Safety Measurements of Electromagnetic Fields Radiated from Mobile Base Stations in the Western Region of Saudi Arabia

Over the last decade, detrimental effects of human exposure to electromagnetic radiations have received widespread attention. Communications and Information Technology Commission (CITC) in Saudi Arabia has set guidelines and launched a national project—in collaboration with academic and research institutions—to perform measurements of the “electromagnetic fields” (EMFs) radiated from base stations of the mobile phone network. In keeping with its mission to address problems of the local community, Electrical Engineering (EE) department at Umm Al-Qura University (UQU) has been commissioned to conduct this project in the western region of Saudi Arabia. The project is concerned with measuring the strength of EMFs around base stations to locate the Maximum Peak Point (MPP). The aim of measurements is to ensure the site compliance with the CITC guidelines for human exposure to Radiofrequency (RF). This paper discusses possible health consequences caused by human exposure to RF radiations. Furthermore, it sum- marizes the results from 20 selective base stations located in Makkah, Madinah, Jeddah, Taif and Yanbu. The results show that EMF levels at all surveyed sites are far below the National Guidelines for public exposure to RF and that the MPPs are found within the distance range suggested in the CITC guidelines. The paper concludes by providing some useful comments and recommendations for RF sites surveyors.

基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

基于周期性最大功率点检测的风电机组功率备用控制方法

风电机组通常运行于最大功率输出模式,无法为受扰电网提供紧急功率支撑。稳态时预留部分出力可提高风电机组主动电网支撑能力,为此提出一种基于周期性最大功率点(MPP)检测的风电机组功率备用控制(PRC)方法。通过周期性执行最大功率点跟踪程序检测风电机组实时MPP,一旦检测到MPP即可确定PRC模式参考值并切换为直接功率控制。设置伪单调转速-机械功率曲线使风电机组稳定运行在超速功率备用点,并通过储能装置平抑MPP检测产生的峰值功率波动。仿真结果表明提出的控制方法在定风速和变风速情况下均可以准确控制检测风电机组MPP并实现PRC,并且使得风电机组一次调频效果优于传统PRC。

局部遮荫下基于改进金枪鱼算法的光伏最大功率点跟踪控制

光伏阵列在局部遮荫环境下的P-U特性曲线呈现多峰特性,导致传统最大功率点跟踪(MPPT)算法在跟踪最大功率时失效。为此,提出一种基于改进金枪鱼算法的光伏MPPT双层控制模型,在上层中将莱维飞行(Levy)策略和多项式变异策略嵌入金枪鱼算法中,构建莱维-多项式变异金枪鱼算法(LPTSO)来搜索全局功率最大点;在下层中采用扰动观察法对全局最大功率点进行局部跟踪,以降低局部遮荫环境下的功率振荡。将该双层控制模型应用于光伏MPPT仿真系统中,仿真实验结果表明,针对多峰MPPT控制,所提模型在收敛速度、跟踪效率、功率振荡等方面都有较大提升,该光伏MPPT双层控制模型能够有效解决局部遮荫环境下最大功率跟踪失效的问题。

一种单级式高频隔离光伏并网逆变器及其调制方法

针对光伏并网系统中可实现双向功率流的单级式高频隔离逆变器,提出一种调制方法,结合电压钳位技术,解决了传统高频隔离光伏并网逆变器变压器二次侧的电压尖峰和振荡问题。该逆变器为两级功率变换,对其工作过程及原理进行详细分析,建立等效电路模型,并推导出该逆变器的数学模型。为弥补传统多谐振控制器的不足,研究一种针对单级式高频隔离光伏并网逆变器的相位补偿的多谐振控制器,在单级式结构中完成最大功率点跟踪(MPPT)和对并网电流的精确控制。最后对所提高频隔离光伏并网逆变器的调制方法及其控制策略进行实验验证。

