MPPT应用中的可行性和有效性。仿真结果表明,采用EDO的混合PV-TEG系统在不同运行条件下均能稳定、高效地实现最优越的MPPT性能,尤其是在春季低辐照度的条件下,EDO产生的能量分别超过蜻蜓算法(dragonfly algorithm,DA)、增量电导法(incremental conductance method,INC)、扰动观测法(perturbation observation method,P&O)能量输出的68.85%、66.13%和59.69%。展开更多
为了解决偏远地区电力供应不足的问题,笔者提出一种含风力发电、光伏发电及蓄电池储能的离网型风光储微电网系统。风力发电最大功率点跟踪(maximum power point tracking,MPPT)采用叶尖速比法的控制策略,光伏发电MPPT采用变步长扰动观...为了解决偏远地区电力供应不足的问题,笔者提出一种含风力发电、光伏发电及蓄电池储能的离网型风光储微电网系统。风力发电最大功率点跟踪(maximum power point tracking,MPPT)采用叶尖速比法的控制策略,光伏发电MPPT采用变步长扰动观察法的控制策略,蓄电池储能系统采用基于双闭环控制的充放电控制策略。结合广西地区实际风速及光照强度变化情况,利用MATLAB/Simulink平台对所提出的风光储微电网系统进行了建模及仿真,验证了所提系统的可靠性和控制策略的有效性。展开更多
文摘光伏电池板所处环境的非线性变化使得光伏电池的功率保持在最大功率点(maximum power point,MPP)非常困难。传统的最大功率点跟踪(maximum power point tracking,MPPT)方法普遍存在技术缺陷,无法满足当前需求。针对光伏发电MPPT问题,该文提出了一种基于麻雀搜索算法优化的极限学习机(sparrow search algorithm-extreme learning machine,SSA-ELM)神经网络控制器的MPPT方法。与传统技术相比,该MPPT方法在稳定性、速度、超调和MPP的振荡等方面的效果均较好。使用MATLAB/Simulink平台进行仿真实验,验证了所提控制策略及理论分析的正确性。
文摘对于环境中存在的各种类型能量源,其往往具有不同的阻抗特性以及输出功率范围。为了提高能量收集系统的能量萃取能力,合理的接口电路设计是关键。基于此,通过对环境中光伏(Photovoltaic,PV)能量源微弱直流特性以及高效率收集和转化的研究,在传统开路电压法(Open-Circuit Voltage,OCV)的基础上,结合输入电压纹波控制,提出了一种可实时最大功率点追踪(Maximum Power Point Tracking,MPPT)的预估算法。该预估算法根据能量源的输出特性,采用了分数开路电压法(Fractional Open-Circuit Voltage,FOCV),并根据纹波大小动态调节变换器的工作模式,实现阻抗匹配。为了尽可能减小因采样带来的能量损失,采用可片上全集成的较小的采样电容,并逐周期的进行开路电压采样和计算,实现了对源功率变化的高精度追踪。仿真结果表明,所提出的追踪算法能够实时监测能量源的状态,具有高的追踪速度和追踪精度,且采样时间仅需100 ns。能量源功率在1μW~10 mW范围内变化时,最短的追踪时间仅需4.37μs,追踪精度可达99.7%。
基金supported by National Natural Science Foundation of China(No.52067013)Natural Science Foundation of Gansu Province(No.21JR7RA280)。
文摘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。
文摘为解决混合光伏-温差(photovoltaic thermoelectric generator,PV-TEG)系统的最大功率点跟踪(maximum power point tracking,MPPT)问题以提高能源转换效率和利用率,提出了一种基于指数分布优化器(exponential distribution optimizer,EDO)的混合PV-TEG系统MPPT技术。EDO通过模拟指数分布的随机变化来搜索潜在的解空间,由于随机性,算法可有效避免在局部遮蔽条件(partial shading condition,PSC)下陷入局部最优,并在搜索空间中广泛探索以找到最优解。算例研究包括启动测试、太阳辐照度阶跃变化、随机变化、香港地区四季实际算例4个部分,并与其他5种算法进行对比分析,以较为全面地验证所提EDO技术在混合系统MPPT应用中的可行性和有效性。仿真结果表明,采用EDO的混合PV-TEG系统在不同运行条件下均能稳定、高效地实现最优越的MPPT性能,尤其是在春季低辐照度的条件下,EDO产生的能量分别超过蜻蜓算法(dragonfly algorithm,DA)、增量电导法(incremental conductance method,INC)、扰动观测法(perturbation observation method,P&O)能量输出的68.85%、66.13%和59.69%。
文摘为了解决偏远地区电力供应不足的问题,笔者提出一种含风力发电、光伏发电及蓄电池储能的离网型风光储微电网系统。风力发电最大功率点跟踪(maximum power point tracking,MPPT)采用叶尖速比法的控制策略,光伏发电MPPT采用变步长扰动观察法的控制策略,蓄电池储能系统采用基于双闭环控制的充放电控制策略。结合广西地区实际风速及光照强度变化情况,利用MATLAB/Simulink平台对所提出的风光储微电网系统进行了建模及仿真,验证了所提系统的可靠性和控制策略的有效性。