实现光伏阵列最大功率点跟踪(Maximum power point tracking, MPPT)的传统算法已经较为成熟,但是在局部阴影出现后会发生寻优失效,难以实现全局最大功率跟踪(Global maximum power tracking, GMPPT)。为解决该问题,研究人员提出将粒子群...实现光伏阵列最大功率点跟踪(Maximum power point tracking, MPPT)的传统算法已经较为成熟,但是在局部阴影出现后会发生寻优失效,难以实现全局最大功率跟踪(Global maximum power tracking, GMPPT)。为解决该问题,研究人员提出将粒子群(Particle swarm optimization, PSO)等群搜索算法应用在MPPT控制过程中,虽然能够控制工作点稳定在全局最大功率点处,但由于该算法收敛能力依赖于核心参数,在应用过程中有一定概率会导致系统振荡。针对以上问题,在电导增量法(Incremental conductance, INC)的基础上提出跃变探索式电导增量法(Jump explore incremental conductance, JEINC),相较于传统电导增量法而言,具有较强的探索能力,能够在局部阴影下实现全局最大功率点跟踪控制,同时所提算法具有较好的收敛能力,在工作点位于最大功率点附近能够快速稳定。在三种光照环境下进行Matlab仿真,从稳定时间、暂态过程能量损耗率和振荡幅值三个方面验证了所提算法相较于电导增量法和粒子群算法的优越性。展开更多
局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPP...局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。展开更多
为了优化利用大型光伏发电系统的阵列组件,设计了一个改进的多元结构部分遮挡光伏系统数学模型。采用一个集中的最大功率点跟踪(maximum power point tracking,MPPT)控制器,在Matlab环境下进行建模仿真,证明该多元结构的光伏系统数学模...为了优化利用大型光伏发电系统的阵列组件,设计了一个改进的多元结构部分遮挡光伏系统数学模型。采用一个集中的最大功率点跟踪(maximum power point tracking,MPPT)控制器,在Matlab环境下进行建模仿真,证明该多元结构的光伏系统数学模型可以优化系统结构,节约设备,降低成本。为了提高最大功率点的跟踪准确度和速度,提出了一种基于改进的粒子群优化算法(particle swarm optimization,PSO)的最大功率点跟踪方法,并进行建模仿真和实验,与扰动观察法(perturbation and observation,PO)的性能指标和输出波形图对比,验证改进的粒子群优化算法对最大功率点具有更快的跟踪速度,避免在最大功率点附近产生振荡。展开更多
局部遮阴时,光伏阵列输出的功率-电压曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking,MPPT)算法会失效。提出两步型控制模型:第一步由粒子群算法(particle swarm optimization,PSO)寻找最大功率点,第二步通过电导...局部遮阴时,光伏阵列输出的功率-电压曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking,MPPT)算法会失效。提出两步型控制模型:第一步由粒子群算法(particle swarm optimization,PSO)寻找最大功率点,第二步通过电导增量法(incremental conductance,INC)控制系统稳定输出。此外还研究以下几点:模型的参考曲线更改为光伏阵列功率-占空比(P-D)输出特性曲线(由标准Boost电路调节占空比测得);改进传统PSO算法结构,限制了最大搜索速度;分析模型最适合的粒子数目和粒子搜索顺序。最后在复杂环境下对系统进行仿真和实验。展开更多
在光伏阵列受到局部阴影遮挡条件下,针对光伏阵列的功率-电压(P-V)输出特性曲线在多峰值状态下的最大功率点跟踪(maximum power point tracking,MPPT)问题,通过对粒子群(particle swarm optimization,PSO)算法的改进,提出了一种基于新...在光伏阵列受到局部阴影遮挡条件下,针对光伏阵列的功率-电压(P-V)输出特性曲线在多峰值状态下的最大功率点跟踪(maximum power point tracking,MPPT)问题,通过对粒子群(particle swarm optimization,PSO)算法的改进,提出了一种基于新型粒子群(novel particle swarm optimization,NPSO)算法的MPPT方法(以下简称NPSO_MPPT算法)。NPSO算法通过将种群粒子分为收敛粒子和自由粒子两类,提高了原始PSO算法的全局搜索能力。在Simulink环境下,分别对P&O、基于PSO算法的MPPT方法(以下简称PSO_MPPT算法)和NPSO_MPPT算法进行仿真测试,仿真结果表明,NPSO_MPPT算法相比较现有的P&O和PSO_MPPT算法,具有发电效率高和不易陷入局部功率极大值等优点。展开更多
