基于神经网络滑模控制光伏系统最大功率点跟踪

在光照强度和环境温度变化的情况下,难以有效跟踪太阳电池的最大功率点。针对这个问题提出一种基于神经网络滑模控制技术的最大功率点跟踪方法。首先建立以太阳电池输出功率为状态量的数学模型,并选择实际输出功率、理想光照和温度下输出功率的差值构造滑模面。然后为消除时变和非线性不确定对控制系统的影响,利用RBF神经网络逼近滑模控制器的不确定部分,并通过Liyapulov稳定性理论求取RBF神经网络权值的自适应律。仿真和实验结果表明:该方法能同时实现光伏发电系统的最大功率点跟踪和变流器控制,具有良好的鲁棒性。     

基于非奇异快速终端滑模控制光伏并网逆变器最大功率跟踪研究

文章针对光照强度和温度变化影响光伏阵列输出功率的问题,提出一种基于非奇异快速终端滑模控制的最大功率点跟踪方法。该方法在建立平均状态数学模型基础上,根据最大功率点积分为零的特点,选择一个新型的滑模面,同时,设计了逆变器控制律,并证明了该控制律稳定性。文章方法只须使用电流信号反馈,简化了控制系统的复杂性和降低了物理成本。仿真结果表明,该方法的跟踪速度快、精度高。     

基于电导-模糊双模式的MPPT优化控制

提出一种新的最大功率点跟踪(MPPT)控制方法,首先采用电导增量法对太阳电池进行初步寻优,确保跟踪的快速性,当太阳电池工作点进入最大功率点右侧时,控制系统立即进入模糊控制搜索策略,对最大功率点附近的稳态特性进行优化。此外,提出4个反应MPPT的性能指标:初次跟踪到最大功率点所用的时间、系统输出的平均功率、功率的振幅、环境参数改变后再次跟踪到最大功率点的时间。在仿真环境及试验平台下对3种控制方法进行分析对比,结果证明所提出控制方法在寻优速度和稳定性方面优于传统方法。     

基于模糊自适应PI控制的光伏发电MPPT

介绍了光伏发电过程中最大功率点跟踪(MPPT)原理,并简要分析了常规控制算法在最大功率跟踪控制中的优缺点,提出将模糊自适应PI控制算法应用到光伏系统最大功率点跟踪的控制中,该控制方法能快速响应外界环境的变化,获得系统最大功率点,且可以有效消除系统在最大功率点附近的振荡现象,提高系统的稳定性。仿真结果表明,该方法能使系统稳定地工作在最大功率点,并且控制精度高,能灵敏反应外界环境的变化。     

基于拟合反演滑模方法的光伏系统MPPT控制

该文提出一种基于拟合优化的反演滑模控制的混合MPPT方案。该方案首先根据光伏发电系统的P-V特征曲线，使用3次插值函数来拟合最大功率点处的参考电压，然后基于参考电压以及反演滑模控制原理，设计相应的控制器并通过PWM调制控制占空比，使之在不同的环境条件下能迅速有效跟踪最大功率点。最后，通过Matlab/Simulink仿真验证所提出优化方案的有效性，并与其他经典方法进行对比分析。结果显示，该方法跟踪速度快、稳态功率波动小，跟踪性能优异。     

基于模型预测控制的MPPT控制策略

提出一种新的基于模型预测控制(MPC)的最大功率点跟踪(MPPT)优化算法。该目标控制算法把基于电流的改进型电导增量法与模型预测控制算法相结合,完成对光伏阵列最大输出功率的快速跟踪。在算法执行过程中,通过建立系统性能指标函数,评价与估算出未来控制变量的动作,从而决定P-U曲线的跟踪方向。仿真结果表明:该控制策略有效地解决了传统电导增量法在外界环境激烈变化时所产生的误判现象,在提高系统稳定性的同时,大大地减少了最大功率点跟踪时间和系统的能量损耗。     

