基于非对称论域模糊控制的光伏阵列最大功率点跟踪研究

最大功率点跟踪(MPPT)是提高光伏发电系统效率的关键技术.在分析光伏阵列非线性输出特性的基础上,对基于非对称论域模糊控制实现光伏阵列MPPT进行探讨;建立了采用非对称论域模糊控制算法调节Boost电路占空比实现光伏阵列MPPT的仿真模型,在照度、温度阶跃变化下的仿真结果,验证了非对称论域模糊控制算法的有效性.     

光伏发电最大功率点跟踪控制Boost变换器研究

针对光伏并网发电转换效率低等问题,分析了利用Boost变换器实现最大功率点跟踪的理论依据.综合运用恒定电压控制法和扰动观测法,得出光伏系统改进MPPT控制算法.将该算法用单片机实现,并结合PI调节,实现系统在最大功率点的稳定输出.给出了适用于MPPT控制的具有保护功能的Boost变换器设计方案.仿真分析以及实际电路调试的结果表明,改进MPPT算法控制下的光伏阵列的输出电压,符合光伏阵列理论上最大功率点的范围,稳态性能良好.     

太阳能电动车最大功率点模糊控制器设计

太阳能电动车所处环境的多变性导致了太阳能电池板的输出特性也在不断变化,光伏发电系统中采用的最大功率点跟踪控制很难在多变环境下快速、准确、高效地进行最大功率点跟踪.采用模糊控制进行太阳能电动车最大功率点的跟踪,根据太阳能电动车能量控制系统的要求,为提高系统的稳态性和鲁棒性设计了适合于太阳能电动车的带修正因子自调整MPPT模糊控制器,并设计了基于DSP的模糊控制器的硬件电路和应用控制程序.     

基于T-S模糊神经网络的光伏发电机组自动控制

光照情况变化会使光伏发电机组功率呈现不稳定性,加大光伏发电机组控制难度,为此,设计了基于T-S模糊神经网络的光伏发电机组自动控制方法。构建光伏阵列数学模型,分析在均匀和不均匀2种光照情况下光伏发电机组特性曲线。以分析结果为依据,采用T-S模糊神经网络构建光伏发电机组自动控制模型。为保证良好的控制效果,引入定比因子优化隶属度函数,输出最佳跟踪结果,结合最佳跟踪结果和自动控制模型实现光伏发电机组自动控制。测试结果显示,该方法能够完成光伏阵列特性分析,控制效果好。     

单相单级光伏逆变器最大功率点跟踪方法

分析了单相单级光伏逆变器的模型特点及其对最大功率点跟踪(maximum power point tracking,MPPT)控制的特殊要求,提出了适用于这种类型光伏逆变器的MPPT方法.该方法利用极值搜索算法实现MPPT控制,通过高通滤波器提取逆变器直流电压中的纹波电压,以该纹波电压为极值搜索算法的扰动信号;在极值搜索算法中引入优化补偿环节,通过该环节提高算法的收敛速度,进一步优化MPPT控制的稳态和动态性能.仿真和实验结果表明该方法可以充分利用单相单级逆变器的固有纹波,在无需额外注入扰动信号的前提下,该MPPT方法能够快速准确地搜索到最大功率点.     

太阳能电动车最大功率点跟踪模糊控制仿真研究

本文分析了太阳能电动车的能源系统,设计了适合于太阳能电动车的最大功率点跟踪(MPPT)模糊控制器,在变化和随机的外界环境下,应用Matlab/Simulink仿真软件包对MPPT模糊控制器控制的能源系统进行了仿真研究,结果表明该控制器对环境的变化有较强的自适应能力,具有优越的控制性能,为太阳能电动车的应用提供了参考.     

基于DC/DC变换的光伏系统最大功率跟踪系统仿真

光伏电池的输出功率受外界环境的影响,具有非线性特征,其最大值只存在于某一特定点.为了提高系统效率,有必要通过最大功率跟踪(MPPT)的控制方法来实现对其输出功率进行跟踪控制.在分析传统的干扰观察法的工作原理后,提出了自适应占空比观察法,克服了传统定步长跟踪算法的缺点.在光伏电池的输出伏安特性和数学模型基础上,通过Mat...     

