PASCO-Tracker实验系统的搭建及其对热机效率的测量

为使热机p-V图线的测量和由图线计算热机效率的整体过程可成为大学物理实验中易于操作的一部分,笔者首先搭建了PASCO-Tracker实验系统,然后在两种高温热源温度下,通过该系统分别实践了热机工作中p-t、V-t关系图线的测量,并在此基础上得到了p-V图线,在拟合出p-V关系函数后,通过原理公式的计算得到了热机效率与高温热源温度及气缸内装入的钢丝质量间的关系。测量结果表明,压强、体积的周期均随钢丝质量的增加而减小,效率随钢丝质量的增加而增加,二者具有非线性关系。热机效率随高温热源温度的增加而增加。本实验系统可用于演示热机工作过程的实时监控和热机效率的测量与计算。

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。

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。

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。

基于Tracker的方位径向摆影响因素实验研究

为探究方位径向摆运动的影响因素,使用影像追踪软件Tracker分析径向摆运动轨迹,控制多个变量,得到不同条件下摆球运动图像,计算得到转化时间.通过分析图像,发现方位径向摆的运动受到方位角的大小、弹性杆直径、弹性杆长度、径向摆摆长等多因素影响.

基于改进天鹰算法的光伏MPPT控制研究

由于光伏阵列的不确定性和间歇性,在局部阴影条件下光伏系统的输出存在多个峰值,传统的最大功率跟踪法(MPPT)不能有效跟踪最大功率点,对于这个问题提出一种基于Intermittency混沌映射的天鹰算法(IAO)。通过引入混沌映射改进初始化种群,将占空比作为控制变量,实现MPPT控制。最后仿真模拟结果表明,和原始算法相比改进天鹰算法在MPPT应用的基础上收敛速度、收敛精度都有显著提升,提高了发电效率。

改进粒子群算法在光储系统MPPT中的应用

光伏系统中的MPPT的控制策略的好坏是影响光储系统母线侧电压波动的一个主要因素。传统MPPT控制策略在外部环境变化下会出现控制精度不高和追踪速度慢等问题,基于人工智能算法的MPPT又存在着控制过程复杂,陷入局部最优解等问题。对于此,提出一种改进型粒子群MPPT控制算法,在该算法中使用莱维飞行改进粒子运动方式,扩大粒子的搜索范围和灵敏度。该改进算法能有效提高传统算法的准确性和速度,在追踪光伏侧最大功率的同时能有效维持直流母线电压稳定。在Matlab/Simulink软件上进行电路的搭建和算法的优化,经实验证明改进型算法相比于传统算法能够较快地追踪到最大功率点的同时保障输出功率稳定,具有较好的实用性。

基于Tracker软件的传统物理实验教学优化——以“自由落体运动”实验为例

以“自由落体运动”实验教学设计为例,将打点计时器与Tracker软件进行对比,在传统物理实验的基础上,运用Tracker软件对物理实验教学的不足之处进行优化,以提高物理实验教学质量.

基于NACS-PSO算法的光伏系统MPPT控制研究

对于局部遮阴下的光伏阵列,传统的最大功率点跟踪算法收敛速度慢、精度差、功率波动大且容易陷入局部最优。为此,提出一种基于新型自适应布谷鸟算法与粒子群算法相结合的复合算法。该方法在布谷鸟算法中引入自适应发现概率和自适应莱维飞行步长控制因子,同时加入对立种群策略,以提高算法收敛速度和全局寻优能力。在算法前期,用粒子群算法全局搜索快速找到全局最大功率点附近,后期用新型自适应布谷鸟算法在局部范围内精准寻优,以快速、准确和稳定地跟踪到全局最大功率点。仿真结果表明,本文提出的算法在四种光照模式下的收敛时间和跟踪误差分别为0.106s和0.012%、0.108s和0.034%、0.110s和0.059%、0.106s和0.031%,均优于其他算法,验证了本文算法在六种对比算法中,收敛速度最快、跟踪精度最高、功率波动最小、陷入局部最优的可能性最小。

Tracker软件助力高中物理科学探究

利用Tracker视频分析软件定量分析摆球实验,探究机械能守恒定律。Tracker助力高中物理科学探究的三大优势:一是解决实验条件限制困局,让科学探究可行;二是解决二维轨迹记录难题,让科学探究高效;三是突破生活与学科界限,让科学探究真实。总结提升了Tracker分析实验精确度的注意事项,为Tracker的使用提供思路。

基于STM32的MPPT光伏控制器设计

文章设计了一种光伏控制器,采用STM32F103RBT6单片机作为控制单元,采用降压式Buck变换电路作为控制主电路。控制器通过采集光伏板的输出电压和电流,计算输出功率,通过扰动观察算法保持充电功率的最大值,实现了最大功率点跟踪技术(Maximum Power Point Tracking,MPPT),提高光伏转换效率。文章加入温度检测,实现温度补偿,动态调整控制程序充放电阈值,防止蓄电池过充过放,提高蓄电池利用率。

