基于CSA-FPI算法的光伏发电MPPT仿真研究

对光伏阵列进行最大功率点跟踪控制(Maximum Power Point Tracking,简称MPPT),是提高光伏发电系统输出功率的有效措施之一。文章以光伏阵列非线性输出特性为切入点展开研究,在分析了常规算法的优缺点基础上,针对其在最大功率点处(MPP)动态和稳态性能不佳等问题,提出了一种基于布谷鸟搜索算法(CSA)和模糊PI(FPI)控制相结合的光伏阵列MPPT算法。在MATLAB/Simulink下进行了仿真建模,仿真结果表明该方法能够迅速准确地跟踪光伏阵列的最大功率点,防止算法跟踪方向误判情况的发生,具有快速跟踪性和鲁棒性;同时实验结果也证实了上述算法的正确性和有效性。     

基于PSO优化BPNN估计光伏阵列MPPT控制系统研究

为了充分利用光伏阵列转换能量,提高光伏阵列的发电效率,在分析光伏阵列的伏安特性及最大功率点跟踪(MPPT)原理的基础上,提出了一种基于粒子群算法优化BP神经网络(PSO-BPNN)的建模方法,并用这种改进的神经网络构建了光伏阵列的动态模型.通过PSO-BPNN模型拟合光伏阵列输出功率与输出电压的非线性关系,实现了对光伏阵列的最大功率点跟踪.Matlab/Simulink仿真及在线测试结果表明:基于PSO-BPNN估计的光伏阵列MPPT控制系统能快速、精确地跟踪光伏阵列的最大功率点,改善了BP神经网络收敛速度慢,易陷入局部极值,建模精度不高的缺点,提高了系统的稳定性和能量转换效率,是研究光伏发电这个复杂非线性系统的一个可行办法.     

基于FOA算法的光伏发电MPPT仿真研究

在光伏发电系统中需要对光伏阵列的最大功率点进行跟踪控制以提高整体系统的输出功率。以光伏阵列输出非线性特性为切入点展开研究,在分析了常规算法的优缺点基础上,针对其最大功率点跟踪(MPPT)动态和稳态性能不佳等问题,提出了将果蝇优化算法(FOA)应用于光伏发电系统中。在Matlab/Simulink下进行了建模和仿真,仿真结果表明该方法能够迅速准确地跟踪光伏阵列的最大功率点,防止算法跟踪方向误判情况的发生,表现出良好的动态和稳态特性,同时也证实了算法的正确性和有效性。     

梯度与极值搜索复合算法的多峰值MPPT控制

当多个光伏组件串联组成的光伏阵列被部分遮挡时,带有旁路二极管的光伏组件会呈现出多峰值的输出特性,此时基于单峰值的最大功率点跟踪(MPPT)算法易陷入局部最优点从而导致寻优跟踪失败。为得到全局最大功率点(GMPP),需采用多峰值MPPT算法。提出一种结合梯度法和极值搜索(ESC)法的多峰值MPPT复合算法。该算法用梯度法搜索到第一个峰值附近的功率点,以该点为ESC法的起始点搜索出局部最大功率点(LMPP),再利用该LMPP为起始点进行迭代搜索,直到获取GMPP。与传统多峰值MPPT算法相比,该复合算法能快速准确地跟踪光伏阵列的最大功率点(MPP),具有良好的动态性能。     

基于模糊PI的光伏发电双MPPT研究

针对光伏阵列非线性工作特性及传统MPPT控制中响应外界环境变化缓慢、最大功率点附近功率振荡现象明显等缺点,对其最大功率点跟踪算法进行分析,提出了一种模糊PI控制下扰动观察法(PO)和恒电压控制法(CVT)相结合的双MPPT(dual maximum power point tracking MPPT)控制方法应用于光伏发电系统。通过建立模糊PI控制下的光伏发电双MPPT系统模型,构建系统控制量及变化量变化规则,设计仿真参数。仿真实验结果表明本方法在外部环境变化时能快速准确地跟踪光伏阵列最大功率点,具有良好的动态和稳态性能。     

基于变步长极值搜索法的三电平光伏MPPT控制

为提高光电转换效率,最大功率点跟踪(MPPT)被广泛应用于光伏系统。在常用的MPPT控制算法中,极值搜索(ESC)法因其不依赖对象的数学模型而受到关注。研究了一种以Boost三电平变换器为核心,基于变步长ESC法的光伏MPPT控制算法。该算法不但具有传统ESC的优点,还能自动调节步长,快速跟踪最大功率点(MPP),降低开关频率和功耗。通过仿真与样机实验结果证明新算法在外部环境突变的情况下,能快速准确地跟踪光伏阵列的MPP,具有良好的动态和稳态性能。     

粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用

局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。     

基于差分进化人工蜂群算法的光伏最大功率跟踪策略研究

带有旁路二极管的光伏阵列在局部阴影时其P-U特性曲线会出现多个极值点,此时常规MPPT方法在多峰值寻优时可能会失效。对光伏阵列输出特性功率极值点的个数进行了研究,在此基础上将基于差分进化的人工蜂群算法应用于最大功率点跟踪。首先对蜜蜂的初始位置进行预定义初始化,避免遗漏极值点。将差分进化算法中的变异策略与人工蜂群算法相结合,实现时变条件下全局最大功率点跟踪控制。并且在上述算法中加入迭代终止策略,从而有效避免系统稳态时的功率振荡现象。在Matlab中搭建S-Function仿真模型,验证了该算法的有效性。     

部分遮阴条件下光伏阵列最大功率点跟踪方法

在部分遮阴情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。提出了一种基于电导增量法的全局搜索（Global search based on Incremental conductance,GSINC）方法来实现最大功率点跟踪,该方法保证不会陷入局部最优且不会错过任何极值点。最后通过仿真验证了该算法能快速且准确的跟踪最大功率点,有效提高了光伏阵列输出效率。     

太阳能光伏系统中基于自适应控制的最大功率点跟踪方法研究

为了提高光伏发电系统的整体效率,寻求光伏电池的最优工作状态,提出一种基于自适应控制的光伏电池最大功率点跟踪(maximum power point tracking,MPPT)方法。该方法基于传统的干扰观察法原理,并根据系统工作点的不同而不断调整扰动幅度的大小,以最大限度地接近最大功率点。仿真结果表明,基于自适应控制的MPPT方法能够稳定、高效地跟踪光伏阵列最大功率点;在日照强度、环境温度等系统参数扰动的情况下,能快速寻找新的工作点,保持系统稳定,表现出很好的动态特性。     

基于模糊控制的光伏系统MPPT

针对光伏电池的非线性特性和光伏阵列成本高、转换效率低的缺点,为充分提高光伏发电系统的效率,根据最大功率点跟踪原理及常用MPPT方法的优缺点,本文提出了将模糊控制算法应用到光伏系统最大功率点的跟踪控制中。该方法能快速响应外界环境的变化,并且在最大功率点波动比传统方法小。Matlab/Simulink仿真结果证明,该方法能使系统稳定工作在最大功率点,同时能快速准确地跟踪太阳能电池最大功率点。     

基于改进粒子群算法的光伏最大功率跟踪研究

在局部阴影情况下,带有旁路二极管的光伏阵列P-U呈现多峰特性,导致常规的最大功率点跟踪方法失效。针对多峰值问题,在建立和分析光伏阵列P-U特性曲线的基础上,提出了采用自适应变异粒子群算法进行光伏阵列的最大功率点跟踪方法。该算法根据光伏阵列在局部阴影时P-U曲线上功率极值点的分布特点初始化种群,在传统粒子群算法基础上,通过引入自适应权因子和变异机制来加速算法收敛及防止算法陷入局部极值。仿真测试表明,提出的改进方法能够快速有效地实现光伏局部阴影下的最大功率点跟踪,相比于粒子群算法,可有效避免陷入局部极值点,收敛速度更快,且具有应对太阳光照变化的能力,提高了局部阴影时光伏发电的效率。     

改进黄金分割法在光伏发电MPPT中的应用

在光伏发电系统中需要对光伏电池的最大功率点进行跟踪来提高系统的输出功率。以光伏电池输出非线性特性为切入点展开研究,分析了常规算法的优缺点,针对其最大功率点跟踪(MPPT)动态和稳态性能不佳等问题,提出了将改进黄金分割法(IGSS)应用于光伏发电系统中。在Matlab/Simulink下进行了建模和仿真,仿真结果表明该方法能够迅速准确地跟踪光伏电池的最大功率点,防止算法跟踪方向误判情况的发生,表现出良好的动态和稳态特性,证实了该算法的正确性和有效性。     

