基于功率预测的自适应变步长MPPT算法研究

最大功率点跟踪技术(Maximum Power Point Tracking, MPPT)是光伏发电系统中关键技术研究的热点之一。针对传统扰动观察法跟踪速度和精度无法兼顾的问题,文中提出了一种以功率变化量为步长控制量的自适应变步长扰动观察法,通过判断功率变化趋势,对远离最大功率点,采用大步长逼近;靠近最大功率点,采用小步长逼近。建立太阳能光伏电池数学模型得到其输出特性曲线,再利用MATLAB/Simulink搭建基于Boost电路的MPPT仿真模型,最后经仿真验证了所提出算法的稳定性、快速性和准确性,它比传统算法具有更好的MPPT暂态性能。

自适应免疫粒子群算法在光伏MPPT中的应用

光伏阵列在局部遮阴条件下,其P-U特性曲线呈多峰特性,传统的最大功率点跟踪(MPPT)算法容易陷入局部最优,而无法追踪到最大功率点。粒子群(PSO)算法适用于复杂多极值的寻优问题,因而在多峰值MPPT中得到广泛应用。针对粒子群算法寻优过程中易早熟收敛至局部最优、迭代后期收敛速度慢以及精度低等问题,提出了一种自适应免疫粒子群算法。该算法对惯性权重和学习因子进行自适应调整,并且与免疫算法相结合。仿真结果表明:该算法在静态局部遮阴以及动态局部遮阴条件下,均能追踪到最大功率点,并且收敛速度更快,精度更高,稳定性更好。

基于模糊逻辑的光伏系统变步长P&O MPPT算法

为解决光伏发电系统中最大功率点跟踪(MPPT)关键难题,提出一种改进的扰动观察(P&O)最大功率点跟踪算法,该算法使用基于模糊逻辑的可变步长扰动观测MPPT算法(FP&O)来克服与传统P&O MPPT跟踪方法相关的无法兼顾跟踪速度和稳态精度的限制,从而改善瞬态响应并降低稳态端电压振荡。所提出的MPPT算法通过MATLAB仿真验证其有效性和可行性。仿真结果表明,基于模糊逻辑的变步长P&O MPPT算法相比传统MPPT算法兼顾了跟踪速度和稳态精度,系统响应速度更快,平均输出功率更高且功率振荡范围更小,改善了光伏系统的动、静态工作性能。

基于多策略混合改进MVO算法的光伏多峰MPPT研究

光伏阵列的电功率输出在局部遮荫工况下具有多峰特性,且随外界环境的变化而变化.为实现高效电能输出,利用多元宇宙优化(MVO)算法在解决低维度、小规模优化问题中的突出优势进行最大功率点跟踪(MPPT),并融合多种策略对其存在的缺陷进行改进.采用拉丁超立方抽样策略初始化宇宙种群,并对按照轮盘赌策略随机交换的宇宙实施柯西变异,提高宇宙种群的多样性.同时引入莱维飞行式量子粒子群优化(QPSO)算法,且对虫洞存在概率及旅行距离率进行自适应调整,以增强算法的全局勘探及局部开发能力.Matlab仿真结果表明,相比其他算法,采用该算法的MPPT时间减少了45%以上,精度亦有所提高,从而具有更优的MPPT性能,可有效提高光伏发电效率.

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SSA-ELM神经网络控制器的光伏MPPT方法

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。

基于改进黏菌算法的光伏多峰值MPPT控制

针对传统最大功率点跟踪技术在局部遮阴等天气条件下存在无法追踪到全局最大功率点的问题,提出一种基于改进黏菌算法的MPPT控制。首先,对太阳电池模型及多峰值特性进行分析;其次,在黏菌算法中引入领导者策略和基于最优个体的凸透镜反向学习策略,在提高算法计算精度、收敛速度的同时克服了算法易“早熟”现象;最后,根据光伏阵列最大功率输出特性分别确定算法优化模型、初始化位置及重启机制。仿真与实验结果表明:基于改进黏菌算法的MPPT控制能快速、准确地跟踪到全局最大功率点,有效规避陷入局部最优问题,提高了光伏系统的转换效率。

基于改进布谷鸟搜索算法的光伏MPPT控制

复杂阴影情况下,光伏阵列的P-V特性曲线会出现多个峰值,传统的MPPT算法因不能准确识别局部峰值和全局峰值,而无法进行复杂阴影情况下的最大功率点跟踪。针对传统布谷鸟搜索(Cuckoo Search,CS)算法因鸟窝之间缺乏交流能力导致可能陷入局部最优的问题,提出了一种多策略改进布谷鸟搜索(EGICS)算法。将传统CS算法中发现概率值的选择自适应变化,提高算法的搜索能力;将步长因子自适应化,提高算法的收敛速度;引入高斯扰动和精英反向学习策略,增加种群多样性,避免算法陷入局部最优。对EGICS算法在单峰和多峰函数中进行性能测试,并将其应用于光伏系统MPPT控制中进行仿真验证。仿真结果表明,EGICS算法在收敛速度、跟踪精度以及动态稳定三个方面有更好的效果。