扰动观察法实现太阳能电池最大功率跟踪控制

介绍了一种基于AVR单片机实现太阳能电池最大功率点跟踪(MPPT)控制的硬件电路和软件的精简设计。在设计中提出了采用电压扰动法来实现MPPT控制,并给出了实验结果。实验结果表明,控制器能够准确快速地达到MPPT的目的。     

模糊控制技术与神经网络法相结合实现光伏发电系统最大功率点跟踪

本论文以太阳能光伏发电系统为研究对象,以获取太阳能电池的最大功率为目标.重点讨论了基于模糊控制的最大功率点跟踪(MPPT)算法,关键技术是借助人工神经网络法,由实测数据生成模糊控制规则.仿真显示采用模糊控制技术与人工神经网络法相结合实现光伏发电系统MPPT准确高效,实验验证了理论分析的正确性和可实现性.     

光伏发电MPPT控制方法研究综述

为了改善太阳能电池的转换效率,需要对其输出的最大功率实施跟踪。基于太阳能电池的模型及其输出特性,将常见光伏发电系统的最大功率点跟踪（maximum power point tracking,MPPT）控制方法进行分类,并对各类控制方法进行了其特点比较,指出了MPPT控制方法今后的发展方向。     

基于遗传算法模糊控制的光伏发电系统最大功率点跟踪技术的研究

针对光伏器件输出功率的非线性特性且工作环境变化频繁的特点,为了获得更好的最大功率点跟踪控制效果,对光伏电池功率电压曲线进行了分析,设计了一种基于遗传算法的模糊控制算法,解决了光伏器件特性在最大功率点两侧不同区间的差异问题,使系统能快速响应外界环境的变化,保证了系统的控制精度,光伏系统始终工作在最大功率点。通过仿真将模糊MPPT控制与基于遗传算法的模糊MPPT控制性能作了比较,结果表明控制性能良好。     

基于模糊控制的光伏阵列MPPT仿真

研究了光伏阵列的非线性功率输出特性,建立了基于Matlab simulink/Power system的光伏阵列仿真模型,对基于模糊控制采用扰动观察法进行光伏发电最大功率点跟踪进行了仿真.     

光伏最大功率跟踪的自适应电压控制仿真研究

论文介绍了光伏电池数学模型,在此基础上用Matlab 7.4环境下的Simulink工具搭建仿真模型,并提出电压自适应法的最大功率跟踪（MPPT）的方法,与传统固定步长的扰动法的仿真相比较,证明了电压自适应法的光伏最大功率跟踪有响应速度快,结果准确等优点.     

变速恒频双馈风力发电最大功率跟踪控制

为了充分有效地利用风能,发出较高的电能质量,在分析了风力机最大风能捕获机理和双馈电机数学模型基础上,提出了一种基于定子电压定向下变速恒频双馈发电机最大功率跟踪矢量控制策略。为了说明控制策略的有效性,在风速阶跃变化下,利用Simulink建立了双馈发电系统仿真模型及定子电压定向矢量控制模型。仿真结果表明,该控制策略能够快速准确控制风力发电系统进行最大功率跟踪及变速恒频控制。     

基于T-S模糊神经网络的机械手轨迹跟踪

以两自由度并联机械手为研究对象,提出了一种以T-S模糊神经网络作为反馈器,以粒子群算法优化的BP神经网络学习作为前馈控制器的机械手自适应轨迹跟踪方案。并运用ADAMS软件建立虚拟样机模型与Simulink进行联合仿真实验。仿真结果表明设计的控制方案能够较好地控制机械手的轨迹跟踪。     

基于T-S模糊变权重MPC的智能车轨迹跟踪控制

为了协调智能驾驶车辆的轨迹跟踪精确性和稳定性,提高控制算法对不同工况的自适应能力,提出基于Takagi-Sugeno模糊变权重模型预测控制(Takagi-Sugeno fuzzy model predictive control,T-S FMPC)的轨迹跟踪控制策略。以前轮转角为控制变量建立MPC控制,并以实时横向位移误差和横摆角误差为模糊输入,通过T-S模糊控制在线优化MPC目标函数权重,协调权重矩阵对轨迹跟踪精确性和稳定性的影响。基于Carsim建立分布式驱动电动汽车的整车动力学模型,基于Simulink建立控制策略,通过双移线工况仿真及实车试验,验证了所提控制策略的有效性。仿真结果表明,相比于传统MPC控制,所提出的T-S模糊变权重MPC控制可降低横向位移误差达62.24%,有效提高轨迹跟踪精度;并且可使前轮转角波动减小37.46%、横摆角误差减小84.19%,显著增强轨迹跟踪稳定性;试验结果表明,在20 km/h、沥青路面双移线工况下,横向位移误差在0.12 m以内,横摆角误差在1°以内,且前轮转角控制曲线平滑,说明所提算法具有良好的控制效果和实用性。