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...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。展开更多
文摘实现光伏阵列最大功率点跟踪(Maximum power point tracking, MPPT)的传统算法已经较为成熟,但是在局部阴影出现后会发生寻优失效,难以实现全局最大功率跟踪(Global maximum power tracking, GMPPT)。为解决该问题,研究人员提出将粒子群(Particle swarm optimization, PSO)等群搜索算法应用在MPPT控制过程中,虽然能够控制工作点稳定在全局最大功率点处,但由于该算法收敛能力依赖于核心参数,在应用过程中有一定概率会导致系统振荡。针对以上问题,在电导增量法(Incremental conductance, INC)的基础上提出跃变探索式电导增量法(Jump explore incremental conductance, JEINC),相较于传统电导增量法而言,具有较强的探索能力,能够在局部阴影下实现全局最大功率点跟踪控制,同时所提算法具有较好的收敛能力,在工作点位于最大功率点附近能够快速稳定。在三种光照环境下进行Matlab仿真,从稳定时间、暂态过程能量损耗率和振荡幅值三个方面验证了所提算法相较于电导增量法和粒子群算法的优越性。
文摘局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。
文摘为了优化利用大型光伏发电系统的阵列组件,设计了一个改进的多元结构部分遮挡光伏系统数学模型。采用一个集中的最大功率点跟踪(maximum power point tracking,MPPT)控制器,在Matlab环境下进行建模仿真,证明该多元结构的光伏系统数学模型可以优化系统结构,节约设备,降低成本。为了提高最大功率点的跟踪准确度和速度,提出了一种基于改进的粒子群优化算法(particle swarm optimization,PSO)的最大功率点跟踪方法,并进行建模仿真和实验,与扰动观察法(perturbation and observation,PO)的性能指标和输出波形图对比,验证改进的粒子群优化算法对最大功率点具有更快的跟踪速度,避免在最大功率点附近产生振荡。
文摘局部遮阴时,光伏阵列输出的功率-电压曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking,MPPT)算法会失效。提出两步型控制模型:第一步由粒子群算法(particle swarm optimization,PSO)寻找最大功率点,第二步通过电导增量法(incremental conductance,INC)控制系统稳定输出。此外还研究以下几点:模型的参考曲线更改为光伏阵列功率-占空比(P-D)输出特性曲线(由标准Boost电路调节占空比测得);改进传统PSO算法结构,限制了最大搜索速度;分析模型最适合的粒子数目和粒子搜索顺序。最后在复杂环境下对系统进行仿真和实验。
文摘在光伏阵列受到局部阴影遮挡条件下,针对光伏阵列的功率-电压(P-V)输出特性曲线在多峰值状态下的最大功率点跟踪(maximum power point tracking,MPPT)问题,通过对粒子群(particle swarm optimization,PSO)算法的改进,提出了一种基于新型粒子群(novel particle swarm optimization,NPSO)算法的MPPT方法(以下简称NPSO_MPPT算法)。NPSO算法通过将种群粒子分为收敛粒子和自由粒子两类,提高了原始PSO算法的全局搜索能力。在Simulink环境下,分别对P&O、基于PSO算法的MPPT方法(以下简称PSO_MPPT算法)和NPSO_MPPT算法进行仿真测试,仿真结果表明,NPSO_MPPT算法相比较现有的P&O和PSO_MPPT算法,具有发电效率高和不易陷入局部功率极大值等优点。
文摘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。