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IP&O-ICS算法的光伏系统MPPT控制研究

传统的光伏系统MPPT算法易陷入局部最优，而基于智能优化算法的MPPT方法追踪速度慢，皆不能同时兼顾准确性和快速性。对此，该文设计一种变步长扰动观察法（IP&O）结合自适应布谷鸟搜索（ICS）算法的复合算法，先利用IP&O迅速到达对应电压最大的功率极大值点，再根据复杂光照环境下光伏阵列的输出特性，利用该点的功率值调整ICS算法的搜索范围，使其快速准确地追踪到最大功率点。通过仿真对比，验证了此算法在追踪速度和精度上的优越性。     

基于改进灰狼优化算法的光伏阵列多峰MPPT研究

针对局部阴影条件下光伏阵列呈现出的非线性多峰值P-V输出特性，提出一种基于改进灰狼优化算法的最大功率点跟踪（MPPT）控制方法。该算法将传统灰狼优化算法中线性减小的收敛因子改进为按非线性规律变化，以改善算法的动态性能。结果表明：所提出的MPPT方法在局部阴影条件下能有效跟踪到光伏阵列的最大功率点，不仅具有较快的跟踪速度，且跟踪精度达到99.1%。     

基于改进秃鹰算法的微电网群经济优化调度研究

传统优化算法相较于智能优化算法在求解微电网群优化调度问题中较难寻出可行解或最优解,对此提出一种基于融合反向学习和柯西变异改进的秃鹰算法（IBES）,在秃鹰搜索空间猎物阶段采用融合反向学习和柯西变异策略,使得秃鹰算法有效跳出局部最优,解决算法求解精度低等问题。通过与粒子群算法（PSO）、麻雀算法（SSA）、鲸鱼算法（WOA）进行对比,仿真结果表明IBES寻优精度更高,可有效减少微电网群系统的经济成本。     

基于布谷鸟算法的光伏MPPT改进

为减小光伏阵列在存在局部阴影时光伏系统输出功率的损失,提高最大功率点追踪（MPPT）的速度和准确性,提出基于布谷鸟（CS）算法和扰动观察法（P&O）相结合的MPPT控制方法（ICS-P&O）。对CS算法中的种群进行分组,在随机游走阶段为2个种群设置不同的更新策略,在偏好游走阶段加入信息共享策略来辅助更新,从而加快算法的收敛,提升收敛精度,而后利用小步长P&O算法进一步提高后期的收敛精度。仿真结果表明,所提算法在不同的外界环境下追踪速度和追踪精度均得到有效提升。     

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。     

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。     

基于多元宇宙优化算法的光伏发电MPPT控制算法

针对局部阴影引起的光伏阵列多峰值的输出特性,传统的单峰值MPPT算法已无法适用,为寻得全局最优解,将参数设置简单、易于理解的多元宇宙优化算法原理应用于光伏发电的多峰值MPPT模块中。通过仿真分析,证明了基于多元宇宙优化算法的MPPT控制模型能较快地实现全局最大功率点的跟踪,具有更好的收敛速度和精度。该算法能有效解决光伏电站中多峰值功率点的问题,减少寻优过程的功率损耗,从而提高光电转换率,为实际工程带来重要的经济效益。     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法（CVPSO）,将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会（ACADS）边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。     

基于改进混合蛙跳算法的协调控制系统优化

针对混合蛙跳算法寻优精度低、易陷入局部最优的缺陷,将混沌初始化和高斯变异因子引入混合蛙跳算法,经对某二阶被控过程的PID控制器参数优化验证后,表明改进后的算法寻优精度更高、收敛速度更快。结合实际工程实践要求,以1 000 MW机组协调控制系统为对象,采用改进混合蛙跳算法来寻优多变量PID控制器参数。仿真结果表明,与混合蛙跳算法寻优所得PID控制器相比,基于改进混合蛙跳算法的多变量PID控制器负荷跟随性更优、响应速度更快。     