基于混合算法的多峰值MPPT控制

针对光照不均匀时光伏阵列输出呈现非线性、多峰值的问题,提出一种基于自然选择粒子群(SelPSO)算法结合电导增量法(INC)的多峰值最大功率点追踪(MPPT)算法。SelPSO算法通过淘汰和替换迭代过程中适应度低的粒子,更快、更准确地完成对全局最大值点的搜索;使用INC进行局部跟踪,有效减少寻优过程中的功率振荡,达到最大功率点跟踪的目的。利用MATLAB/Simulink进行仿真试验。结果表明:与INC相比,SelPSO算法的功率振荡由12 W降至0.05 W;与PSO算法相比,跟踪时间由0.15 s缩短至0.07 s。该混合算法在复杂环境下具有较优的跟踪速度、收敛精度以及较低的功率波动。

基于MPPT控制的两级式直流孤岛检测方法研究

针对主动式孤岛检测方法存在扰动同步注入、影响电网供电质量等问题,提出了一种基于最大功率点跟踪(MPPT)控制的两级式直流孤岛检测方法。该方法通过检测并网变换器直流侧电流来判断疑似孤岛,然后利用疑似孤岛信号触发电压扰动的注入使得孤岛后的公共耦合点(PCC)电压出现特定频率的波动。由于扰动信号的注入受疑似孤岛信号控制,减少了正常状态下扰动的注入时长,有效降低对系统电能质量的影响。此外建立小信号模型分析了耦合点电压对扰动分量的频域特性,选取扰动信号的最优频率。最后通过仿真与实验验证了所提方法在单机与多机工况下的有效性。

黑猩猩算法优化光伏MPPT的研究

研究了黑猩猩算法对光伏最大功率追踪的优化,提出相应模型和方法。分析了月球科研站的光伏条件,建立了光伏系统仿真模型,模型包括光伏电池组、DC/DC变换器、最大功率追踪模糊逻辑控制器。模型根据电池组的非对称特性,设置控制器隶属度函数实现最大功率追踪。通过黑猩猩算法对最大功率追踪性能进行优化,提出适合评估最大功率追踪速度和精度的适应度函数建立方法以及隶属度函数参数迭代优化方法。根据运行结果优化控制设置,并与传统扰动观察控制进行对比。仿真结果表明:采用提出的优化模型和方法,光伏系统可以实现更快的功率追踪速度和更准确的最大功率输出。

面向光伏能量收集应用的实时MPPT预估算法研究

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%。

基于PSO-GWO算法的局部阴影光伏MPPT研究

针对在局部阴影条件下,光伏阵列的功率-电压特性曲线呈现多个峰值,传统群体智能优化存在收敛速度慢、振荡幅度大和易陷入局部最优等问题,提出一种基于PSO-GWO(Particle Swarm Optimization-Grey Wolf Optimization)算法的MPPT(Maximum Power Point Tracking)控制方法。该算法引入余弦规律变化的收敛因子,平衡GWO算法的全局搜索与局部搜索能力;引入PSO算法,提高灰狼个体与自身经验之间的信息交流。仿真结果表明,提出的PSO-GWO算法在局部阴影条件下不仅能快速收敛,而且功率输出震荡幅度更小,有效提升了局部遮阴条件下光伏阵列的最大功率跟踪效率和精度。

基于CSA-INC算法的光伏发电MPPT仿真研究

为提高最大功率点追踪的速度与准确性,并减小光伏阵列在局部阴影时光伏发电系统输出功率的损失与谐波含量,提出基于布谷鸟算法(CSA:Cuckoo Search Algorithm)和电导增量法(INC:Incremental Conductivity method)相结合的控制方法。在算法前期利用布谷鸟算法进行全局搜索,避免算法陷入局部最优解。后期利用电导增量法进行局部范围内细致搜索,锁定最大功率点。并且将此算法应用于并网控制,验证是否满足并网谐波含量要求。在Matlab/Simuink中建立了仿真模型,结果表明基于布谷鸟与电导增量法相结合的复合算法追踪速度更快,误差更小,满足并网谐波含量要求。

