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。     

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。     

局部阴影情况下一种基于改进BFOA的光伏阵列GMPPT策略研究

局部阴影情况下光伏阵列输出特性的P-U曲线呈多峰形,I-U曲线呈多膝形。利用传统跟踪方法跟踪全局最大功率点时会陷入局部峰值点。文章针对细菌觅食算法(BFOA)在全局范围内收敛速度较慢的不足,提出一种改进BFOA。该改进算法首先在阴影遮挡发生时判断阴影情况,然后设法缩减电压跟踪范围,并在重新确定的电压范围内跟踪全局的最大功率点。文章在Matlab/Simulink环境中搭建光伏阵列,并将改进BFOA的模拟结果与传统扰动观察法、常规BFOA的模拟结果进行对比。研究结果表明:改进BFOA能够在局部阴影条件下成功地跟踪到全局最大功率点,且跟踪过程的动态响应时间明显缩短。     

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。     

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。     

基于改进多种群遗传算法的光伏阵列多峰值MPPT研究

光伏阵列在实际工作条件下因灰尘、受照不均匀等影响而功率输出呈现多峰特性,传统的最大功率点跟踪（maximum power point tracking,MPPT）算法不能实现全局寻优,无法精确跟踪到最大功率点。遗传算法可以有效解决多峰寻优问题,但一般遗传算法在跟踪过程中会出现早熟、准确率较低等问题,为此,提出一种多种群遗传算法（multiple population genetic algorithm,MPGA）与扰动法相结合的算法来解决此类问题。在光伏电池拓扑模型中,采用优化双二极管代替单二极管模型,并在Matlab/Simulink下进行建模仿真。结果表明：该算法可以准确快速高效地找到局部阴影条件下光伏阵列的最大功率点。     

基于并联光伏组件外特性的最大功率点跟踪方法

当阴影条件变化时,并联光伏组件的全局最大功率点(MPP)会随之改变.为了实现太阳能发电最大化,要求最大功率点跟踪(MPPT)方法始终能实时而准确地锁定住并联光伏组件的全局MPP.不同阴影条件下并联光伏组件会呈现不同的外特性特征,如多阶梯的电流电压特性以及多峰值的功率电压特性.基于此现象,该文提出一种基于并联光伏组件外特...     

基于模拟退火-混合蛙跳法的多峰值MPPT算法

根据光伏阵列在实际生产中的局部阴影情况建立了光伏阵列的实际生产模型,并针对局部阴影情况导致的多峰值问题设计了一种基于模拟退火-混合蛙跳法(SA-SFLA)的多峰值功率最高值跟踪技术(MPPT),即在保留混合蛙跳算法跳出局部功率最优点能力的同时,引进模拟退火算法来提升跟踪全局功率最大点的速度和精度。最后通过Simulink仿真,证实了该算法进行MPPT多峰跟踪的性能较混合蛙跳法有了显著提高,有益于光伏阵列效能的提升。     

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、...     

复杂遮荫下基于改进GWO的光伏多峰MPPT控制

光伏阵列在复杂遮荫环境下的P-U曲线呈现多个峰值导致最大功率跟踪（MPPT）算法失效，为此提出双层控制模型，在上层模型中将Levy飞行和多项式变异策略嵌入灰狼算法，构建Levy-变异灰狼优化算法（LPGWO）搜索全局最大功率点；在下层模型中采用扰动观察法对最大功率点进行局部跟踪，进而有效降低复杂遮荫环境下的功率振荡。仿真结果表明，在多峰MPPT控制中，所提模型具有跟踪速度快、收敛精度高、整体功率振荡小等特点，能有效提升复杂遮荫环境下光伏阵列的最大功率跟踪效率和精度。     

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...     

