光伏发电阵列板在局部遮阴下会产生多个功率峰值,传统算法难以准确快速追踪光伏最大功率点(maximum power point,MPP),该文提出一种基于莱维飞行灰狼算法(Levy grey wolf optimization,LGWO)与电导增量法(incremental conductance,INC)...光伏发电阵列板在局部遮阴下会产生多个功率峰值,传统算法难以准确快速追踪光伏最大功率点(maximum power point,MPP),该文提出一种基于莱维飞行灰狼算法(Levy grey wolf optimization,LGWO)与电导增量法(incremental conductance,INC)结合的复合算法追寻MPP,莱维飞行帮助灰狼算法跳出局部最优,搜寻MPP附近时,切换电导增量算法减少系统振荡,在静态与动态局部遮阴下通过Simulink进行光伏并网仿真验证。研究结果显示,所提复合算法收敛效果快速精确,并且符合并网谐波(total harmonic distortion,THD)含量要求,可保证系统的稳定运行。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
光伏最大功率点跟踪是提高光伏发电效率的重要手段。在局部阴影条件下,光伏阵列的特性曲线呈现多峰形状,常规的传统算法容易陷入局部最优。如何在局部阴影条件下找到全局最大功率点(global maximum power point,GMPP)至关重要。提出了...光伏最大功率点跟踪是提高光伏发电效率的重要手段。在局部阴影条件下,光伏阵列的特性曲线呈现多峰形状,常规的传统算法容易陷入局部最优。如何在局部阴影条件下找到全局最大功率点(global maximum power point,GMPP)至关重要。提出了一种定位收缩法(locate and shrink algorithm,LSA),采用收缩边界的思想使得边界逐渐收缩到GMPP。LSA第一阶段提出了一种峰的定位方法,通过自适应采样结合I-V特性曲线能够定位主要峰的占空比范围。定位法能够与其他单峰算法结合,具有较强的扩展性。第二阶段提出了一种基于三点准则的收缩法,能够在单峰范围内通过收缩边界快速找到峰值点,并且具有很强的环境适应性。将LSA与多个算法进行仿真和硬件实验对比,结果表明LSA在跟踪速度、跟踪精度和稳态振荡方面有着明显优势。展开更多
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 P...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。展开更多
文摘光伏发电阵列板在局部遮阴下会产生多个功率峰值,传统算法难以准确快速追踪光伏最大功率点(maximum power point,MPP),该文提出一种基于莱维飞行灰狼算法(Levy grey wolf optimization,LGWO)与电导增量法(incremental conductance,INC)结合的复合算法追寻MPP,莱维飞行帮助灰狼算法跳出局部最优,搜寻MPP附近时,切换电导增量算法减少系统振荡,在静态与动态局部遮阴下通过Simulink进行光伏并网仿真验证。研究结果显示,所提复合算法收敛效果快速精确,并且符合并网谐波(total harmonic distortion,THD)含量要求,可保证系统的稳定运行。
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。
文摘光伏最大功率点跟踪是提高光伏发电效率的重要手段。在局部阴影条件下,光伏阵列的特性曲线呈现多峰形状,常规的传统算法容易陷入局部最优。如何在局部阴影条件下找到全局最大功率点(global maximum power point,GMPP)至关重要。提出了一种定位收缩法(locate and shrink algorithm,LSA),采用收缩边界的思想使得边界逐渐收缩到GMPP。LSA第一阶段提出了一种峰的定位方法,通过自适应采样结合I-V特性曲线能够定位主要峰的占空比范围。定位法能够与其他单峰算法结合,具有较强的扩展性。第二阶段提出了一种基于三点准则的收缩法,能够在单峰范围内通过收缩边界快速找到峰值点,并且具有很强的环境适应性。将LSA与多个算法进行仿真和硬件实验对比,结果表明LSA在跟踪速度、跟踪精度和稳态振荡方面有着明显优势。
文摘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。