基于自适应变异粒子群算法的光伏MPPT控制研究

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。     

基于Z源逆变器的粒子群和模糊变步长电导增量MPPT算法

针对局部阴影环境及环境辐照度阶跃的问题,提出一种基于Z源逆变器的粒子群和模糊变步长电导增量MPPT算法。粒子群通过少量迭代搜索至最大功率点附近,再切换至模糊变步长电导增量法,不仅使得最大功率点跟踪过程用时短,还可保证最大功率点追踪的稳态精度。同时此算法针对辐照度阶跃变化的情况设置重启环节,以便在功率阶跃后能迅速跟踪至新的最大功率点。通过建立的仿真模型和搭建的试验平台验证算法的可行性和优越性。     

考虑局部阴影的光伏阵列MPPT优化控制策略

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。     

基于粒子群优化和爬山法的MPPT算法

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。     

基于变异粒子群算法的光伏系统最大功率点跟踪研究

提出一种变异粒子群算法(MPSO),通过在粒子群算法中引入变异,可改善其跳出局部最优解的能力。变异粒子群算法采用有限的粒子数目即可实现阴影条件下光伏系统的最大功率点跟踪,而无需知道旁路二极管的数目,具有通用性。对变异粒子群算法进行的仿真和试验可证明该算法的有效性。     

遮阴条件下光伏MPPT自适应粒子群算法优化

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。     

基于GA-PSO的分布式光伏发电最大功率跟踪控制

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。     

基于HPSO算法光伏并网逆变器MPPT技术研究

为了解决光伏阵列最大功率点跟踪问题,提出一种基于神经网络与粒子群优化算法的最大功率点跟踪算法。在不同太阳辐射强度情况下,利用神经网络辨识光伏阵列的瞬时功率,并将此瞬时功率作为粒子群优化算法的粒子,利用粒子群优化算法求出最大功率点所对应的逆变器开关量。实验结果表明,将神经网络与粒子群优化算法相结合,可以准确实现光伏阵列最大功率点的跟踪。     

基于改进BA算法的光伏发电系统MPPT优化控制

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。     

光伏系统在局部阴影条件下避免困于局部最大功率点跟踪算法研究

光伏阵列受到局部阴影遮蔽时其P-V特性会呈现多峰特性,出现多个局部峰值。为了避免传统最大功率点跟踪算法在此情况下难以找到全局的最大功率点,文章提出了一种优化最大功率点跟踪算法,该算法适用于局部和全局阴影发生的情况。在局部阴影情况下,通过MATLAB仿真和样机试验与传统最大功率点跟踪算法相比,该优化算法能够判断阴影遮蔽情况是否发生,在局部和全局均一阴影的情况下都能够跟踪到全局最大功率点,避免光伏阵列的功率损失,提高光伏系统效率。     

基于改进人工鱼群算法的光伏系统MPPT研究

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。     

基于改进黏菌算法的光伏多峰值MPPT控制

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。     

基于LOGPSO算法的光伏系统MPPT研究

在光伏系统最大功率点跟踪过程中,针对太阳辐射强度改变时,粒子群算法易出现收敛速度慢、陷入局部最优等问题,提出了一种惯性权重对数递减粒子群(LOGPSO)算法,该算法将惯性权重以对数形式递减,并加入了对数调整因子,使运行初期的MPPT能够较快地确定极大功率值点所对应的电压,运行中期的惯性权重迅速减小,运行后期的MPPT能够精确地搜索到最大功率点所对应的电压。仿真结果表明,在不同的太阳辐射强度条件下,LOGPSO算法能够显著改善光伏系统MPPT中存在的收敛速度慢、收敛精度低等问题。     

基于改进量子粒子群算法的光伏多峰MPPT研究

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。     

基于改进粒子群优化算法光伏阵列多峰值MPPT的研究

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。     

基于改进粒子群算法的并网风电场准入功率极限计算

该文在充分考虑了电力系统静态安全约束和电力系统暂态稳定性约束的条件下,提出了基于改进粒子群算法求取并网风电场最大准入功率的智能计算方法。相比较于近似线性规划方法,粒子群算法能快速有效地通过寻优得到最佳解,同时通过对粒子群算法的改进,有效避免了粒子群寻优可能产生的局部极小化问题。通过在EPRI-36节点系统上进行仿真分析,验证了所提方法的有效性,同时对影响风电场准入功率极限的相关因素进行了分析。对于实际风电接入系统,确定其准入功率极限非常重要。     

基于模糊控制的光伏MPPT算法改进

基于模糊控制算法提出一种改进的最大功率点跟踪(MPPT)算法。观察光伏(PV)组件的功率-电压(P-V)特征曲线,在同一温度下,不同光照情况下的最大功率点近似在一条曲线上。通过对不同环境条件下的最大功率点进行拟合,由光伏组件的输出功率和环境温度可以得到一个用于模糊控制器输入的电压值。由于拟合曲线不一定精确,单独使用模糊控制追踪最大功率点存在误差。针对上述问题,在使用模糊控制使光伏组件的输出功率稳定在最大功率点附近后,再使用电导增量法(INC)追踪并稳定在最大功率点。通过Matlab仿真和硬件实验,验证改进算法的可行性。     

多目标粒子群优化算法在光伏MPPT中的应用

为提高光伏电池的利用率,需要进行光伏阵列的最大功率点跟踪(MPPT),针对传统粒子群优化算法在多目标优化中的不足,提出了基于最小粒子角度的多目标粒子群优化算法,利用目标空间中不同粒子之间的角度进行粒子全局极值更新,通过比较粒子的浓度值给出粒子群及粒子个体极值更新方法,并在Matlab/Simulink下进行了建模与仿真。仿真结果显示,该算法在外界环境变化时能快速准确地跟踪太阳能电池的最大功率点,并能保证系统的稳定性。     

局部遮阴下基于改进PSO的多峰值MPPT研究

局部遮阴下,光伏阵列的P-U特性曲线呈现多峰现象,此时传统的MPPT算法容易陷入局部寻优而失效。针对这一问题,采用一种基于改进粒子群寻优的MPPT算法。通过对局部遮阴下光伏阵列输出特性曲线进行分析,计算出可能存在的峰值点电压,作为粒子位置的初始值,同时引入状态因子δ对惯性权重、学习因子进行线性调整,以避免粒子陷入局部最优,减小追踪过程的震荡。最后将标准粒子群算法与改进粒子群算法进行Matlab仿真对比,验证了改进粒子群算法的优越性。     

基于电压窗口限制的粒子群MPPT算法的研究

为解决光伏电池阵列MPPT算法的多峰值寻优问题,出现了如粒子群MPPT算法的全局最大功率点跟踪算法,但是该算法的缺陷是稳定性较差,电压和功率的波动较大,能量利用率不高。针对前述缺陷,该文提出一种新的基于电压窗口限制的粒子群MPPT优化算法,即通过限制粒子群MPPT算法的电压搜索范围,大幅提高粒子群MPPT算法的收敛速度,降低功率波动,减少能量损耗。仿真和实验结果表明,该优化算法具有较好的多峰值特性曲线全局最大功率点跟踪能力且具极好的可行性。