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。

考虑阴影影响的光伏阵列仿真算法研究

针对光伏发电输出功率的波动性和随机性,为了改善光伏发电功率的可预测性和最大功率跟踪的准确性,必须深入研究阴影对光伏阵列输出特性的影响。首先以光伏组件为基本单元,兼顾旁路二极管和防逆二极管的影响,建立光伏阵列的高维数学模型,提出了易于分布式实现的、适用于任意阴影条件的光伏阵列输出特性快速计算机仿真算法。不同阴影条件下的仿真结果表明,光伏阵列的输出特性与阴影的分布范围及其光照强度密切相关,阴影使光伏阵列输出特性发生显著变化;仿真计算时间与光伏阵列的规模呈近似线性关系,采用分布式计算或减少离散点数都可以显著提高计算速度。本算法物理意义清晰、易于实现,为实际光伏阵列的分析与控制奠定了基础。

基于膨胀腐蚀算法的软阴影生成

针对基于阴影图的半影生成算法中生成速度慢、本影区域过大的问题,提出了基于膨胀腐蚀算法的改进算法。首先利用阴影图的深度图生成一个亮度图,并计算出阴影的半影区相对于由点光源形成的硬阴影的距离,然后利用膨胀腐蚀算法根据求得的距离对亮度图进行适当的膨胀和腐蚀,最后利用经过处理的亮度图求得最终渲染结果。算法充分利用了阴影图算法不考虑场景本身结构的特点,并利用了GPU高度并行计算的优点,可以实现实时动态的高真实感的阴影渲染,并具有抗锯齿走样的特性。

局部阴影条件下最大功率点跟踪改进算法

利用MATLAB对光伏阵列在不同阴影情况下的输出特性进行仿真,并总结出光伏阵列可能出现局部最大功率点电压与开路电压之间的规律。根据该规律提出改进型电导增量法,将参考电压依次设为可能出现局部最大功率点的电压以避免漏掉任何一个峰值点,并通过比较这些局部最大功率点,追踪到全局最大功率点。设置参考电压阈值以判断是否存在局部最大功率点,减少搜索时间。仿真结果验证了该算法在有、无阴影的情况下都能准确搜索到全局最大功率点。

基于多信息融合的车辆阴影检测与车辆跟踪算法

为了准确检测车辆,提出一种基于颜色、纹理、光照模型相结合的阴影检测算法。根据颜色恒常性完成阴影的初步检测,利用局部二值模式(LBP)纹理不变性和基于光照模型的亮度比值置信区间去除误检阴影像素,最后用区域生长完成阴影边缘像素的恢复,保证车辆阴影检测的准确与完整性。为了保证不同智能监控场景下车辆追踪的准确度和稳定度,提出一种特征与概率相结合的改进的Camshift跟踪算法。研究结果表明:所提出的阴影检测算法与改进的Camshift算法可以提升车辆检测与跟踪的准确性与稳定性。

一种基于Shadow Mapping的阴影生成改进算法

Shadow Mapping算法是目前广泛应用的阴影渲染方法,但该方法容易产生走样,特别是不能满足大规模场景中阴影的真实性和实时性要求。对此,提出一种利用平行面分割的改进Shadow Mapping算法,减少了算法运行时的缓冲空间,提高了阴影质量,尤其适合于动态大规模环境中实时阴影的生成。并用VS2005和OpenSceneGraph实现了算法的绘制过程,达到满意的视觉效果和生成速度。

基于虚拟现实技术的阴影算法理论研究

阴影的生成在体现虚拟现实环境的真实感程度方面至关重要,阴影生成算法的重点是在保证实时的帧率,或是生成高质量的阴影以及半阴影效果这两个不同的方面.本文主要概述了一些阴影生成的算法,在对各种算法全面概括的基础上,讨论了不同算法的优点、局限以及差别.通过对各种算法进行比较,可以发现不同的算法在实时性和正确性之间做出了适当的选择.