递推最小二乘法与细菌觅食算法相结合的光伏阵列MPPT控制方法

要： 针对复杂应用环境下光伏阵列的P-V输出特性曲线呈现多峰值的问题,提出了一种递推最小二乘法与细菌觅食算法相结合的光伏阵列最大功率点跟踪算法,分析了复杂应用环境对光伏最大功率点跟踪控制的影响。针对状态变化造成的多功率极值问题,首先运用递推最小二乘法进行滤波预处理,再采用细菌觅食优化算法准确跟踪到了全局最大功率点。MPPT仿真和试验结果均表明,该算法成功摆脱了局部最优解的约束,可准确跟踪阵列全局最大功率点且有效抑制了电磁噪声。与单纯的细菌觅食算法相比,本文算法精度更高,为光伏阵列最大功率点跟踪提供了一种实现方法。     

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。     

改进BP算法在柴油机故障诊断中的应用

针对使用BP算法的多层感知器中存在的网络学习收敛速度慢，容易陷入局部极小等问题，采用一个改进的算法，对设备故障进行诊断和分析研究。以某柴油机供油系统为例，对其中的几种常见故障进行了诊断研究。从中可以看出，改进算法加快了收剑速度，诊断的精度也有所提高。     

萤火虫算法在大型水电站机组组合方面的应用

鉴于水电站优化问题是一个多峰、高维的问题,且涉及到的约束条件较多,为了在各种约束下取得最优解,采用萤火虫算法建立了基于此算法的水电站最优机组组合模型,考虑到多重约束条件,在保障机组安全的前提下合理分配负荷,并将其应用于三峡水电站中。结果表明,萤火虫算法在计算速度和精度上均有一定程度的提高,能避开过早陷入局部解,且具有较好的收敛性,为实际的经济运行提供了较好的思路。     

基于改进鸡群优化算法的质子交换膜燃料电池模型参数辨识

针对当前大部分智能算法在求解质子交换膜燃料电池模型参数辨识问题时易陷入局部最优,导致参数辨识精度低、模型泛化能力差等问题,提出一种基于改进鸡群优化算法的质子交换膜燃料电池模型参数辨识方法。首先,引入Tent映射策略初始化种群,提高种群的均匀性和遍历性;其次,设计基于个体进食速度的自适应惯性权重,改善母鸡个体寻优效率,平衡算法的开发与探索能力;然后,利用Levy飞行策略的长短跳跃特点对小鸡位置进行随机更新,增强算法的全局最优搜索能力。最后,通过4组测试函数验证了该算法的优越性,并将算法应用于H-12电堆的参数辨识问题中。结果表明：相比于鲸鱼优化算法、花卉授粉算法等算法,该算法具有更高的参数辨识精度,所辨识出的模型具有更强的泛化能力。     

考虑多点局部阴影的光伏阵列建模及复合型最大功率跟踪算法研究

构成光伏组件的每个光伏电池在运行中由于制造、遮挡等因素的影响,其输出会有差异。当若干个光伏电池受到不同程度阴影遮挡导致其输出与正常电池有较大差异的时候,组件输出的P-U曲线会出现多峰情况,针对单峰的传统最大功率点跟踪(Maximum Power Point Tracking,MPPT)策略很可能失效,从而陷入局部最优值。为解决该问题,推导了多点局部阴影下的光伏阵列数学模型,该模型能够理想描述任意阴影情况下的阵列输出特性曲线。基于此模型,提出了结合全局扫描法、电导增量法,以及快速逼近公式的复合型MPPT算法,并进行了仿真验证。仿真结果表明:相比于传统算法,算法在光伏组件受到遮挡时不会陷入局部最优;同时,相比于全局搜索法,该算法寻优效率更高。     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法(CVPSO),将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO-LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会(ACADS)边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO-LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。     

基于改进BES-LSSVM光伏组件积灰预测

为探究气象因素与光伏组件积灰之间的关系，提出一种基于改进秃鹰算法（IBES）优化的最小二乘支持向量机（LSSVM）的积灰预测模型。该模型以降雨量、风速等气象因素作为输入，对组件面积灰进行预测。通过引入高斯-柯西变异算子对种群最优个体进行变异，择优选取进入下一次迭代，改善原始秃鹰算法收敛速度慢、易陷入局部最优的缺点。将改进算法寻优得到的参数代入模型，仿真后与其他种类算法模型进行对比，结果表明IBES-LSSVM积灰预测模型预测误差更小，拟合效果更好。最后根据累计积灰计算发电损失，结合降雨情况对组件清洗进行指导。