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BP神经网络与改进粒子群的光伏MPPT算法

针对光伏阵列在环境突变情况下尤其是局部阴影下的多峰值现象,提出一种基于反向传播(BP)神经网络与改进粒子群的最大功率点跟踪(MPPT)算法。该算法利用BP神经网络近似定位最大功率点,并利用对粒子群算法中的惯性权重值进行非线性动态优化后的改进粒子群精确定位最大功率点。仿真结果表明,复合算法可以更好地跟踪最大功率点,有效避免前期易陷入局部极值的问题,提高了精度,减小了功率振荡。     

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。     

基于电压扫描和电导增量法的局部遮荫条件下多峰MPPT方法

传统的最大功率点跟踪(maximum power point tracking, MPPT)方法在均匀辐射条件下效率较高,但由于光伏阵列与辐射、温度之间的强非线性特性,在局部遮荫条件下阵列的多峰特性易使传统的MPPT方法陷入局部极值,无法有效追踪最大功率。建立了局部遮荫条件下的光伏阵列模型,针对局部遮荫产生的多峰情况,采用电压扫描比较的方法确定最大功率点附近的电压,并以此电压值作为变步长电导增量法的初始值进行搜索,最终确定最大功率点的位置。该方法避免了在多峰条件下最大功率点跟踪陷入局部极值,实现了有效跟踪。     

局部阴影条件下最大功率点跟踪改进算法

利用MATLAB对光伏阵列在不同阴影情况下的输出特性进行仿真,并总结出光伏阵列可能出现局部最大功率点电压与开路电压之间的规律。根据该规律提出改进型电导增量法,将参考电压依次设为可能出现局部最大功率点的电压以避免漏掉任何一个峰值点,并通过比较这些局部最大功率点,追踪到全局最大功率点。设置参考电压阈值以判断是否存在局部最大功率点,减少搜索时间。仿真结果验证了该算法在有、无阴影的情况下都能准确搜索到全局最大功率点。     

梯度与极值搜索复合算法的多峰值MPPT控制

当多个光伏组件串联组成的光伏阵列被部分遮挡时,带有旁路二极管的光伏组件会呈现出多峰值的输出特性,此时基于单峰值的最大功率点跟踪(MPPT)算法易陷入局部最优点从而导致寻优跟踪失败。为得到全局最大功率点(GMPP),需采用多峰值MPPT算法。提出一种结合梯度法和极值搜索(ESC)法的多峰值MPPT复合算法。该算法用梯度法搜索到第一个峰值附近的功率点,以该点为ESC法的起始点搜索出局部最大功率点(LMPP),再利用该LMPP为起始点进行迭代搜索,直到获取GMPP。与传统多峰值MPPT算法相比,该复合算法能快速准确地跟踪光伏阵列的最大功率点(MPP),具有良好的动态性能。     

基于改进粒子群算法的多路光伏MPPT控制

针对建筑光伏(PV)发电和大规模集中式PV发电中多条升压支路并联的情况,提出自适应线性调整器重启粒子群算法优化(PSO)法,通过选择合适的开关管导通时间,使各光伏阵列运行于各自的最大功率点,从而实现多路功率最优控制,并且克服了传统最大功率点跟踪(MPPT)算法在复杂环境中易陷入局部最大功率点而失效的问题。最后,通过实验验证了所提控制策略的有效性。     

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。     

粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用

局部阴影情况下,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。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。     

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。     

一种基于全局最优MPPT的混合控制策略研究

针对传统的最大功率点跟踪(MPPT)算法在光伏阵列输出功率出现多个局部峰值时可能导致系统运行在局部最大功率点(MPP)的问题,提出一种将变步长的扰动观察(PO)法与模糊算法相结合的混合控制策略。利用Matlab/Simulink对全局最优MPPT算法进行了仿真,并在5 kW的样机上进行了当系统出现3个峰值时的验证。仿真和实验结果验证了所提控制策略具有很好的效果。     

基于改进花授粉算法的光伏MPPT控制研究

针对传统光伏最大功率点跟踪(MPPT)算法在解决局部遮荫环境下系统跟踪灵活性和时效性差,以及稳态输出振幅过大等问题,提出了基于改进花授粉算法(IFPA)的光伏最大功率跟踪控制策略。在对光伏阵列输出特性曲线进行分析的基础上,通过引入t-分布扰动机制和变异策略,分别对经典FPA算法的异花全局授粉过程与自花局部授粉过程进行优化,构建了基于IFPA的光伏最大功率点跟踪模型。以{3*2}的光伏阵列为例进行仿真实验,结果表明所研究模型在动态遮荫下的最大功率点跟踪速度较改进前大幅提高,系统在稳态时的震荡明显减小。     