具有可控细节层次的阴影空间新算法

首先阐述了阴影空间算法 ,然后对基于层次结构化包围盒和光线投射技术的阴影空间新算法进行了详细地研究。采用本算法可使生成的阴影效果具有可控细节层次。

一种改进的ViBe算法结合多特征融合的阴影移除方法

由于阴影会直接影响监控系统对运动车辆的识别,因此如何有效移除阴影已成为重要的研究内容之一.常用的运动检测ViBe算法存在"鬼影"问题,从而干扰后续帧的检测效果.基于色相的阴影检测算法易受噪声干扰,且不适用于强光照变化的场景.基于纹理的阴影检测算法不依赖于颜色特征,对强光照变化的场景具有较好的健壮性.鉴于上述算法的优劣,提出一种改进的ViBe算法结合多特征融合的阴影移除方法,首先在背景模型初始化中引入高斯分布概率密度函数,并结合原ViBe算法进行模型更新,然后再结合色相和纹理特征进行特征融合,检测出阴影并最终移除阴影.实验结果表明,该方法能有效地检测出车辆且抑制"鬼影",并能在强光照等不同场合下有效地移除阴影,准确地提取运动车辆.

自适应权重粒子群算法在阴影光伏发电最大功率点跟踪(MPPT)中的应用

在光伏发电系统中,光伏阵列往往会受到局部阴影现象的影响,造成系统的不稳定运行和输出功率的降低,且光伏阵列的P-U特性曲线会出现多峰值,常规最大功率点跟踪(MPPT)算法因其只能单峰寻优而不能完成对最大功率点的跟踪。粒子群优化(PSO)算法则有着良好的多峰全局寻优能力,被广泛应用在局部阴影的最大功率点跟踪中,但是PSO算法有着收敛速度不足和搜索精度低的缺点。为此,提出了基于自适应权重的粒子群优化(APSO)算法,即在运算过程中通过引入非线性动态惯性权重系数,有效地提高整体算法的全局搜索能力和局部改良能力。利用Matlab仿真,在恒定阴影和快速变化阴影2种条件下验证APSO算法的可行性。结果表明,APSO算法能够避免早熟收敛问题,可有效地提高算法的收敛速度和搜索精度。

阴影条件下光伏阵列的最大功率追踪算法研究

在光伏发电效率的优化中,由于阴影条件下光伏阵列的输出特性具有非线性、多峰值的特点,影响输出功率。传统方法用引入粒子群算法来进行最大功率追踪(MPPT)。但粒子群算法随机性强,造成寻优效率较低,速度较慢。针对上述问题,对粒子群算法进行改进,提出了一种带"筛选域"环节的改进型粒子群算法。在Matlab/Simulink环境下进行光伏阵列的多峰值寻优仿真,并与普通型粒子群算法进行比较。结果表明,改进型粒子群算法具有更快的寻优速度,减少了寻优过程中的功率浪费,对阴影条件下光伏阵列的最大功率追踪效果更好。

数字地球虚拟场景中实时阴影生成算法

针对数字地球虚拟现实三维场景中的实时阴影生成与渲染方法进行了研究,并根据数字地球场景本身数据量巨大、场景坐标范围巨大、以及动态调度频繁的特点,提出了改进渲染质量与渲染效率的方案。与经典的CSM(cascaded shadow map)阴影图算法相比,提出的方法虽然同样基于CSM的场景分割理论,但是对分割的范围进行了进一步的优化和界定,并且提出了地形-地物分别渲染的流程,以同时确保渲染的正确性和效率。还对阴影渲染和大场景动态调度策略之间的矛盾进行了分析,提出了有效的解决方案,并且对未来的工作进行了展望。

局部阴影下的光伏阵列MPPT算法研究

存在局部阴影时,光伏阵列的功率-电压(P-V)特性曲线出现多个极值点,电流-电压(I-V)特性曲线呈现阶梯状,使得基于单峰寻优的传统最大功率点跟踪(MPPT)算法失效。为此,在研究遮阴光伏阵列输出特性规律的基础上,提出了一种具有全局搜索能力的MPPT算法。该算法先用粒子群优化(PSO)算法将输入位置调整到全局最优附近,再用变步长电导增量法得到全局最优解。新的算法在减轻系统振荡和加快搜索速度方面做了改进。仿真结果表明,该方法不仅较好地克服了现有算法使用PSO大幅度随机初始化粒子位置而导致系统振荡问题,而且有效利用传统单峰寻优算法的优点,增强了系统搜索的快速性和稳定性,取得了较好的控制效果。

