结合量子粒子群算法的光伏多峰最大功率点跟踪改进方法

光伏阵列在局部阴影时的P-U曲线呈现多峰特性,需要设计光伏多峰最大功率点跟踪方法,以实现光伏发电最大功率输出,提高光伏发电效率。相比粒子群优化算法,量子粒子群优化算法具有收敛速度更快和全局收敛性等优势。提出了一种基于量子粒子群优化算法的光伏多峰最大功率点跟踪改进方法。该方法采用量子粒子群优化算法实现最大功率点的全局搜索;根据光伏阵列在局部阴影时P-U曲线上功率极值点的分布特点初始化种群中的粒子总数及其电压;并根据量子粒子群优化算法收敛时粒子自身最优位置的特点,提出了更适合光伏多峰最大功率点跟踪的收敛判据。仿真测试表明,提出的改进方法能够快速有效地实现光伏多峰最大功率点跟踪,收敛速度更快,避免了不收敛的问题,且具有应对光照情况变化的能力,提高了局部阴影时光伏发电的效率。     

基于改进蜻蜓算法的光伏全局最大功率追踪

光伏阵列的P-U特性曲线在局部遮蔽条件下呈现多峰现象,针对传统最大功率点跟踪方法易陷入局部极值、群智能算法跟随速度慢的问题,提出一种基于蜻蜓算法和扰动观察法的改进最大功率点跟踪算法.该算法通过优化算法角色,引入Lévy飞行模式加快算法的收敛速度并提高全局搜索能力;结合扰动观察法,提出种群密度的概念,制定最优局部搜索策略...     

改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪

针对光伏阵列处于局部遮阴情况下其P-U特性曲线呈现出多极值点特性,传统最大功率点跟踪(MPPT)算法由于搜索机制导致难以跳出局部最优准确跟踪到最大功率点问题,提出一种基于改进鲸鱼算法优化支持向量机回归(SVR)的最大功率点跟踪方法.该方法在普通鲸鱼算法的基础上引入对数权重因子与随机差分变异策略,增强了算法在全局搜索与局部开发协调性能、避免陷入局部最优的能力.利用该改进鲸鱼算法对SVR参数寻优,建立光伏阵列最大功率点电压预测模型,并与电导增量法(INC)相结合应用于MPPT控制.Matlab/Simulink仿真结果表明,所提的复合MPPT控制算法在各种局部遮阴及光照突变情况下都能够有效避免陷入局部寻优,迅速准确地跟踪到全局最大功率点(GMPP).     

基于改进灰狼优化算法的光伏MPPT方法

在局部阴影情况下,光伏阵列输出的功率-电压曲线会出现多个峰值,需要具有全局寻优能力的群体智能优化算法来进行最大功率追踪(Maximum Power Point Tracking, MPPT)。针对传统群体智能优化算法普遍存在的收敛速度慢、振荡幅度大和易陷入局部最优等问题,提出了一种基于改进灰狼优化算法的控制方法。该算法采用区间收缩策略,通过不断减小搜索区间范围,提高算法的收敛速度和求解精度;同时,采用反向优化策略,增加对当前最优位置反向解的搜索,提高了搜索过程的多样性,帮助算法跳出局部最优。仿真统计结果表明,相较于传统算法,改进算法具有更高的追踪成功率、追踪准确性和更短的追踪时间。     

IFA在光伏遮蔽情况下MPPT中的应用

在遮蔽情况下,光伏阵列输出的P-U特性曲线呈现出多峰状态,传统最大功率点跟踪(MPPT)算法可能会陷入局部极值。提出了一种基于改进萤火虫算法(IFA)的MPPT算法,首先在原始算法步长更新公式中引入具有变权重系数的惯性项,使得追踪过程能很好地实现全局搜索能力与局部寻优的平衡;其次在步长更新公式中引入加速系数,在功率值较低的区域加大步长,减少追踪所用时间和能量损失。最后,通过仿真和实验,与经典粒子群优化(PSO)算法进行了比较,证明了所提算法跟踪能力更优。     