基于混合算法的光伏多峰值MPPT研究

针对光伏阵列在实际应用过程中出现局部遮阴、输出特性P-U曲线呈现多峰值的情况,提出了一种混合算法,使用"两步走"策略来搜寻全局最大功率点.利用粒子群算法(PSO)和遗传算法(GA)相结合的算法通过少量的迭代次数搜寻至最大功率点附近;切换至模糊控制方法来搜寻最大功率点,并稳定.这种混合算法弥补了单个算法的不足,提高了系统的速度和精度.通过粒子群算法和遗传算法优缺点互补,避免陷入局部最优值和减少收敛时间.通过模糊控制方法可以使系统在最大功率点处稳定,避免振荡带来的能量损失.通过Simulink仿真验证了所提出的混合算法有较优的跟踪性能和响应速度.     

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。     

一种光伏系统的多峰值最大功率点跟踪策略

局部阴影条件下,光伏阵列的输出功率-电压(P-U)特性曲线存在多个局部峰值(LMPP)。传统的最大功率点跟踪(MPPT)法可能使系统工作于LMPP,错失真正的全局最大功率点(GMPP)。通过分析局部阴影条件下光伏阵列的输出电流-电压(I-U)特性曲线,提出了将电流控制和扰动观察法(PO)结合的MPPT策略,实现了跟踪GMPP的目标。仿真结果表明该算法比扫描整条P-U曲线法节省了50%的时间,实验验证了其易用性。     

局部遮挡下的自适应变步长扰动观察法

在局部遮挡下,光伏阵列输出功率—电压(P-U)曲线呈现多峰值现象,传统最大功率点跟踪方法可能因收敛于局部最大值点而失效。在分析多种局部遮挡情况下P-U曲线模型的基础上,设计了一种自适应变步长扰动观察法,能实现多峰值现象下的最大功率点跟踪。在3 k W光伏并网逆变器的实验平台上进行相关工程实验,理论分析及实验结果证明了控制算法的有效性和快速性。     

基于改进灰狼优化-黄金分割混合算法的光伏阵列MPPT方法

局部遮蔽情况下,光伏阵列的P-U曲线将出现多个峰值。为了快速准确地找到全局最大功率点,提出了一种基于改进灰狼优化算法和黄金分割法的混合控制方法。首先采用改进的灰狼优化算法进行全局搜索确定全局最大功率点的大致位置,然后采用黄金分割法在前期搜索的基础上进行局部搜索。此外,还提出了一种基于类P-U曲线斜率的新型重启判别方法,以增强最大功率点追踪MPPT(maximum power point tracking)系统应对光照突变时的可靠性。最后,仿真和实验验证了该算法在多种条件下均可更加快速可靠地追踪到全局最大功率点。     

基于GSASO的局部阴影下光伏最大功率追踪

光伏系统在局部阴影遮挡条件下其输出功率会大幅度减少,同时其光伏功率特性曲线出现多峰现象,其最大功率追踪过程的复杂性也会加大.将黄金正弦(Golden-SA)作为局部优化算子嵌入到原子搜索优化算法(ASO)中,解决其收敛速度较慢并且容易陷入局部最优的缺陷;构造出一种新的算法——黄金正弦原子搜索优化算法(GSASO),原子个体通过黄金正弦操作与最优个体进行充分的信息交流,能够更加快速准确地收敛到最大功率点.设置了多种光照情况进行仿真,将其与原子优化算法和粒子群方法进行对比,结果表明,所提出的方法在局部遮阴环境条件下能准确快速地跟踪最大功率点.     

光伏列阵的全局最大功率点追踪研究

针对光伏电池的最大功率点跟踪(MPPT)影响着光伏系统的发电效率,对光伏阵列的功率输出特性曲线进行了建模仿真分析,根据MPPT的目标是保持光伏阵列输出电压一直保持在最大功率点处,重点分析在光伏阵列出现局部阴影情况时的,光伏阵列的P-V输出特性为多峰曲线情况下,提出了一种基于改进的模拟退火粒子群算法的最大功率点跟踪控制方法,将模拟退火算法思想融入到粒子群算法中,改善粒子的探索能力,提升了最大功率点跟踪算法的收敛速度和精确性。     

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法EI北大核心CSCD

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。