共查询到20条相似文献,搜索用时 31 毫秒
1.
针对局部遮阴(PSC)时,光伏阵列输出P-U曲线出现多峰值现象,传统最大功率点追踪(MPPT)算法易陷入局部最优解,无法追踪到全局最优解的问题,该文提出基于自适应变异粒子群算法的光伏MPPT控制方法。在粒子群算法寻优过程中同步调整学习因子与惯性权重,以提高算法收敛速度与精度,同时引入变异机制以扩大粒子搜索范围,增强算法的全局寻优能力。仿真结果表明,与标准粒子群算法相比,该算法在均匀光照,静态、动态局部遮阴条件下,均能快速准确的追踪到最大功率点,其收敛速度更快,稳态精度更高。 相似文献
2.
3.
摘要: 针对局部阴影下光伏阵列出现多峰值输出的情况,提出一种优化粒子群算法与模糊控制扰动观察法相结合的最大功率点追踪方法。利用优化粒子群算法在全局范围内寻找极值点及最大功率点;通过设置语言变量、定义模糊子集及模糊控制推理,进行跟踪调节和稳定控制,实现光伏系统最大功率输出。提高了搜寻精度,缩短了搜寻时间,避免了在最大功率点处的震荡。仿真结果验证了所提算法的有效性和合理性。 相似文献
4.
针对光伏发电系统在部分遮蔽情况下所具有的高度非线性、时变不确定性和多个局部功率峰值的特点,提出一种基于粒子群优化和爬山法的MPPT算法,粒子群优化用来快速定位近似最大功率点,爬山法可根据实际状况精确化最大功率点,克服太阳电池工程用数学模型与实际输出偏差或微小扰动而导致的功率损失。建立Matlab仿真模型,仿真结果表明在系统被部分遮蔽的情况下该方法具有迅速精确的跟踪能力。 相似文献
5.
6.
针对在局部阴影情况下光伏阵列的功率-电压(P-U)特性曲线呈多峰特性,粒子群算法应用于局部阴影下的最大功率点跟踪(MPPT)跟踪,存在搜索速度慢、精度低的缺点。提出自适应惯性权重粒子群优化(PSO)算法的最大功率点跟踪算法,自动更新惯性权重w和学习因子C1、C2,通过仿真实验,优化前的全局最大功率点(GMPP)跟踪时间是0.045 s,输出功率为468 W。优化后的自适应粒子群算法GMPP跟踪时间为0.020 s,输出功率稳定在为480 W,光伏阵列的输出功率跟踪误差小于30%。在所搭建辐照度突变模型仿真中,在4.022 s突变到300 W/m2时经过0.05 s又重新跟踪到了新的最大功率点稳定在0.075 MW。最后通过实验平台验证,优化后的自适应粒子群优化算法与传统的粒子群优化算法相比,追踪时间减少了55.5%,误差小于5%,验证了该算法可行性和实用性。 相似文献
7.
为解决局部阴影下光伏阵列采用传统最大功率点跟踪(MPPT)易陷入多峰值的局部最优点问题,采用分布式构架的光伏阵列,提出了一种基于遗传粒子群(GA-PSO)的MPPT混合算法,GA-PSO算法结合了粒子群算法(PSO)的位置转移和遗传算法(GA)的全局搜索能力,使混合算法拥有比GA算法和PSO算法更好的追踪准确性和快速性。在MATLAB/Simulink平台上建立了基于GA-PSO的分布式最大功率跟踪控制(DMPPT)电路拓扑结构的光伏阵列仿真模型,仿真结果验证了所提算法的可行性和有效性,为MPPT技术改进提供一种参考方案。 相似文献
8.
9.
为优化光伏阵列在部分遮蔽情况下的多峰值MPPT控制,保证光伏发电系统实时功率的最大输出,提出了基于改进BA算法的最大功率追踪控制方法,即在基本BA算法的基础上,融入了小生境技术的共享机制与排挤策略,减少相似个体数量,从而增加了BA算法在迭代过程中的种群多样性,提高了BA算法在MPPT控制中的全局搜索能力,增强了最大功率追踪的稳定性,并将该算法与PSO、PO算法在不同光照及温度条件下的MPPT控制效果进行了仿真试验对比。结果表明,与传统算法相比,改进的BA算法具有更好的追踪效果,不仅避免了光伏系统在遮蔽情况下输出功率陷入局部最大值的问题,且提高了发电效率。 相似文献
10.
11.
《太阳能学报》2014,(10)
针对光伏系统最大功率点跟踪(MPPT)传统算法的不足,提出一种改进的人工鱼群算法(IAFSA),该算法将扰动观察法(PO)引入到人工鱼群算法。首先利用扰动观察法实时性强和跟踪快速的特点找到系统的最大功率点,然后由人工鱼群算法对全局最大功率点进行快速搜索跟踪,确定功率点极值,避免了扰动观察法使功率最大点陷入局部极值的问题。应用Matlab仿真,分别以标准环境温度下光照均匀和光照部分被遮蔽以及不同环境温度下光照部分被遮蔽3种条件对IAFSA与传统的PO和PSO算法最大功率点跟踪效果进行比较,仿真结果表明,采用IAFSA算法可有效跟踪光伏系统的最大功率点,提高系统的应用效率。 相似文献
12.
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。 相似文献
13.
14.
基于改进量子粒子群算法的光伏多峰MPPT研究 总被引:1,自引:0,他引:1
《太阳能学报》2021,(5)
针对光伏阵列在局部遮阴时呈现的功率多峰特性,提出一种改进DCWQPSO算法与INC算法相结合的光伏最大功率追踪(MPPT)控制算法。该算法采用改进DCWQPSO算法进行最大功率点的全局搜索,然后利用INC算法对最大功率点进行局部跟踪,可避免动态过程中功率的震荡。仿真结果表明:所提出的MPPT控制算法跟踪速度快、精度高、功率震荡小,可有效提升不确定环境下光伏发电系统的最大功率追踪效率和动态品质,并具有较好的鲁棒性。 相似文献
15.
光伏阵列局部处于阴影时,其功率输出会呈现多峰值特征,将造成传统的MPPT算法跟踪失效。文章针对标准粒子群算法(PSO)在实现多峰值MPPT控制时,存在容易进入局部最优、收敛速度较慢和跟踪精度较低等问题,提出了一种基于改进PSO算法的多峰值MPPT控制算法。该方法把非线性变化的变异策略引入到PSO算法中,在显著提高跟踪速度的前提下,扩大了粒子的搜索范围,从而增强了全局寻优能力。仿真与实验结果表明,与传统的PSO方法相比,文章所提出的方法在均匀光照、静态阴影和动态阴影下,均能快速精准地实现对全局最大功率点的跟踪和控制,在一定程度上提高了光伏阵列的发电效率。 相似文献
16.
17.
18.
19.
20.