基于改进电导增量法的光伏最大功率点跟踪策略研究

以太阳电池的物理数学模型为研究对象,通过对太阳电池输出特性的分析,提出一种基于电导增量法的无级电压扰动叠加自适应的最大功率点跟踪（MPPT）简洁控制方法,在PSIM仿真环境下,与常规的固定步长电导增量法进行对比分析。仿真研究及实验结果表明,该方法在太阳光照强度或负载突变及稳态时均能快速有效实现最大功率跟踪控制,为光伏发电MPPT控制的设计应用提供了参考。     

自适应模糊算法在光伏系统MPPT中的应用

针对光伏电池的非线性特性,介绍了最大功率点跟踪的原理,并详细分析了常规控制算法在光伏系统最大功率跟踪控制中的优缺点,提出将自适应模糊控制算法应用到光伏系统最大功率点跟踪的控制中,自适应模糊控制能快速响应外界环境的变化,在最大功率点无明显振荡现象.实验结果表明,该方法能使系统稳定工作在最大功率点,同时能对外界环境的变化做出快速反应.     

基于抛物线极值求解的太阳电池最大功率点计算与跟踪方法

针对任意光强和环温条件,分析等效电路模型参数对光伏输出特性的影响规律,在证明包含最大功率点部分曲线的输出特性符合抛物线特征的基础上,通过确定抛物线区间内的功率参考点,获得一种基于极值求解的最大功率点计算与跟踪方法。并通过搭建实验系统,针对不同类型太阳电池进行实验验证和误差分析。结果表明,在不同的环境条件下,该方法能快速准确地计算和跟踪最大功率点,具有良好的工程应用前景。     

基于电压闭环滑模控制的变步长电导增量法MPPT策略

光伏发电最大功率点跟踪技术具有广泛的应用需求。文章设计了一种基于电压闭环滑模控制的变步长电导增量法,该方法的外环采用变步长电导增量法来实现最大功率点的准确跟踪;该方法的内环采用滑模算法来实现电压的控制,并通过改进的指数趋近律来改善电压控制的动态品质。分析结果表明,相比于电压闭环PI控制方法,基于电压闭环滑模控制的变步长电导增量法具有更优的动态和稳态性能。     

神经网络反推控制在光伏系统最大功率点跟踪中的应用

针对太阳电池输出最大功率受到光照强度和温度等因素影响的问题,提出一种基于神经网络反推控制技术的最大功率点跟踪方法。首先利用神经网络求取最优直流母线参考电压,设计反推控制实现光伏发电系统最大功率点跟踪和单位功率因数并网。然后,利用神经网络对光伏发电系统的不确定性部分进行补偿,消除非线性模型的不确定性部分的影响。最后,利用Liyapulov稳定性理论证明了神经网络反推控制器的稳定性。实验结果表明该方法能同时实现光伏发电系统的最大功率点跟踪和单位功率因数并网,具有良好的抗干扰能力。     

一种可实现多太阳电池MPPT的变流器拓扑与算法研究

提出一种可应用于多太阳电池串联场合的变流器拓扑结构,该结构可实现电池的最大功率跟踪。建立该变流器的功率传输模型,并搭建样机对其拓扑结构和控制算法进行验证。结果表明:所提出的变流器可实现对电池的最大功率跟踪控制,有利于提高太阳电池板的利用率和发电效率。     

最大功率点跟踪原理及实现方法的研究

对最大功率跟踪控制中DC-DC变换器的原理和控制方法进行了实验研究,利用DC-DC转换电路测量和单片机控制系统实现最大功率点跟踪,使太阳电池始终保持最大功率输出;同时提出了实现最大功率跟踪的控制方法,并通过实测结果说明最大功率跟踪系统的效果。     

局部阴影下光伏阵列建模及多峰值MPPT控制

针对实际应用中光伏阵列易受部分遮挡的情况,结合太阳电池的工程模型,推导出适用于复杂环境下的通用光伏阵列模型。考虑阴影条件下光伏阵列呈现多峰值输出特性,传统的最大功率点跟踪算法可能失效,提出了基于混合蛙跳算法(shuffled frog leaping algorithm,SFLA)的最大功率点跟踪算法。经仿真实验验证,该算法在静、动态阴影条件下均能快速准确跟踪全局最大功率点,可有效提高光伏阵列的输出功率。     