针对漂浮式光伏电站最大功率追踪的研究

设计了一种针对漂浮式光伏电站最大功率追踪的算法。当光照一定的情况下,浮体在海浪作用下摆动,可以等效为光伏电站在短时间内受到不均匀光照。通过对多浮体摆动情况下光伏电站受到不均匀光照的Simulink仿真,发现光伏电站的P-U特性曲线呈现出“曲线整体保持增长,存在局部峰值,达到全局峰值开始下降”的规律。在标准萤火虫算法基础上融合了最小惩罚法、联赛选择算子和变步长算法,对光伏阵列进行最大功率追踪。结果表明,改进萤火虫算法在快速准确地进行最大功率追踪的同时不会陷入局部最大值点。     

部分遮阴条件下光伏阵列最大功率点跟踪方法

在部分遮阴情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。提出了一种基于电导增量法的全局搜索（Global search based on Incremental conductance,GSINC）方法来实现最大功率点跟踪,该方法保证不会陷入局部最优且不会错过任何极值点。最后通过仿真验证了该算法能快速且准确的跟踪最大功率点,有效提高了光伏阵列输出效率。     

基于SVR与扰动观察法的光伏阵列多峰值MPPT研究

当光伏组件出现局部阴影遮挡或光照不均匀时,光伏阵列的输出特性将发生改变,此时的P-U特性曲线将呈现多峰值现象,传统的基于单峰P-U特性曲线的MPPT算法将失效,很难准确地跟踪到全局的最大功率点。为解决该问题,提出了一种基于支持向量机回归与扰动观察法的MPPT融合算法。利用支持向量机的全局优化、泛化性能高的特点,结合扰动观察法的控制简单、容易实现的优点来实现最大功率点的跟踪。仿真结果表明,在真实的光照、温度及光照突变等外界条件下,该新型融合算法与传统的扰动观察法相比,光伏阵列在局部阴影下不会陷于局部峰值,能迅速准确地搜寻到全局最大功率点。     

基于功率闭环控制与PSO算法的全局MPPT方法

基于对现有多峰值最大功率点跟踪(maximum power point tracking,MPPT)方法不足的分析,提出一种基于功率闭环控制的动态MPPT跟踪策略。该方法采用功率闭环方式实现全局最大功率点的定位,利用功率闭环控制在P-U曲线上的局部不稳定现象实现P-U曲线的快速全局扫描,克服了峰值点分布及算法参数取值对MPPT动态过程的影响。同时采用电压截止控制克服了功率闭环控制对系统整体稳定性的影响。采用基于粒子群(particle swarm optimization,PSO)算法的变步长跟踪策略消除了最大功率点跟踪的稳态功率震荡问题。最后,通过仿真与实验验证该方法的可行性和有效性,结果表明,该方法不依赖光伏阵列的已知信息,便可实现静态和动态环境下全局最大功率点跟踪,提高多峰值最大功率点跟踪的动态速度和稳态跟踪精度。     

改进海鸥优化算法在光伏系统MPPT中的应用

针对光伏阵列处于阴影状况下功率电压(P-U)特性曲线的非线性、多极值特点以及传统最大功率跟踪算法无法取得良好效果的问题,提出了一种改进海鸥优化算法的最大功率跟踪方法。该方法对海鸥优化算法的附加控制因子进行改进,提出非线性搜索控制应用到最大功率点跟踪(MPPT)中;并将混沌序列引入算法,增加种群位置的多样性,以此来克服过早收敛的缺陷,增强算法在全局搜索与跳出局部搜索的能力。建立仿真模型,在不同环境下与SOA、PSO进行对比,结果表明该算法可实现复杂环境条件下的最大功率跟踪,并具备较快的响应速度和稳定的寻优效果。     

自适应权重粒子群算法在阴影光伏发电最大功率点跟踪（MPPT）中的应用

在光伏发电系统中,光伏阵列往往会受到局部阴影现象的影响,造成系统的不稳定运行和输出功率的降低,且光伏阵列的P-U特性曲线会出现多峰值,常规最大功率点跟踪（MPPT）算法因其只能单峰寻优而不能完成对最大功率点的跟踪.粒子群优化（PSO）算法则有着良好的多峰全局寻优能力,被广泛应用在局部阴影的最大功率点跟踪中,但是PSO算法有着收敛速度不足和搜索精度低的缺点.为此,提出了基于自适应权重的粒子群优化（APSO）算法,即在运算过程中通过引入非线性动态惯性权重系数,有效地提高整体算法的全局搜索能力和局部改良能力.利用Matlab仿真,在恒定阴影和快速变化阴影2种条件下验证APSO算法的可行性.结果表明,APSO算法能够避免早熟收敛问题,可有效地提高算法的收敛速度和搜索精度.     

