优化爬山算法在直驱永磁风力发电系统中的应用

为了缩短爬山算法的计算周期,提高直驱永磁风力发电系统最大风能捕捉的响应速度,提出一种根据功率扰动寻求最大功率的优化爬山算法.该算法在变步长爬山算法盲目搜索的基础上添加数据存储输出功能,构造了与电机转速对应的最大输出功率表,避免重复的计算,同时结合功率反馈控制来实现系统最大功率追踪.运用MATLAB对该算法进行仿真验证,结果表明本文所述算法的响应速度和稳定性明显超过传统变步长爬山算法.     

基于三段式变步长电导增量法MPPT技术研究

通过对光伏电池特性的分析以及对传统电导增量最大功率点跟踪(MPPT)方法的研究,提出了三段式变步长电导增量算法的MPPT技术。应用MATLAB/SIMULINK搭建了仿真模型,并与传统电导增量法进行了比较。仿真结果表明,三段式变步长电导增量法能使光伏发电系统快速、准确、稳定的跟踪最大功率点,减弱了最大功率点附近振荡的情况,具有良好的动态和稳态特性。     

小型风电系统变步长扰动MPPT控制仿真研究

最大功率跟踪(MPPT)策略是提高风电系统功率转换效率的重要方法.文中提出了变步长扰动MPPT策略,并在MATLAB仿真环境中,开发了带有此策略的小型风电系统仿真模型.该模型包括风力机模型、永磁发电机(PMSG)模型、DC/DC斩波器模型、负载功率采样模型和MPPT控制模型等.利用该模型进行计算机仿真,给出了一定风速下负载功率和发电机输出功率的仿真结果.结果表明:实现了变步长扰动MPPT策略控制的仿真,与传统固定步长MPPT策略相比,提高了最大功率跟踪的快速性和准确性,进而提高了风能转换效率.     

改进电导增量法在提高光电转换效率中的研究

为有效利用太阳能,光伏发电系统必须对光伏电池的最大输出功率点(MPP)进行跟踪。通过对现有的最大输出功率点跟踪(MPPT)算法进行比较研究,提出了一种结合恒定电压跟踪法的小步长电导增量算法,并对其进行Matlab仿真。仿真结果表明,该改进算法不但能快速跟踪MPP,动态性能好,而且对光照强度突变具有快速适应性,能更高效地利用太阳能。该算法的仿真研究对实际系统试验具有很好的指导作用。     

一种应用于光伏系统的MPPT算法设计及仿真

提出一种依据功率变化大小的变步长扰动观察法,应用于光伏系统的最大功率跟踪(MPPT),并在实现MPPT算法的过程中融入系统不同工作模式下的降额处理方法,并通过仿真验证了此算法的正确性.     

自适应变步长最大风能捕获算法

风能具有随机性、不稳定性的特点,为了提高风力发电系统中风能的利用效率,在比较各种最大风能捕获算法的基础上,分析了爬山搜索法和叶尖速比法的不足,提出了自适应变步长搜索算法来捕获最大风能.通过改进爬山搜索法的变步长策略,明显加快了搜索速度,通过引入初始估计叶尖速比值,大大缩小了搜索范围.该算法不需要实时检测准确风速,不依赖风力机最佳功率曲线,有效地降低了成本,提高风力发电的效率.文中重点分析了算法的自适应性和变步长策略,仿真结果表明,该算法能够使风力机更快速到达最大功率点,动态响应快,收敛性好.     