局部阴影条件下基于改进电导增量法的光伏系统最大功率跟踪方法

在局部阴影的情况下,由于串联式光伏组件的输出特性不同而产生多个极值点,使得传统的最大功率追踪（maximum power point tracking, MPPT）方法陷入局部极值点而失效。文中提出一种针对两级并网光伏系统的改进电导增量法以适应光伏阵列在局部阴影下的多峰值最大功率跟踪,通过分析最大功率点电压的变化范围,设定最大功率电压搜索范围以提高搜索效率,并通过DC/DC Boost变换器占空比实现输入电压控制,保证算法不陷入局部极值点。最后利用仿真实验验证了该算法在有、无阴影情况下均能准确地跟踪光伏方阵最大功率,有效提高了光伏阵列输出效率。     

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%。     

基于粒子群优化神经网络光伏并网最大功率点跟踪技术研究

针对电导增量法无法搜索全局光伏系统最大功率点的不足,文章将神经网络与电导增量法相结合,提出一种新型光伏并网最大功率点跟踪算法。该算法在不同光照和温度情况下,采集光伏阵列电压值和电流值,建立神经网络模型。通过人工神经网络预测光伏阵列输出电压,并将此电压作为电导增量法参考电压,从而实现局部阴影下最大功率点跟踪。实验结果表明,神经网络与电导增量法相结合可以准确实现局部阴影下光伏阵列最大功率点跟踪,具有较高的跟踪精度。     

光伏发电MPPT的变论域自适应模糊控制

针对常规模糊控制器在光伏发电最大功率点跟踪(MPPT)控制中存在的功率波动、控制精度低和自适应性较差等问题,提出了一种基于变论域自适应模糊控制器的光伏发电MPPT控制,该控制器能根据光伏发电输出功率偏差的变化自动调整变量的论域,从而快速准确地跟踪光伏发电系统的最大功率点(MPP)。实验结果验证了该控制方法能有效实现光伏发电MPPT控制,提高了系统的效率和稳定性。     

局部遮挡状态下光伏发电系统MPPT变论域模糊控制

基于光伏电池部分遮挡时P-U特性曲线,提出一种全局MPPT变论域模糊控制算法。通过增量法确定伸缩因子,实时改变模糊控制器输入、输出量的论域,扫描系统在各状态下的P-U特性曲线,得到buck电路PWM调制信号,快速准确地实现光伏阵列全局MPPT控制。通过PSCAD/EMTDC搭建的模型仿真表明,所提出的方法能快速应对外界环境变化,有效地实现全局最大功率跟踪,具有良好的动态性能和稳态精度。     

局部阴影下光伏阵列建模及多峰值MPPT控制

针对实际应用中光伏阵列易受部分遮挡的情况,结合太阳电池的工程模型,推导出适用于复杂环境下的通用光伏阵列模型。考虑阴影条件下光伏阵列呈现多峰值输出特性,传统的最大功率点跟踪算法可能失效,提出了基于混合蛙跳算法(shuffled frog leaping algorithm,SFLA)的最大功率点跟踪算法。经仿真实验验证,该算法在静、动态阴影条件下均能快速准确跟踪全局最大功率点,可有效提高光伏阵列的输出功率。     

局部阴影下光伏阵列全局MPPT控制方法

在局部阴影条件下,由带旁路二极管光伏组件构成的光伏阵列的功率-电压特性曲线可能有多个局部最大功率点。为保证寻找到光伏阵列的全局最大功率点,提出了一种基于扰动观测法和导纳增量法的改进全局最大功率点跟踪的控制方法。通过建立仿真模型和试验,验证了该方法的有效性。与基于普通扰动观测法的控制策略比较分析表明,改进算法具有更好的跟踪效果与更小的功率振荡损失。     

优化最大功率跟踪法在光伏水泵中的应用

通过对光伏水泵系统功率输出特点的分析,找到影响最大功率输出的影响因素,通过进一步对光伏输出I-V曲线和P-U曲线分析,提出了一种对最大功率点跟踪(MPPT)扰动观察法的优化算法和实现方法,解决了MPPT扰动观察法在最大功率点附近震荡的问题。     

AMPSO闭环控制及在光伏多峰MPPT中的应用

针对光伏阵列的输出特性具有非线性、时变性和多峰性等特点,提出一种基于自适应变异的粒子群优化(AMPSO)闭环控制方法,并将其应用于光伏阵列多峰情况下的最大功率点跟踪。该方法的优点为:采用AMPSO算法来预测最大功率点电压,可克服粒子群算法(PSO)存在的早熟收敛问题;采用电压闭环控制来跟踪最大功率点电压,可实现阵列输出电压的准确控制。仿真和实验结果表明该方法可快速跟踪外部环境变化,准确搜索到最大功率点,有效提高光伏系统的效率。