基于最大电功率跟踪的风力发电系统幂指数趋近滑模控制

文章考虑机组转轴摩擦损耗和发电机本体的电损耗,从减小发电功率损耗、提高整机风电转换效率出发,设计了一种基于MPPT原理下的最大电功率点跟踪(MEPT)控制策略,该策略在考虑转轴摩擦损耗和发电机绕组损耗基础上,推导出发电机最大电功率跟踪输出控制模型方程。采用转矩跟踪型MPPT控制策略,利用动态滑模控制原理,设计了基于幂指数趋近律的风电系统MEPT滑模功率控制器。控制律引入输入变量的积分,在时间上形成滑模控制的动态连续性,抑制了MEPT功率跟踪的抖振,增强了控制精度、平滑性与鲁棒性。通过静、动态多种风况的Matlab仿真实验,验证了MEPT控制的正确性。     

太阳电池最大输出功率点跟踪新方法

不同于传统的太阳电池最大输出功率跟踪算法，采用数值分析方法，建立了跟踪模型，然后通过实例来验证其可行性，最后给出了不同温度及光强下理想太阳电池最大输出功率点相应的负载数值表，简便地实现对最大输出功率点的跟踪。     

基于改进黏菌算法的光伏多峰值MPPT控制

针对传统最大功率点跟踪技术在局部遮阴等天气条件下存在无法追踪到全局最大功率点的问题,提出一种基于改进黏菌算法的MPPT控制。首先,对太阳电池模型及多峰值特性进行分析;其次,在黏菌算法中引入领导者策略和基于最优个体的凸透镜反向学习策略,在提高算法计算精度、收敛速度的同时克服了算法易“早熟”现象;最后,根据光伏阵列最大功率输出特性分别确定算法优化模型、初始化位置及重启机制。仿真与实验结果表明：基于改进黏菌算法的MPPT控制能快速、准确地跟踪到全局最大功率点,有效规避陷入局部最优问题,提高了光伏系统的转换效率。     

基于GA-GRU神经网络的光伏MPPT算法

针对外界环境因素快速变化时，光伏发电系统难以保持在最大功率点输出的问题，提出遗传算法与GRU神经网络相结合的最大功率跟踪算法（GA-GRU-MPPT）。该算法在构建的最大功率点预测模型基础上，采用遗传算法对GRU神经网络的参数进行优化。考虑到数据的关联性，将前一时刻的太阳电池温度、太阳辐照度、最大功率点电压及当前时刻的太阳电池温度和太阳辐照度作为预测模型的输入变量，输出为当前时刻的最大功率点电压。针对3种不同气候情形的仿真结果表明，该算法跟踪精度可达99%，能显著提高光伏系统的能量转换效率。     

基于Simulink的光伏电池最大功率点跟踪方法仿真研究

针对常用的最大功率点跟踪算法（MPPT）各自的缺点,运用CV法快速启动MPPT控制,再根据功率变化量选择采用基于温度系数修正的CV法或小步长PO法跟踪最大功率点,给出了该方法的工作原理及控制流程图,并基于Simulink平台搭建了该方法的仿真模型,进行了仿真分析。结果表明,该方法启动MPPT的速度明显加快,最大功率点跟踪过程中未发生误判现象,功率损耗明显减小,且在温度和光照变化时能准确、平稳地跟踪到最大功率点。     

基于DSP控制的光伏并网逆变器最大功率的跟踪问题

在对太阳电池的等效电路及特性曲线分析的基础上．提出了最大功率点的跟踪（MPPT）方法，设计了一套基于DSP（TMS320F240）控制能实现最大功率跟踪的光伏并网逆变器，通过实际测试发现原有逆变器设计在跟踪最大功率点时存在运行不稳定的问题，经过分析提出了改进方案，实验证明改进后的逆变器运行更加稳定。