基于改进白骨顶鸡算法的局部荫蔽光伏MPPT

针对光伏发电系统在局部荫蔽下传统最大功率点追踪方法极易陷入局部最优而导致功率震荡范围较大等问题,提出一种基于改进白骨顶鸡算法的光伏MPPT方法。该算法在传统白骨顶鸡算法的基础上,将Logistic-Sine-Cosine混沌映射因子引入种群跟随者的链式移动中,从而使链式移动变为混沌移动,让算法具备跳出局部最优解的能力;对每次寻优结束后的当前最优位置进行柯西变异,对比变异前后择优更新替代,增加算法的全局搜索能力。在四种光照模式下,将ICOOT与另外三种算法的MPPT进行仿真分析。结果显示,所提改进算法的追踪速度为0.14 s,1.13 s,0.13 s,1.07 s,系统稳定率为99.43%,99.34%,98.73%,98.80%。综合来看,ICOOT在用于光伏发电局部隐蔽MPPT时能有效解决传统算法易于陷入局部最大功率点而导致寻优速度慢、功率震荡大的问题。

基于TSO-MSMA算法在光伏系统MPPT中的研究

传统MPPT算法存在易陷入局部最优的问题,且目前采用的智能优化算法解决该类问题也有追踪精度不足、追踪速度慢等问题。为解决上述问题,该文提出一种基于金枪鱼算法(TSO)与改进黏菌觅食算法(MSMA)的混合优化算法。该方法通过早期金枪鱼算法的抛物线觅食策略来加快搜索速度,对黏菌觅食算法采用基于混沌映射的反向学习策略进行改进,达到扩大算法探索范围的目的,使之不易于陷入局部最优,并提高算法运算速度。将改进后的算法应用于光伏系统MPPT中,仿真实验结果表明:改进后算法相较于单独TSO与MSMA算法,在不同遮光条件下追踪速率有较大提升,精确度高于单独的TSO与MSMA算法,拥有更好的追踪速度与追踪精度。

基于复合算法的光伏最大功率点追踪

由于光伏阵列在局部阴影情况下输出功率呈多峰值状态,而传统最大功率点追踪(MPPT:Maximum Power Point Tracking)控制无法解决多峰问题,会陷入局部最优,影响光伏发电效率,为此,提出一种复合算法应用于光伏最大功率点追踪。该方法将麻雀算法的初始种群进行优化,结合反向学习策略,加强了算法的全局搜索能力。当搜索到光伏发电最大功率点附近转换成扰动观察法,利用其快速收敛的特性快速搜索至最大功率点。利用Simulink仿真与硬件实验,验证所提出复合算法的全局搜索能力和快速收敛能力,与麻雀算法、扰动观察法相对比,复合算法的准确性和快速性具有显著提升。

基于灰狼&电导增量的局部遮阴下光伏最大功率跟踪

为解决光伏电池被局部遮挡时发电效率降低的问题,需要选用合适的最大功率跟踪技术。结合灰狼算法和电导增量法的特性,提出一种灰狼算法和电导增量法相结合的方法。先利用灰狼算法进行全局搜索,再使用电导增量法进行局部搜索。仿真结果表明:在静态遮挡情况下,与灰狼算法相比,所提的方法搜索最大功率点的时间更少;在动态遮挡条件下,重新搜寻到最大功率点的响应时间达到0.2 s。所提算法可以适应动态变化的天气,快速实现最大功率跟踪技术,改善了传统算法收敛速度慢和易陷入局部最优等问题。

基于改进黏菌优化算法的光伏MPPT方法

光伏阵列在局部遮荫的情况下会导致光伏系统输出的功率-电压曲线出现多个极值点,具有全局寻优能力的传统群体智能优化算法进行最大功率追踪(maximum power point tracking,MPPT),普遍存在收敛速度慢、易陷入局部最优等问题。该文提出了一种基于改进黏菌优化算法的控制方法。先采用正态分布初始化种群,增加种群的多样性。然后应用莱维飞行策略和螺旋搜索策略,提高算法的全局搜索能力,避免陷入局部最优。经仿真验证,与粒子群算法和普通黏菌算法相比,改进黏菌算法在跟踪速度、稳定性等方面均有更显著的效果。