基于改进扰动观察法的光伏阵列MPPT研究

针对常规扰动观察(P&O)法由于环境快速变化带来的失效性问题,提出一种基于改进P&O法的最大功率点跟踪(MPPT)算法。采用一种压阻可变的方法模拟光伏阵列的输出特性。改进P&O法通过控制Boost变换器的占空比改变变换器的输入电压,从而实现MPPT。以DSP芯片TMS320LF2407A为控制电路主处理器,以Boost变换器为主拓扑电路,搭建了模拟光伏阵列MPPT实验系统。实验结果表明,该改进算法能有效地跟踪光伏阵列最大功率点(MPP)。     

基于PSCAD的光伏发电建模与仿真

讨论了一种考虑太阳光照强度及环境温度变化的光伏阵列数学模型及基于电导增量法的最大功率点跟踪(MPPT)算法,并基于该数学模型和MPPT算法在PSCAD中搭建了光伏阵列和MPPT控制器通用仿真模型,进而搭建了并网光伏发电系统仿真模型分析了变光照强度下的光伏发电系统动态特性,证明了所建光伏发电系统并网逆变器控制策略的准确性和有效性.     

基于NiosⅡ的光伏发电最大功率点跟踪交错式控制研究

讨论了光伏阵列的输出特性,在分析常用光伏发电最大功率点跟踪控制方法(MPPT)的基础上,提出将模糊控制算法用来实现MPPT。在分析对比传统单BOOST电路和交错并联BOOST电路的基础上,得出采用交错并联控制的双BOOST电路有较少的谐波含量,适用于光伏发电这类宽电压输入对象。基于模糊控制MPPT和交错并联控制的双BOOST电路,搭建了用FPGA软核处理器Nios II控制系统实现的光伏发电最大功率点跟踪。实验结果表明系统能在最大功率点处稳定工作,并能快速跟踪外部环境变化,具有较好的动态和稳态性能。     

基于功率闭环控制与PSO算法的全局MPPT方法

基于对现有多峰值最大功率点跟踪(maximum power point tracking,MPPT)方法不足的分析,提出一种基于功率闭环控制的动态MPPT跟踪策略。该方法采用功率闭环方式实现全局最大功率点的定位,利用功率闭环控制在P-U曲线上的局部不稳定现象实现P-U曲线的快速全局扫描,克服了峰值点分布及算法参数取值对MPPT动态过程的影响。同时采用电压截止控制克服了功率闭环控制对系统整体稳定性的影响。采用基于粒子群(particle swarm optimization,PSO)算法的变步长跟踪策略消除了最大功率点跟踪的稳态功率震荡问题。最后,通过仿真与实验验证该方法的可行性和有效性,结果表明,该方法不依赖光伏阵列的已知信息,便可实现静态和动态环境下全局最大功率点跟踪,提高多峰值最大功率点跟踪的动态速度和稳态跟踪精度。     

改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪

针对光伏阵列处于局部遮阴情况下其P-U特性曲线呈现出多极值点特性,传统最大功率点跟踪(MPPT)算法由于搜索机制导致难以跳出局部最优准确跟踪到最大功率点问题,提出一种基于改进鲸鱼算法优化支持向量机回归(SVR)的最大功率点跟踪方法.该方法在普通鲸鱼算法的基础上引入对数权重因子与随机差分变异策略,增强了算法在全局搜索与局...     

基于自适应占空比扰动算法的光伏发电系统MPPT控制

常规的扰动观察法在光伏阵列的最大功率点跟踪中应用广泛,算法简洁,容易实现,但由于采用固定步长扰动,不能同时获得较高的跟踪速度与稳态跟踪精度.针对这个矛盾,提出了一种新的自适应占空比扰动算法,运用Matlab/Simulink对光伏发电系统MPPT控制进行了建模与仿真,并研制了一台控制器,在BOOST变换器上与定步长扰动法进行了对比实验,仿真和实验结果证明该算法能准确快速地跟踪光伏阵列的最大功率点,大大提高了系统的动态和稳态性能.     

光伏系统在部分遮挡条件下的GMPPT算法研究

光伏系统在部分遮挡条件下的输出功率-电压(P-V)特性曲线呈多峰状,此时传统的最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法失效,极大地降低了光伏系统能量转换效率.通过对光伏阵列在部分遮挡条件下的P-V特性进行较为深入的实验分析及研究,基于实验分析及研究结果,设计并提出一种全局最大功率点跟踪(Global Maximum Power Point Tracking,GMPPT)算法以弥补传统MPPT算法的缺陷和不足.测试结果表明该算法可以快速实现在部分遮挡条件下全局最大功率点的追踪.