基于贪婪神经网络的集中式温差发电系统最大功率跟踪

该文提出一种基于贪婪搜索的神经网络(GSNN)算法,以实现非均匀温差分布下集中式温差发电系统的最大功率跟踪(MPPT)。首先,以DC-DC升压变换器占空比为输入,系统输出功率为输出,建立双层前馈神经网络模型。然后,采用Levenberg-Marquardt法训练神经网络,得到系统的输入-输出(I/O)拟合曲线,以准确区分局部最大功率点(LMPP)和全局最大功率点(GMPP)。同时,基于拟合的曲线,设计压缩范围的贪婪策略快速逼近GMPP。恒定温度、阶跃温度和灵敏度分析三种算例下的仿真结果表明,与扰动观测法、粒子群算法和灰狼算法相比,GSNN能在非均匀温差分布下快速、稳定地输出最大功率。最后,基于dSpace的硬件在环(HIL)实验验证了所提算法的硬件可行性。     

部分遮挡条件下光伏阵列全局最大功率点追踪控制北大核心CSCD

光伏阵列的部分遮挡,使阵列功率电压特性呈现多峰,现有最大功率追踪方法在速度、准确度和可操作性方面仍有较大改进空间。首先,利用恒流源特性提出全局最大功率追踪新方法,即调整电流线法,该方法在P-U特性上沿着电流线斜率单调变化的方向不断调整电流线;然后对所提方法利用恒流源特性加快电流搜索过程并提高搜索终止条件的准确性;再从搜索过程和搜索终止条件两方面对现有0.8倍开路电压法进行改进;最后,以某光伏阵列3种遮挡模式以及遮挡模式间的变化为例,通过仿真验证所提两种方法(调整电流线法和改进的0.8倍开路电压法)均能准确、快速地追踪到全局最大功率点。所提方法为多峰最大功率追踪提供了新的思路。     

基于CSA算法的光伏阵列多峰最大功率跟踪研究

在实际工程应用中,由于受复杂的环境变化影响,光伏阵列功率-电压曲线通常呈多峰值状态,使用传统方法进行最大功率跟踪时,追踪速度和准确度都无法得到满足.为解决这些不足,提出了一种基于布谷鸟搜索算法与扰动观测法相结合的光伏阵列最大功率跟踪算法,在算法前期利用布谷鸟搜索算法突出的全局搜索能力迅速找到全局最大功率点所处的大致区域;后期采用小步长的扰动观测法进行局部范围内的细致搜索,精准锁定全局最大功率点.在MATLAB/Simulink中建立了仿真模型,结果表明这种基于布谷鸟搜素算法和扰动观测法二者结合的方法追踪速度更快,误差更小,且实现稳定状态时功率波动更小,提升了光伏阵列的输出效率.     

部分遮挡条件下光伏阵列全局最大功率点追踪控制

光伏阵列的部分遮挡,使阵列功率电压特性呈现多峰,现有最大功率追踪方法在速度、准确度和可操作性方面仍有较大改进空间。首先,利用恒流源特性提出全局最大功率追踪新方法,即调整电流线法,该方法在P-U特性上沿着电流线斜率单调变化的方向不断调整电流线;然后对所提方法利用恒流源特性加快电流搜索过程并提高搜索终止条件的准确性;再从搜索过程和搜索终止条件两方面对现有0.8倍开路电压法进行改进;最后,以某光伏阵列3种遮挡模式以及遮挡模式间的变化为例,通过仿真验证所提两种方法(调整电流线法和改进的0.8倍开路电压法)均能准确、快速地追踪到全局最大功率点。所提方法为多峰最大功率追踪提供了新的思路。     