基于蝗虫优化PID控制的光伏MPPT技术

光伏系统中最大功率点追踪(MPPT)由于受负载的随机性、太阳辐射的间歇以及环境温度的影响而变得复杂。针对这一问题,提出了一种基于MPPT技术的蝗虫优化PID控制(GO-PID)方法。在提出的MPPT中,蝗虫优化被用来调整PID控制的给定信号前馈分量,以处理由可变的光照和温度引起的所有不确定性,并研究了基于蝗虫优化PID的MPPT技术在快速变化的光照和温度下的性能。该算法克服了扰动&观测(P&O)传统技术最大功率点跟踪方法收敛速度慢、稳态振荡、跟踪效率低等缺点。通过仿真实验与P&O算法进行了比较,验证了该最大功率点跟踪算法的有效性和可行性。

基于ACPI控制的光伏系统MPPT策略

针对现有光伏系统最大功率点跟踪(MPPT)方法中存在的响应速度慢、抖振明显和外界环境发生变化时稳态精度低等问题,提出了一种基于自耦比例积分微分(ACPID)控制的自耦PI控制策略。该策略首先基于Boost升压电路的光伏系统通过坐标变换简化被控系统,同时引入虚拟控制量将光伏发电系统分解为外环电压控制与内环电流控制,并将所有内部动态和外部扰动定义为总扰动,进而将其等价映射为一个线性扰动系统;然后在自耦PID控制系统的思想上,分别设计了外环与内环的自耦PI控制器。结果表明:所提控制方法可以实现光伏系统MPPT的有效控制,不仅具有较快的响应速度、良好的抗抖振能力,而且对于外界环境变化具有良好的鲁棒性。

基于改进鹦鹉算法的光伏多峰值MPPT控制

针对光伏阵列在光照不均条件下呈现多峰突变,导致传统的最大功率点追踪失衡问题,提出了一种基于改进鹦鹉算法的MPPT控制。首先考量Halton序列进行种群初始化,使多样性变化显著;其次选取切线搜索算法中的切线飞行机制减少动态跳跃,克服早熟和局部极点问题;后期通过鹦鹉翻筋斗觅食策略进行二次更新,减小自适应范围,加速收敛。对比传统鹦鹉算法、金豺算法以及灰狼优化算法,测试结果显示,改进的鹦鹉算法的MPPT控制跟踪效率分别为98.23%、97.26%、96.91%和96.81%,跟踪时间分别为0.077 s、0.112 s、0.127 s、0.156 s,最后通过实验验证跟踪精度和速率均显著高于其余3种算法。

温差电源阵列电路建模与MPPT策略研究

通过测试温差电源模型特性,提出了一种温差电源阵列的电路模型,模型考虑了等效电路内阻受温度的影响和内部实际温差影响,进而建立了温差电源阵列电路模型。分析了温差电源阵列模型的温度、参数不匹配等问题导致的局部最大功率点问题,进而提出了改进的粒子群跟踪策略,提升了电源输出功率。采用Matlab/Simulink建立仿真模型,验证模型和算法的可行性。最后,以某大型冷区系统的温差发电为例,验证了所提模型和策略的有效性。

基于自适应位置调节的飞蛾扑火MPPT控制方法

为了解决传统光伏阵列最大功率点追踪(maximum power point tracking,MPPT)算法易陷入局部最大功率点(local maximum power point,LMPP)的问题,本文提出一种基于自适应位置调节的飞蛾扑火(adaptive position adjustment for moth-flame optimization algorithm,AMFO)MPPT控制方法,该方法在飞蛾的位置更新机制中引入自适应位置插值策略和自适应权重因子策略,提高了算法的求解精度和优化速度,使之不易陷入局部最大功率点。将改进后的算法应用于光伏系统MPPT中,仿真实验结果表明:改进后的算法相较于传统的飞蛾扑火优化(moth-flame optimization,MFO)算法、灰狼优化(grey wolf optimizer,GWO)算法和粒子群优化(particle swarm optimization,PSO)算法,在均匀光照和局部遮阴条件下的追踪速率和精度均有较大提升。

一种基于MPPT多级扰动的孤岛检测方法

为确保光伏发电并网系统稳定运行,针对传统的主动式孤岛检测方法对电能质量影响较大、功率损耗较多等问题,提出一种基于MPPT多级扰动的方法来检测并网光伏系统的孤岛状态。该方法通过周期性多级扰动Boost电路的占空比来减小逆变器的有功输出功率,从而在孤岛状态下使并网点电压低于设定的最小阈值,而在并网状态下对其影响可忽略不计。根据并网点电压大小选择占空比的扰动方式,并根据其值实时计算具体扰动量,可有效降低对电网和用电设备的影响,减小功率损耗。在进行参数设计时,要充分考虑恶劣工况下的检测质量,以消除检测盲区。最后,在不同情况下对所提方法进行仿真测试。结果表明,该方法在减小功率损失、提高孤岛检测效率等方面具有显著优势。