基于多元宇宙优化算法的光伏发电MPPT控制算法

针对局部阴影引起的光伏阵列多峰值的输出特性,传统的单峰值MPPT算法已无法适用,为寻得全局最优解,将参数设置简单、易于理解的多元宇宙优化算法原理应用于光伏发电的多峰值MPPT模块中。通过仿真分析,证明了基于多元宇宙优化算法的MPPT控制模型能较快地实现全局最大功率点的跟踪,具有更好的收敛速度和精度。该算法能有效解决光伏电站中多峰值功率点的问题,减少寻优过程的功率损耗,从而提高光电转换率,为实际工程带来重要的经济效益。

基于虚拟阻抗特性扰动的光伏全局最大功率跟踪控制方法

当光伏阵列表面光照不均匀时,其功率特性呈现多峰特征,增加了最大功率跟踪(Maximum power point tracking,MPPT)过程的复杂性。传统MPPT方法无法跟踪到全局最大功率点(Global maximum power point,GMPP),人工智能算法虽然在一定程度上能解决多峰情况下光伏MPPT问题,但该类算法实现过程较复杂、具有一定的局限性。对适用于非均匀光照条件下的光伏全局最大功率跟踪控制策略进行研究,提出基于虚拟阻抗特性扰动(Virtual impedance characteristic disturbance,VICD)的光伏全局最大功率跟踪控制方法,将全局搜索机制引入传统扰动观察法中。当光伏阵列表面光照不均匀时,首先通过虚拟阻抗特性对光伏阵列I-U特性曲线上最大功率点所处位置区域进行初步定位,然后利用传统扰动观察法进行准确跟踪,提高了传统MPPT控制方法的适用性,应用所提控制方法能准确搜索到光伏阵列全局最大功率点,且动态性能良好。仿真与试验结果验证了所提算法的可行性与有效性。

IPSO-AP&O算法在光伏系统MPPT控制中的应用研究

在不均匀光照条件下,光伏阵列输出特性呈现多峰现象,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法容易陷入局部极值。为了提高复杂阴影下的跟踪速度和跟踪精度,结合改进粒子群算法(improved particle swarm optimization,IPSO)和自适应步长扰动观察法(adaptive perturbation and observation,AP&O)各自的特点,提出了基于IPSO-AP&O算法的改进MPPT控制方法。其中,IPSO算法采用自适应惯性权重因子,在不同搜索阶段能够充分搜索目标函数,然后与AP&O算法结合实现最大功率的稳定输出。仿真结果表明,所提出的IPSO-AP&O算法减少了传统智能算法的迭代过程,能快速跟踪到全局最大功率点,相比其余几种算法而言,在光照强度突变时均具备快速精准的双重跟踪能力,在4种场景下跟踪效率分别为99.86%、99.91%、87.63%、99.79%,能够更好地减小光伏阵列外部条件变化导致的功率损耗,所提出的MPPT控制方法能够较好地适用于光储混合系统,具备工程实用价值。

基于局部发电障碍检测下的光伏MPPT研究

当外界环境变化或光伏电池内部局部发电障碍时,光伏阵列输出曲线呈现多峰。针对传统算法易陷入局部峰值,而智能优化算法易跟踪到全局最优,提出了一种基于迭代步长累积的粒子群算法。该算法结合扰动观察法检测思想,通过步长渐进变化靠近全局最大功率点。仿真结果验证该算法能够实时在单峰和多峰环境下变化下跟踪到全局最优,输出功率精度高且稳定,收敛速度快。

基于多元宇宙优化算法的混合光伏-热电系统MPPT设计

混合光伏-热电(centralized hybrid photovoltaic thermoelectric generator,PV-TEG)系统在部分遮蔽(partial shading condition,PSC)条件下呈现多个局部最大功率点(local maximum power point,LMPP)。采用多元宇宙优化算法(multi-verse optimization,MVO),用于PV-TEG系统在PSC下的最大功率点跟踪(maximum power point tracking,MPPT)。MVO通过平衡全局搜索和局部搜索,有效识别多个LMPPs中唯一的全局最大功率点(global maximum power point,GMPP),避免搜索结果陷入LMPP,以提高发电效率和能源利用率。算例仿真结果表明:基于MVO的MPPT可以在更短的时间内收集到更高的功率,实现功率波动最小。