Tracker软件在水中下落小球浮力研究中的应用

随着科学技术的发展,软件与物理教学相结合成为一种主流趋势。Tracker软件作为一种新兴技术,极大地提高了中学物理教学的精准度。文章通过Tracker软件对小球在水中所受的浮力进行了研究。文章首先建立直角坐标系,对下落物体轨迹进行定点追踪,得到相关数据;其次进行数据拟合,得到实时的速度和加速度;最后通过牛顿第二定律公式计算得出浮力值。这一方法规避了传统实验方法烦琐的测量和计算,为下落物体浮力的测量提供了新思路,并提高了物理实验数据的精确度,同时也加快了物理教学与信息技术的融合。

利用Tracker改进圆锥摆验证向心力表达式的实验

利用Tracker软件影像追踪功能和量角器工具,分析摆球运动过程中摆角随时间的变化情况,建立摆角随时间的变化曲线,生成相应数据信息,进而验证向心力表达式。既有效地提高了数据测量的准确性,又简化物理实验操作过程。

汲取“伟人”智慧,创新“素养”提升--利用Tracker和 Origin软件探究自由落体运动

伽利略对于自由落体运动的研究囊括了数学推理、实验验证和思想外推.本文汲取“伟人”--伽利略的自由落体运动研究的思想,并以现代技术手段--Tracker软件获取数据和Origin软件处理数据为抓手,创新自由落体运动的探究过程,促进学生科学探究和科学思维等学科核心素养的提升,以期专家和同行指正.

基于GPPSO光伏系统局部遮阴MPPT方法的研究

作为清洁能源,光伏发电是火力发电重要的补充,广泛应用在我国的电网构架中。光伏发电系统的工作条件较为精细,对光照的需求强,沙尘、雨雪、风暴和构筑物等都会影响光伏系统的能效,进而引起电网系统频率波动。本研究提出一种改进型粒子群算法(GPPSO),通过在DSP建立训练模型,将权重这一理念运用其中,优化适应度函数,提高了发电效率。本研究对实验室搭建的PV模型进行了有效验证,具有现场实现的可行性。

MPPT常用拓扑原理与英飞凌实现方法

MPPT(Maximum Power Point Tracking)是光伏逆变器系统实现最大程度利用太阳能的关键部分,不同的MPPT拓扑有各自的特点。本文将对比常见的三种MPPT电路,并对双Boost(Dual Boost)的开关模式限制做了原理性分析,直观解释了Dual Boost在MPPT中无法交错开关。针对不同的电压与电流等级,本文提供了英飞凌针对各种拓扑的参考器件选型方案,为设计高效可靠的MPPT提供便利。

基于Labview的模拟光伏MPPT研究

根据光伏电池的物理数学模型,以及基于Boost变换器稳态工作原理推导出来的光伏占空比扰动控制机理和扰动观察法控制流程,采用电压源串联电阻替代光伏电池板,并采用STC15W4K32S4单片机作为主控单元通过编程实现模拟光伏MPPT爬山法控制策略,采用Labview对模拟光伏的电压、电流的采样,通过Labview图形编程实现对模拟光伏系统工作状态和MPPT控制策略实施效果的实时直观呈现。实验结果表明,利用Labview强大的数据采集、处理、图形功能能够方便地把复杂系统状态和控制策略的实施效果实时直观地呈现出来,为光伏等系统的研究开发提供方便,对光伏控制器的研究设计具有实际意义。

风光储直流微电网的双输入MPPT控制策略分析

针对以输出功率为判断标准的传统的单输入扰动观察法(下文简称为“传统扰动观察法”)存在的弊端,提出一种可用于风光储直流微电网的双输入变步长扰动观察法(下文简称为“双输入MPPT控制策略”),并对风电机组和光伏发电系统分别采用两种控制策略时的占空比、发电效率等进行了对比分析。分析结果显示:相较于传统扰动观察法,风电机组采用双输入MPPT控制策略追踪最大功率点后,扰动步长减小90%的同时追踪时间减少了72.3%;光伏发电系统采用双输入MPPT控制策略追踪最大功率点后,扰动步长减小90%的同时追踪时间减少了39%。仿真结果验证了双输入MPPT控制策略的有效性,该策略适用于电感参与调压的多种场景。

基于APID-RBF神经网络的光伏MPPT方法

针对光照强度急速变化和局部阴影时光伏发电系统最大功率点追踪响应速度慢、多峰值等问题,提出一种基于RBF神经网络与自适应PID控制相结合的控制方法。首先,采用RBF神经网络对环境的实时变化直接跟踪光伏最大功率点。然后,利用自适应PID的辅助修正,抑制光伏电池输出功率的波动。神经网络能提升在复杂环境下的跟踪速度,自适应PID能增强对神经网络误差的消除能力,提升跟踪精度。仿真结果表明,APIDRBF双控策略具有稳态性能高和控制精度高等优点,能有效提高光伏发电效率和稳定性。