光伏电池滞环变步长MPPT算法研究

为了提高光伏电池发电效率,在传统MPPT控制方法的基础上提出了基于恒定电压法的变步长滞环控制法,通过分析光伏电池受光照强度的影响和在最大功率点附近的功率特性,确定了电压扰动步长值,并在MATLAB/Simulink仿真平台上建立了MPPT仿真模型,对该算法进行了验证。仿真结果表明,该算法在光照突变时仍能实时地跟踪光伏电池的输出功率,并能有效地抑制在MPP点附近的振荡现象,表现出很好的动态特性,证明了该算法的有效性和正确性。     

组合爬山法与变论域模糊控制的MPPT算法

光伏发电系统的输出功率随外界环境的改变而变化,若控制光伏列阵始终在最大功率点处工作,将能提高光伏发电效率。在传统单一的MPPT算法中,无法同时满足系统的动态性和稳态性,为此拟提出一种将爬山法与变论域模糊控制组合算法,并通过Simulink仿真分析,分别对比研究了爬山法、模糊控制法、变论域模糊控制以及组合算法跟踪光伏列阵最大功率点的输出特性。仿真结果表明:组合控制算法能快速、稳定地追踪最大功率点。     

基于在线短路电流法和变步长滞环比较法的双模式MPPT算法研究

提出基于在线短路电流法和变步长滞环比较法的双模式最大功率点跟踪(MPPT)算法,基本避免了传统扰动观察法的误判和振荡问题,对控制精度和跟踪速度都有较大的改善。最后通过仿真验证了该算法的优越性和可行性。     

光伏发电系统改进复合算法

提出一种复合的MPPT算法,即以恒定电压法启动的自适应变步长的增量电导法。恒定电压法用来迅速跟踪近似最大功率点,变步长导纳增量法则用来进行精确跟踪,并在Matlab/Simulink系统仿真模型中进行验证。实验结果证明改进的算法要比传统的固定步长算法优越。     

基于分组粒子群的光伏最大功率点跟踪方法

针对光伏发电系统在复杂遮阴条件下,光伏输出P-V特性曲线呈现高度非线性,采用基于分组粒子群算法（particle swarm optimization, PSO）和优化的扰动观察法(perturb and observe, P&O)相结合的MPPT（maximum power point tracking）算法进行光伏发电系统输出功率的提升。提出的最大功率点算法分为两个阶段,首先通过将混合蛙跳算法(shuffled frog leaping algorithm, SFLA)的分组思想引入到传统粒子群算法,并采用改进后算法实现近似全局最大功率点的快速搜索,以加快最大功率点跟踪的收敛速度和稳定性。然后,采用优化的扰动观察法实现最大功率点附近的动态精确跟踪,同时减少后续最大功率点跟踪过程中的计算量。通过在不同阶段发挥两种MPPT算法的各自优点来提高光伏最大功率点跟踪控制的效率。最后进行光伏系统遮阴条件变化的仿真实验,与传统粒子群算法相比,提出MPPT方法具有较快的跟踪速度和稳定的功率输出。     

基于自适应线性调节抗干扰PSO的光伏群体MPPT控制

光伏发电已成为新能源发电的主要研究方向,但当外界环境发生突变或由于遮挡使光伏阵列出现阴影时,传统的最大功率点跟踪(MPPT)算法会出现误判或因陷入局部最大功率点等问题而失效。针对这些问题,提出了一种自适应线性调节的粒子群(PSO)算法,并采用一个MPPT控制器同时实现多支路光伏阵列群体MPPT控制。最后,通过仿真验证所提控制策略的有效性。结果表明,自适应线性调节PSO群控方法振荡小,可实时精准跟踪最大功率点,控制电路较为简单,降低系统控制成本。     

Maximum power point tracking （MPPT） control of a photovoltaic system based on dual carrier chaotic search

The output power of the photovoltaic (PV) array changes with the change in external environment and load.Therefore,maximum power point tracking (MPPT) technology is needed to maximize the efficiency of...     