基于HS-Bat算法的电网负荷卸载协调分配系统设计

多电网负荷联合分配后,系统中将产生较多的剩余负荷。为了实现剩余负荷的优化分配,设计了基于和声搜索-蝙蝠(HSBat)算法的电网负荷卸载协调分配系统。硬件设计调整了电网负荷卸载异步数据的接收装置,将时钟点位与异步数据调整为同步状态,以提升电网负荷卸载分配精度。软件设计基于HS-Bat计算电网剩余负荷最大值,建立电网负荷分配模型。设定单电网联合分配与多电网联合分配的目标函数,划分整体与局部功率的约束条件,设计电网负荷卸载协调分配算法。以剩余负荷峰谷差和剩余艾伦方差为指标进行性能测试。测试结果表明:设计系统应用后,剩余负荷峰谷差和剩余艾伦方差低于1.4,电网负荷分配效果更好,提高了电网负荷协调分配后的系统稳定性。

局部遮荫光伏最大功率点跟踪技术的研究

自然条件下遮荫问题的存在造成了光伏阵列输出P-V曲线呈现多峰值现象。针对传统的最大功率点跟踪算法在光伏阵列遮荫环境下容易陷入局部最优,传统蝴蝶优化算法存在收敛速慢和精度低等缺点,提出了一种改进蝴蝶优化算法。引入混沌映射、自适应感觉因子和levy飞行策略提高了蝴蝶优化算法的全局搜索能力。仿真结果表明,改进后的算法能够适应复杂多变的光照环境,且在收敛精度和速度方面均有较大优势。

IGWO-IP&O算法在光储MPPT控制系统中的应用

局部遮阴情况下光伏阵列的输出功率呈现多峰现象,导致传统MPPT控制算法失效,而基于元启发式算法的MPPT控制功率追踪速度慢,输出功率振荡大。针对上述问题,提出一种基于改进型灰狼优化算法(improved grey wolf optimization algorithm,IGWO)与改进型扰动观察法(improved perturbation and observation method,IP&O)相结合的光伏MPPT控制算法。IGWO采用非线性收敛因子调整策略提高算法适应性,并通过使用改进型莱维飞行与增强型醉汉漫步结合的搜索策略平衡全局搜索与局部寻优的关系。利用IGWO追踪至最大功率点附近,再与可调节扰动步长变化速率的IP&O结合实现最大功率的稳定输出。算法测试实验数据和仿真结果表明,所提出的MPPT控制算法具有快速的追踪速度和高输出精度,且在功率追踪过程中输出振荡小。

基于改进遗传优化的光伏发电系统MPPT算法研究

在遮阴、灰尘等光照不均匀的情况下,光伏电池输出特性P-V曲线呈多峰的特点,传统的最大功率点跟踪(MPPT)算法无法找到多峰状态下的全局最优解,一般的智能优化算法后期乏力,需要切换到传统的MPPT控制上去,在渐变的动态过程中可能导致跟踪失灵。为解决最大功率点追踪问题,避免控制过程陷入局部最优解,本文提出了一种基于改进遗传优化的MPPT算法,该算法极大地保留了过程的连贯性,既增大了初始化的混乱程度,同时改善了遗传优化早熟和收敛慢的问题。通过MATLAB仿真分析,验证了该算法的可行性,该算法能够在光照不均匀时快速的追踪到最大功率点,并且收敛性良好,为最大功率点跟踪算法的设计提供了一种新的思路。

基于改进花授粉算法的光伏最大功率点追踪研究

针对厂区光伏在局部阴影或光照不均匀的情况下,光伏阵列输出存在多个极值点,导致传统优化算法追踪最大功率点时存在速度慢和精度低等问题,提出了基于改进花授粉算法的光伏最大功率跟踪控制策略。采取有利于全局广泛搜索的自适应系数对全局搜索进行改进,提高了算法的收敛速度与精度。通过MATLAB/Simulink建模仿真,证明了所提出的改进花授粉算法在复杂光照条件下具有更快的收敛速度与追踪精度。