具有MPPT功能的光伏充电系统的研究

为了提高充电效率,该文在CVT充电器基础上提出了MPPT充电方案.该充电器不仅良好地实现了太阳电池的最大功率点跟踪,同时也附带实现了蓄电池过压保护等诸功能.实验结果表明,本方案较常规光伏系统所用的充电器具有良好的性能/价格比.     

一种光伏MPPT模糊控制算法研究

针对太阳能光伏阵列的工作特性,在现有最大功率跟踪控制方法的基础上,提出了一种光伏MPPT的模糊控制算法——变步长扰动观察法.从偏差和偏差变化率的角度,将寻优分为二个阶段(第一阶段应用扰动观察法并设置较大步长快速接近最大功率点附近,第二阶段采用变步长的方法向最大功率点进一步逼近并至最佳),实现了光伏系统快速和高精度的跟踪要求.系统中引入了工作状态的判断环节,可以根据环境的变化,做出相应反应,提高了系统的快速跟踪性能和稳定性.     

基于IFOINC算法的光伏系统MPPT研究

针对光伏系统传统的最大功率点跟踪(MPPT)算法跟踪速度慢、易振荡、跟踪精度低等不足,提出一种改进的分数阶电导增量(IFOINC)算法,即将基于功率预测的变步长扰动观察(PO)算法和分数阶电导增量(FOINC)算法结合使用。IFOINC算法具体跟踪过程,先采用基于功率预测的变步长PO算法快速跟踪到MPP附近,再采用FOINC算法进一步搜索MPP从而完成整个跟踪过程。文章研究了光伏系统结构,光伏电池的等效模型,设计了IFOINC算法,建立了光伏系统MPPT仿真模型,在Matlab/Simulink下进行仿真。在光照均匀的条件下,改变其它环境条件,研究IFOINC算法的MPP跟踪效果与基于功率预测的变步长PO算法和FOINC算法之间的差异。研究结果表明,IFOINC算法的跟踪速度比FOINC算法提高了42.3%,IFOINC算法的跟踪精度比基于功率预测的变步长PO算法提高了3.9%,且消除了跟踪过程的振荡。     

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GA-GRU神经网络的光伏MPPT算法

针对外界环境因素快速变化时,光伏发电系统难以保持在最大功率点输出的问题,提出遗传算法与GRU神经网络相结合的最大功率跟踪算法（GA-GRU-MPPT）。该算法在构建的最大功率点预测模型基础上,采用遗传算法对GRU神经网络的参数进行优化。考虑到数据的关联性,将前一时刻的太阳电池温度、太阳辐照度、最大功率点电压及当前时刻的太阳电池温度和太阳辐照度作为预测模型的输入变量,输出为当前时刻的最大功率点电压。针对3种不同气候情形的仿真结果表明,该算法跟踪精度可达99%,能显著提高光伏系统的能量转换效率。     

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。     

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。     

具有MPPT功能的智能户用光伏充电系统研究

光伏充电系统采用了恒流充电和du/dt恒压限流充电相结合的管理模式,在一定时间内以电压的变化量接近零,并使充电电流达到最小设定量作为判断蓄电池充电终止的条件,采用了电压自寻优算法实现了光伏电池的最大功率点跟踪.试验表明,系统除了具有智能化管理的特点外,光伏电池的最大功率点跟踪效果明显,且不用考虑日照强度和温度对光伏电池的影响,在一定程度上能够提高光伏电池的输出功率.     

基于TSO-MSMA算法在光伏系统MPPT中的研究

传统MPPT算法存在易陷入局部最优的问题,且目前采用的智能优化算法解决该类问题也有追踪精度不足、追踪速度慢等问题。为解决上述问题,该文提出一种基于金枪鱼算法（TSO）与改进黏菌觅食算法（MSMA）的混合优化算法。该方法通过早期金枪鱼算法的抛物线觅食策略来加快搜索速度,对黏菌觅食算法采用基于混沌映射的反向学习策略进行改进,达到扩大算法探索范围的目的,使之不易于陷入局部最优,并提高算法运算速度。将改进后的算法应用于光伏系统MPPT中,仿真实验结果表明：改进后算法相较于单独TSO与MSMA算法,在不同遮光条件下追踪速率有较大提升,精确度高于单独的TSO与MSMA算法,拥有更好的追踪速度与追踪精度。     

