基于莱维飞行的自适应乌鸦搜索算法

针对乌鸦搜索算法易陷入局部最优和位置更新策略具有盲目性的不足,提出一种基于莱维飞行（levy flight）的自适应乌鸦搜索算法,对标准乌鸦搜索算法的感知概率和飞行距离进行动态调整,对乌鸦个体在第二种情况下的位置更新策略进行优化.所提算法引入莱维飞行、经验因子和自适应调整参数机制,动态增加算法前期的全局搜索能力和后期的局部寻优能力.在算法个体发现自己被其他个体跟踪的情况下,采取经验因子和莱维飞行相结合的更新策略来引导其他个体,增强算法个体位置更新的效率,避免个体在最优解附近来回振荡,使得算法快速准确的到达极值点,有效弥补了原始乌鸦搜索算法位置更新的盲目性和收敛速度较慢的不足.通过和其他新型智能优化算法在8个基准测试函数和1个工程应用问题的实验对比,来检验算法的有效性.仿真结果表明,所提算法的寻优平均结果、标准差、收敛性和鲁棒性均优于其他算法,有效避免了位置更新的盲目性,增强了算法的性能效率.     

基于DSP的改进蚁群二阶段MPPT控制器设计

针对局部阴影条件下光伏阵列输出效率低并且对最大功率点跟踪MPPT(Maximum Power Point Tracking)收敛速度慢的问题,设计出一种基于DSP的智能MPPT控制器,提出一种目标因子与过渡机制的改进蚁群全局寻优二阶段MPPT全局寻优算法作,引入目标导向因子避免盲目寻优,引入过渡机制而弥补寻优末期的振荡完成最大功率跟踪,通过仿真与实验的 分析表明,改进后的算法在光照突变时具有较快的响应速度和较高的跟踪精度,避免系统趋于稳定时的功率振荡,提高了系统效率。     

光伏电池的自适应占空比扰动MPPT算法研究

环境温度、光照强度和负载等因素对光伏电池的输出特性影响很大,为了提高光伏电池的工作效率,需要准确快速地跟踪光伏电池的最大功率点。在分析了光伏电池的输出特性的基础上,建立了光伏电池的仿真模型;针对传统爬山法的不足,采用了自适应占空比扰动法对最大功率点进行了跟踪控制。给出了上述两种算法的工作原理及设计过程。仿真结果表明:自适应占空比扰动算法跟踪迅速,减少了系统在最大功率点附近的振荡现象,提高了系统的跟踪速度和精度。     

采用搜索趋化策略的布谷鸟全局优化算法

布谷鸟搜索算法是一种基于莱维飞行搜索策略的新型智能优化算法.单一的莱维飞行随机搜索更新策略存在全局搜索性能不足和寻优精度不高等缺陷.为了解决这一问题,本文提出了一种改进的布谷鸟全局优化算法.该算法的主要特点在于以下三个方面:首先,采用全局探测和模式移动交替进行的模式搜索趋化策略,实现了布谷鸟莱维飞行的全局探测与模式搜索的局部优化的有机结合,从而避免盲目搜索,加强算法的局部开采能力;其次,采取自适应竞争机制动态选择最优解数量,实现了迭代过程搜索速度和解的多样性间的有效平衡;最后,采用优势集搜索机制,实现了最优解的有效合作分享,强化了优势经验的学习.对52个典型测试函数实验结果表明,本文算法不仅寻优精度和寻优率显著提高,鲁棒性强,且适合于多峰及复杂高维空间全局优化问题.本文算法与最新提出的改进的布谷鸟优化算法以及其它智能优化策略相比,其全局搜索性能与寻优精度更具优势,效果更好.     

基于改进多元宇宙优化算法的光伏系统最大功率点跟踪

在局部遮蔽条件下,光伏阵列的功率输出曲线呈现多峰特性,传统控制算法无法持续准确地跟踪最大功率输出点,该文提出一种基于改进多元宇宙优化(MVO)算法跟踪全局最大功率点的方法(IMVO)。引入螺旋更新和自适应压缩因子,增强了算法的全局搜索能力;改变旅行距离率的更新方式,加快了算法的收敛速度,3方面改进有效提高了算法的寻优能力。仿真结果表明：在均匀光照、局部遮蔽和变光照强度3种条件下,改进多元宇宙优化算法均能持续稳定地跟踪最大功率点,在收敛时间和收敛精度上均有较大提高,由此验证了该算法在最大功率点跟踪控制中的可行性。     

基于SG/Simulink的一种改进MPPT算法

针对传统MPPT算法响应速度慢和追踪精度不够理想的特点,分析了光伏电池在不同环境下的输出特性,提出一种改进的变步长扰动观测法,即采用新的自适应步长公式 作为扰动步长,使光伏电池以较大步长快速接近最大功率点,然后以较小步长稳定于最大功率点。在SG/Simulink混合建模仿真平台下进行了仿真,所得结果表明算法可显著提高最大功率点追踪速度与精度。     

基于改进型单纯式加速法变步长MPPT控制算法

结合光伏并网系统控制特点,针对单纯式加速法的不足,提出一种新的基于改进型单纯式最大功率点跟踪(MPPT)优化算法,设计在线步长调节,改变电压收敛速度.利用PSIM仿真软件构建通用型光伏矩阵模型,模拟任意参数的光伏阵列,动态跟踪光照强度、环境温度的变化,应用于单相光伏并网系统.仿真结果表明,相对于常规MPPT控制算法,结合优化技术的变步长MPPT算法能快速准确地跟踪最大功率点,且系统波动小,稳定性高.     

自适应果蝇优化算法

为了进一步提高果蝇优化算法(FOA)的性能,提出了一种自适应果蝇优化算法(SAFOA),设计了果蝇搜索群体模型,给出了一种自适应搜索步长搜索算法。仿真结果表明,相比FOA算法和递减步长果蝇优化算法(DS-FOA),SAFOA收敛速度较快,全局搜索与局部寻优能力强,并能到达高的收敛精确度。     

基于旋转状态转移的麻雀搜索算法

针对现有的麻雀搜索算法(SSA)在接近全局最优时,种群多样性减少,容易陷入局部最优等问题,提出一种精英旋转策略的麻雀搜索优化算法(RLSSA)。首先,对麻雀种群中发现者进行旋转状态转移变换,以提高算法的局部搜索能力,提高算法的搜索精度。其次,对加入者引入基于莱维飞行的搜索策略,提高算法的全局搜索能力,同时引入贪婪算法搜索寻优策略。最后,在12个基础函数上进行仿真实验。实验结果表明上述方法在收敛速度和精度上有显著优势。     

基于变步长电导增量法MPPT的研究

光伏电池的输出功率与太阳辐射和环境温度变化,若不加以控制,将不会以最大功率输出。本文提出了一种变步长电导增量法,在光伏发电系统实现最大功率点跟踪。应用MATLAB建立光伏电池板的最大功率点跟踪变步长电导增量法的仿真模型并仿真。仿真结果表明,变步长电导增量法跟踪最大功率点效果良好,相比传统电导增量法,减弱了最大功率点附近振荡的情况,适合干快速变化的环境条件,具有良好的动态和稳态特性。