采用自适应扰动观察法的光伏并网系统最大功率点跟踪

提出了一种自适应扰动观察（P＆O）算法,用于在不同天气条件下太阳能光伏（PV）并网系统的最大功率点跟踪（MPPT）控制策略。该策略对于从太阳能光伏电池板中,获取最大的功率输出是十分重要的。利用一种依赖于功率变化的可变的扰动步长,提出了改进的自适应扰动观察算法。最后将通过仿真所得到的数据与传统的扰动观察算法进行了比较,结果表明所提出MPPT算法的收敛值和速度得到了改善,稳定时间缩短25%,稳态值提高20%以上,在太阳能光伏并网系统的最大功率点跟踪时是有效而实用的。     

一种实现风力机MPPT控制的加速最优转矩法

最优转矩法因其所需测量状态较少、易于实现的特点,被广泛应用于风力机的最大功率点跟踪(Maximum power point tracking, MPPT)控制. 传统的最优转矩法只考虑系统的稳态工作点,依靠系统本身的特性进行转速调节,在一定程度上限制了转速调节速度. 本文使用滑模变结构控制的思想,在最优转矩法的基础上设计得到 一种变结构控制器,增大了转速跟踪过程中的不平衡转矩,缩短了系统的调节时间. 仿真结果表明本文提出的改进方法可以获得良好的转速跟踪效果,从而提高风力机的风能捕获效率.     

基于PI调节占空比的自适应MPPT方法

最大功率点跟踪(MPPT)技术是提高光伏发电效率的重要途径之一;扰动观测法是MPPT控制中最常用的方法,针对其无法兼顾跟踪速度与最大功率点跟踪过程的震荡问题,提出了一种基于PI调节占空比的自适应MPPT方法,该方法针对占空比采用基于PI调节的自适应策略;通过Simulink建模仿真,与其他方法进行对比分析,结果显示了该方法可显著地提高了最大功率点跟踪的速度与精度。     

A hybrid intelligent GMPPT algorithm for partial shading PV system

Maximum power extraction for PV systems under partial shading conditions (PSCs) relies on the optimal global maximum power point tracking (GMPPT) method used. This paper proposes a novel maximum power point tracking (MPPT) control method for PV system with reduced steady-state oscillation based on improved particle swarm optimization (PSO) algorithm and variable step perturb and observe (P&O) method. Firstly, the grouping idea of shuffled frog leaping algorithm (SFLA) is introduced in the basic PSO algorithm (PSO–SFLA), ensuring the differences among particles and the searching of global extremum. Furthermore, adaptive speed factor is introduced into the improved PSO to improve the convergence of the PSO–SFLA under PSCs. And then, the variable step P&O (VSP&O) method is used to track the maximum power point (MPP) accurately with the change of environment. Finally, the superiority of the proposed method over the conventional P&O method and the standard PSO method in terms of tracking speed and steady-state oscillations is highlighted by simulation results under fast variable PSCs.     

基于遗传算法的最大功率点跟踪

最大功率点对于提高光伏发电系统的整体效率具有重要作用,对优化算法在最大功率点跟踪中的应用进行了研究。基于光伏发电原理,通过Matlab和S函数建立了太阳能电池的仿真计算模型。针对传统最大功率点跟踪方法自动跟踪速度与跟踪精度难于兼顾的问题,应用遗传算法建立了最大功率点跟踪模型。仿真结果表明,当光照强度、电池温度变化时,模型能够快速、精确地跟踪最大功率点。通过与爬山法的对比研究,表明在相同跟踪时间限定下,遗传算法具有更高的跟踪精度,具有良好的综合性能。     

组合模糊控制技术与扰动观察法提升光伏发电MPPT性能

组合典型MPPT算法以优化系统性能是光伏发电新的研究范式。针对传统单一MPPT算法无法兼顾动态性能和稳态性能问题,尝试将模糊控制技术和扰动观察法进行组合用于光伏发电MPPT控制,具体方法是当系统靠近功率曲线两端时采用扰动观察法跟踪,当系统位于最大功率点附近采用模糊控制技术跟踪。实验结果表明,组合控制算法能够根据系统所处状态准确地在扰动观察法和模糊控制算法之间切换,系统响应时间相对于模糊控制缩短了31%,稳态误差相对于扰动观察法减少了67%,系统性能显著提升。