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。     

局部阴影条件下光伏阵列MPPT算法研究

详细分析光伏阵列在均匀光照和局部阴影条件下的分段输出特性,并在此基础上提出一种基于分段模型的全局最大功率点跟踪算法,在局部阴影条件下快速定位全局最大功率点(GMPP)所在分段,再结合优化的增量电导法将工作点收敛于GMPP。通过仿真模型,模拟从均匀光照到局部阴影条件再到均匀光照变化过程中新算法的跟踪效果,结果表明,新算法无论在均匀光照还是在局部阴影条件下,均能准确跟踪到GMPP,且工作点在GMPP附近偏差极小。     

基于差分进化的光伏MPPT算法改进

基于差分进化(DE)算法提出一种改进的最大功率追踪(MPPT)算法。针对DE算法MPPT时收敛较慢且追踪过程中会产生较大的尖峰电压和振铃的问题,该文采用新的差分策略并增加种群个体排序,提出一种差分进化和扰动观察法(P&O)相结合的OMDE-P&O算法。首先通过OMDE算法快速达到最大功率对应的电压附近,然后通过P&O算法快速稳定到最大功率点。通过Matlab仿真及硬件实验,验证该算法的可行性。     

基于改进樽海鞘群算法的光伏系统MPPT研究

光伏系统的功率-电压(P-V)在局部阴影状况下表现出多峰特性,常规最大功率跟踪(MPPT)方法易陷入局部最优值.针对此问题提出一种扩大缩放因子和引入差分策略改进的樽海鞘群算法.在领导者位置更新过程中添加帕累托分布和混沌映射提高全局搜索能力;在局部搜索过程中引入差分策略改善局部搜索能力.将改进方法应用到多峰值光伏系统MP...     

基于混合策略的光伏MPPT算法优化控制

通过对单一控制法优缺点进行分析,探讨基于混合策略的概率选择理论,将两个算子结合在一个算法中,完成传统、智能的混合控制,即扰动-模糊混合控制,个体根据控制效果的变化适应性地调整混合策略的概率分布,在不同阶段采用不同策略,实现控制效果的最优化。以Matlab/Simulink为仿真环境,Boost电路为主体电路,对单一控制法与混合控制法分别进行仿真验证,结果证明了基于混合策略的光伏MPPT优化控制的有效性与优越性。     

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。     

农田独立光伏供电系统的MPPT模糊自寻优控制

提出一种基于模糊自寻优控制的农田独立光伏供电最大功率点跟踪(MPPT)控制。首先构建太阳能MPPT检测装置系统,在实验仿真基础上,现场测试模糊自寻优控制法与传统模糊控制法跟踪MPP实际控制效果,进行功率输出控制的对比试验。实验结果表明该控制方法与传统模糊控制法相比提高输出功率6%,并具有良好的动静态性能和鲁棒性。     

新型MPPT算法在两级式光伏并网系统中的应用

以光伏发电系统为研究对象,分别结合相应的控制算法建立了一种带有最大功率点跟踪(MPPT)功能的光伏并网系统,并利用Matlab软件进行了仿真。仿真结果表明,前级Boost电路基于新型算法——变步长扰动观察法实现了最大功率点跟踪的功能;后级逆变电路采用电压外环、电流内环的双闭环控制方式,使逆变器的输出能准确、快速地跟踪电网电压变化,并与电网电压保持同频、同相。该系统的输出为纹波较少的正弦波形,功率因数接近于1,可满足光伏并网对逆变器的要求。     

基于自适应神经网络控制的光伏MPPT算法改进

基于自适应神经网络控制(DANC)算法提出一种改进的最大功率追踪(MPPT)算法。针对DANC在权值更新的过程中采用的梯度下降算法因初始权值而导致局部收敛的问题,该文根据光伏(PV)阵列部分遮挡情况下的功率-电压(P-V)特征曲线,提出一种反馈负载电压遍历和DANC相结合的算法。首先通过反馈负载电压遍历方法快速达到参考电压附近,然后利用DANC在线学习算法稳定到峰值,通过比较峰值大小,最终找到全局最优解。通过Matlab仿真和硬件实验验证改进算法的可行性。     

基于β参数的混合控制策略光伏系统MPPT算法研究

最大功率点跟踪技术是光伏发电系统的关键技术之一。文章在Matlab中搭建了光伏系统最大功率点跟踪模型,并针对功率预测-扰动观察法在太阳辐照度快速变化时出现的误判现象以及最大功率点处振荡等问题,提出一种基于β参数的混合控制策略,该方法以β值为界限将跟踪过程分为两个阶段,分别采用变步长扰动法和模糊控制法,在太阳辐照度非匀速变化时,快速追踪最大功率点,避免了误判现象,并提高了系统的稳态精度。