局部遮阴下基于改进AVOA的光伏多峰MPPT控制

光伏阵列受部分遮阴影响，其功率-电压特性曲线呈多峰状，导致传统最大功率点跟踪（MPPT）算法失效，因此提出了一种改进的非洲秃鹫优化算法（AVOA）运用于光伏的MPPT控制。首先，引入Tent混沌映射使种群位置更具多样性，避免过早收敛。然后，优化算法在探索和开发阶段的更新策略，减少计算力的浪费，提高寻优速率。最后，在MATLAB 2022b/Simulink环境下，应用所提算法对不同辐照情况的3组工况进行仿真。实验结果表明，在多峰MPPT控制中，该算法具有寻优效率高、收敛速度快等特点，能有效地提升复杂遮阴环境下光伏能源的利用率。     

APSO算法在光伏阵列MPPT追踪器中的应用

针对传统的MPPT算法无法在光伏阵列局部遮阴或光照不均等情况下对最大功率点进行有效追踪的问题,提出了一种自适应粒子群优化(APSO)算法。阐述了APSO算法的基本思想以及将该算法实际应用到光伏阵列最大功率点追踪(MPPT)追踪器中的设计思路,并给出了带APSO算法的追踪器硬件实现原理框图。测试结果表明,基于该算法的追踪器能够快速、准确地实现光伏阵列在部分遮挡条件下全局最大功率点的追踪,具有一定的工程应用价值。     

粒子群算法在光伏系统最大功率点跟踪中的应用

介绍了光伏电池的特性,并在Matlab/Simulink中进行建模仿真研究.针对局部遮阴条件下光伏阵列的P-U特性呈现多个极值点,导致常规的最大功率点跟踪算法失效的问题,提出了一种基于粒子群算法(PSO)的最大功率点跟踪(MPPT)控制方法.仿真结果表明,该方法能够快速、准确地跟踪光伏阵列的最大功率点,具有较好的控制精度,有效地提高了光伏阵列的输出效率.     

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。     

一种用于计算光伏组件温度的多元非线性函数拟合与修正方法

为了获得光伏阵列的组件温度,通过分析组件温度与影响因素之间的关系,确定了各种外界环境因素与组件温度的函数规律。将多元非线性函数拟合与BP神经网络相结合,提出一种计算光伏组件的温度的方法。针对光伏组件局部遮阴的情况,通过研究组件温度与最大功率点之间的关系,对该方法做出了修正。经过光伏电站实际数据验证得知,方法计算精度高,能够反映外界环境变化,具有较强的自适应性和实用性。     

基于并行组合进化算法的光伏阵列最大功率点追踪

针对光伏阵列在局部遮阴时功率的多峰输出,提出了一种新型并行组合进化算法(GA-DE-PSO),解决了传统采用的单一进化算法以及单一改进算法追踪最大功率时的不稳定性和精确性不足的缺点。该方法将所有的可行解个体随机分为两个子种群,并行采用向量的差分进化模式和染色体的遗传模式,产生新型个体和备选个体。再通过粒子群算法进行混合选择,得到更为有效的可行域的指导信息,从而更快速地收敛到最优点,实现最大功率点追踪。仿真结果表明,组合算法保留了三种进化算法的优点,具有较高的寻优精度与稳定性。     

遮阴对牛尾菜光合特性的影响

[目的]研究遮阴对牛尾菜(Smilax riparia A.DC)光合特性的影响.[方法]以牛尾菜为试验材料,根据其原生环境的特点,进行遮阴栽培,研究光合参数日变化规律.[结果]遮阴能够降低叶片温度,但差别不明显;随着遮阴程度的增加,气孔阻力增加;适度遮阴使细胞间CO<,2>浓度减少;不同遮阴处理下蒸腾速率的趋势基本相同,但各处理在同一时间蒸腾速率的值不同;遮阴增加了净光合速率.[结论]该研究可为人工栽培牛尾菜提供理论依据和技术支持.     

基于变步长天牛须搜索算法的光伏系统MPPT控制研究

针对传统最大功率点追踪(MPPT)算法失效,而常见的智能优化算法(如粒子群算法)存在着收敛速度慢、收敛精度差、参数要求高、系统稳定性差等问题,对算法结构简单、收敛速度快、精度高的天牛须搜索(BAS)算法进行改进,提出了基于变步长天牛须搜索(VSBAS)算法的MPPT控制方法。将该方法与传统的扰动观察法和粒子群算法在Matlab/Simulink中进行仿真实验对比,实验结果验证了该方法的可行性及优越性。     

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。