部分遮蔽(partial shading conditions,PSC)是导致光伏(photovoltaic,PV)–温差(thermoelectricgeneration,TEG)混合系统(PV-TEG)输出功率损耗和组件失配的主要原因之一。为了提升PSC下PV-TEG混合系统的发电效率,提出一种基于海马优化器...部分遮蔽(partial shading conditions,PSC)是导致光伏(photovoltaic,PV)–温差(thermoelectricgeneration,TEG)混合系统(PV-TEG)输出功率损耗和组件失配的主要原因之一。为了提升PSC下PV-TEG混合系统的发电效率,提出一种基于海马优化器(sea horse optimizer,SHO)的PV-TEG混合系统重构方法。该方法以PV-TEG混合系统的输出功率为目标函数,利用SHO调整电气开关动作来改变混合系统阵列中PV-TEG组件的位置,以提高系统整体功率输出。为验证SHO的可行性和优越性,在实际PSC条件和标准PSC条件下对4×4阵列、9×9阵列和15×9阵列进行仿真分析,并与粒子群优化算法、遗传算法、人工蜂群算法和蚁群算法进行全面对比(失配损耗、平均输出功率和开关动作数量),证明采用SHO算法可以缓解遮蔽带来的影响,提升系统功率。仿真结果表明,通过SHO重构后的PV-TEG混合系统功率在4×4阵列中提高38.36%,在9×9阵列中提高20.74%,在15×9阵列中提高21.14%。此外,基于RTLAB平台进行硬件在环实验(hardware in the loop,HIL),验证了PSC下SHO应用于PV-TEG混合系统的硬件可行性。展开更多
为优化燃料电池混合动力系统(fuel cell hybrid power system,FCHPS)并延长其使用寿命,该文提出一种考虑电堆性能一致性的多目标优化能量管理方法。该方法的目的是降低系统等效氢耗、提高燃料电池系统内电堆组运行效率的同时限制锂电池...为优化燃料电池混合动力系统(fuel cell hybrid power system,FCHPS)并延长其使用寿命,该文提出一种考虑电堆性能一致性的多目标优化能量管理方法。该方法的目的是降低系统等效氢耗、提高燃料电池系统内电堆组运行效率的同时限制锂电池荷电状态(state of charge,SOC)波动。由于电堆组的性能会在实际运行过程中发生退化,因此该方法还考虑了电堆组的性能状态差异,通过限制性能较差电堆的运行压力,以延长系统寿命。为实现这一目的采用樽海鞘群算法(salpswarmalgorithm,SSA)对目标函数进行优化求解,得到系统最优功率分配。最后,基于RT-LAB半实物仿真平台,将所提方法与有限状态机控制方法进行对比,实验结果表明所提出的方法能够有效降低系统氢耗,提高电堆组效率的同时减缓性能较差电堆的功率波动,维持系统一致性,有利于系统长期稳定运行。展开更多
文摘部分遮蔽(partial shading conditions,PSC)是导致光伏(photovoltaic,PV)–温差(thermoelectricgeneration,TEG)混合系统(PV-TEG)输出功率损耗和组件失配的主要原因之一。为了提升PSC下PV-TEG混合系统的发电效率,提出一种基于海马优化器(sea horse optimizer,SHO)的PV-TEG混合系统重构方法。该方法以PV-TEG混合系统的输出功率为目标函数,利用SHO调整电气开关动作来改变混合系统阵列中PV-TEG组件的位置,以提高系统整体功率输出。为验证SHO的可行性和优越性,在实际PSC条件和标准PSC条件下对4×4阵列、9×9阵列和15×9阵列进行仿真分析,并与粒子群优化算法、遗传算法、人工蜂群算法和蚁群算法进行全面对比(失配损耗、平均输出功率和开关动作数量),证明采用SHO算法可以缓解遮蔽带来的影响,提升系统功率。仿真结果表明,通过SHO重构后的PV-TEG混合系统功率在4×4阵列中提高38.36%,在9×9阵列中提高20.74%,在15×9阵列中提高21.14%。此外,基于RTLAB平台进行硬件在环实验(hardware in the loop,HIL),验证了PSC下SHO应用于PV-TEG混合系统的硬件可行性。
文摘为优化燃料电池混合动力系统(fuel cell hybrid power system,FCHPS)并延长其使用寿命,该文提出一种考虑电堆性能一致性的多目标优化能量管理方法。该方法的目的是降低系统等效氢耗、提高燃料电池系统内电堆组运行效率的同时限制锂电池荷电状态(state of charge,SOC)波动。由于电堆组的性能会在实际运行过程中发生退化,因此该方法还考虑了电堆组的性能状态差异,通过限制性能较差电堆的运行压力,以延长系统寿命。为实现这一目的采用樽海鞘群算法(salpswarmalgorithm,SSA)对目标函数进行优化求解,得到系统最优功率分配。最后,基于RT-LAB半实物仿真平台,将所提方法与有限状态机控制方法进行对比,实验结果表明所提出的方法能够有效降低系统氢耗,提高电堆组效率的同时减缓性能较差电堆的功率波动,维持系统一致性,有利于系统长期稳定运行。