基于改进粒子群算法的光伏最大功率跟踪研究

在局部阴影情况下,带有旁路二极管的光伏阵列P-U呈现多峰特性,导致常规的最大功率点跟踪方法失效。针对多峰值问题,在建立和分析光伏阵列P-U特性曲线的基础上,提出了采用自适应变异粒子群算法进行光伏阵列的最大功率点跟踪方法。该算法根据光伏阵列在局部阴影时P-U曲线上功率极值点的分布特点初始化种群,在传统粒子群算法基础上,通过引入自适应权因子和变异机制来加速算法收敛及防止算法陷入局部极值。仿真测试表明,提出的改进方法能够快速有效地实现光伏局部阴影下的最大功率点跟踪,相比于粒子群算法,可有效避免陷入局部极值点,收敛速度更快,且具有应对太阳光照变化的能力,提高了局部阴影时光伏发电的效率。     

基于光伏功率等效面积法的多峰最大功率追踪控制方法

当光伏组串受到不均匀照射时,其输出特性将会从原来的单峰曲线变成有多个峰值点的多峰曲线,因此受到非均匀照射的光伏阵列含有多个局部峰值点(Local Maximum Power Point,LMPP),使用常规的最大功率跟踪控制方法很难准确的追踪到全局最大功率点(Global Maximum Power Point,GMPP)。针对上述问题,首先基于MATLAB仿真软件搭建了光伏组串在受到非均一阴影遮挡情况下的模型;其次研究了其功率-电压(P-U)特性和导数(dP/dU-U)特性,分析了全局最大功率点与光伏功率等效面积之间的关系;最后提出了基于光伏功率等效面积所决定的工作区间定位的新型多峰最大功率点追踪(Maximum Power Point Trace,MPPT)控制方法。仿真结果表明,所提出的光伏功率等效面积法算法能够有效且快速的寻找到全局最大功率点。     

基于变步长扰动观察法结合改进天牛群优化算法的三步复合光伏最大功率跟踪算法

局部遮阴情况下,光伏系统的功率-电压曲线呈多峰特性,传统算法跟踪最大功率点时易陷入局部最优,智能优化算法跟踪耗时较长。对此,设计了一种变步长扰动观察法（IP&O）结合改进天牛群优化（IBSO）算法的三步复合最大功率点跟踪（MPPT）算法。该算法首先采用IP&O快速跟踪到极大功率点,并利用此点功率值调整电压搜索范围;然后使用IBSO算法在电压搜索范围内进行全局寻优,以保证搜索精度;最终在IBSO算法跟踪到最大功率点附近后,再次切换为IP&O,以加快跟踪速度、减小功率振荡。将所提出算法与IP&O、天牛群优化（BSO）、布谷鸟算法结合变步长扰动观察法（CSA-IP&O）3种算法进行仿真对比,仿真结果表明:所提出算法不易陷入局部最优,能准确快速地跟踪到最大功率点,且跟踪过程中功率振荡更小。     

不均衡组串光伏系统多峰值最大功率跟踪

对光伏(PV)发电系统的PV模块组合方式进行研究,提出一种不均衡组串PV发电系统优化拓扑。该拓扑可根据各PV组串不均衡情况调整系统工作结构,通过将不均衡的组串从均衡的组串中分离出来,有效降低不均衡组串对系统的影响,从而提高PV发电系统的效率。而分离出的不均衡组串,其输出P-U曲线呈现多峰值现象,对此提出一种基于全局搜索的多峰值最大功率点跟踪(MPPT)优化算法。该方法能快速精确地追踪到系统的全局最大功率点(MPP),而无需增加硬件电路。仿真和实验结果表明提出的拓扑和优化算法能有效提高不均衡组串PV系统输出的效率。     

基于光伏阵列输出特性的GMPPT算法研究

针对局部阴影条件下光伏阵列的P-V曲线呈现多峰值的情况,在研究光伏阵列输出特性的基础上提出了一种全局最大功率点追踪GMPPT(global maximum power point tracking)算法。该算法由均匀光照和局部阴影条件下的两个最大功率点追踪算法构成。通过所提出的局部阴影检测手段判别光伏阵列所处的光照条件,从而决定使用哪个子算法。最后将该算法在Matlab中进行仿真验证。仿真结果表明在局部阴影条件下该算法能快速地追踪到全局最大功率点,且避免了对整条P-V曲线的扫描。在均匀光照条件下要比传统的最大功率点追踪算法(扰动观察法)更快地定位到最大功率点。