基于粒子群优化算法和变步长扰动观察法的局部阴影情况下MPPT控制

针对光伏阵列的输出特性在局部阴影情况下具有高度非线性、时变性以及多个局部功率极值点等特点,并导致传统MPPT(maximum power point tracking)算法失效的问题,提出一种基于粒子群优化算法和变步长扰动观察法的改进MPPT算法。其中粒子群优化算法用于系统启动和光照情况发生突变后迅速定位近似最大功率点,变步长扰动观察法则根据实际状况使光伏阵列精确稳定在最大功率点,以克服使用数学模型与实际输出特性偏差或微小扰动所导致的功率损失。通过建立Matlab/Simulink模型进行仿真实验,实验结果表明所提算法使光伏阵列在不同阴影情况下以及发生光照强度突变时都具有迅速精确的跟踪能力。

金相显微图像的阴影校正算法

本文介绍了一种新的针对金相显微图像的阴影校正算法。在对原图像进行均值滤波的基础上 ,通过准确选取偏移量从而尽量多的保留与图像分割相关的信息。本文对大模板均值滤波算法进行了改进并阐述了利用中位数计算偏移量的算法。

基于蚁群算法的局部阴影光伏最大功率跟踪算法

针对局部阴影情况下光伏输出曲线非线性和多峰值的特性,提出基于蚁群算法的光伏多峰值最大功率跟踪算法.通过对光伏输出曲线的结构及均匀分布特性的分析,构建蚁群极值寻优过程,对特定区间进行极值点搜索,最后求出最大功率点.仿真表明,该算法能够有效地跟踪全局最大功率点,避免其收敛于局部最优解,与传统全局扫描算法不同,其收敛速度及精度不受光伏曲线形状的影响.

基于差分进化算法的阴影影响下光伏阵列MPPT控制研究

当光伏模块受到阴影影响时,其功率-电压(P-V)特性曲线有多个峰值点,传统最大功率跟踪控制(MPPT)算法,如扰动观察法(P&0),由于采用局部搜索范围,无法准确跟踪全局最大功率点(GMPP)。提出一种基于差分进化(DE)最优算法的全局最大功率点跟踪方法,同时修正了算法的变异方向,使得所有变异算子总能收敛到最优,有助于算法快速收敛。采用Matlab/Simulink对所述算法进行了仿真分析,并与传统扰动观察法进行了对比,本文所述MPPT方法具有更高的效率和功率输出。

基于灰狼优化算法的光伏阵列局部阴影下最大功率点跟踪

提出一种基于灰狼优化算法的控制方法,以解决光伏阵列局部遮阴下的最大功率跟踪问题。实验结果表明,相比于传统多峰跟踪算法,所提出的算法具有更高的效率和更好的稳定性,同时降低了系统输出信号畸变,且在不同光伏阵列结构及阴影状态下都表现出优越的控制性能。

一种基于主成分分析算法的车辆阴影消除算法

针对车辆检测中的阴影问题,提出了一种基于主成分分析算法(principal component analysis,PCA)的交通视频车辆阴影消除算法。该算法通过引入PCA算法确定阴影区域的方位,将算法的计算复杂度降低了3/4,提高了检测效率。基于亮度与纹理的分布特征,提出了一种IT(inverse transformation)模型将阴影区域转化为与其相应背景相似的分布以弱化阴影,从而使阴影像素在背景差法中被检测为背景像素与运动车辆分离。实验表明,本文算法阴影检测与分辨率高,阴影消除效果好,显著提高了检测的准确性。

改进萤火虫优化算法在运动阴影去除方面的应用

运动阴影与目标物体粘连,具有运动一致性,常常被误检测为运动目标的一部分。运动阴影的存在改变了运动物体的形状,影响运动目标前景的进一步分析。为了解决这一问题,提出了一种基于改进萤火虫优化算法的运动阴影去除算法。通过基于种群历史最佳位置影响的改进萤火虫算法(IFA)优化2-Otsu(二维最大类间差法)距离测度函数的寻优过程,获得最佳阈值,并以此进行图像分割,去除运动阴影,并同传统2-Otsu法、粒子群算法(PSO)优化2-Otsu法、萤火虫算法(FA)优化2-Otsu法进行比较。实验结果证明,该方法较其他三种方法分别快2.69倍,1.42倍,1.21倍;另外,在区域一致性、阴影检测率和识别率方面均优于其他三种算法,验证了方法的有效性。