基于粒子群优化的光伏系统MPPT控制方法

局部遮阴条件下光伏阵列P-V特性引起的多个极值点使常规的最大功率点跟踪(MPPT)算法失效。针对上述问题,提出一种基于粒子群优化算法的控制方法,以解决局部遮阴下的最大功率跟踪问题。实验结果显示,光伏模板的输出电压被稳定地控制在最大功率点附近,证明算法是有效的。     

局部阴影下的光伏阵列MPPT算法研究

存在局部阴影时,光伏阵列的功率-电压(P-V)特性曲线出现多个极值点,电流-电压(I-V)特性曲线呈现阶梯状,使得基于单峰寻优的传统最大功率点跟踪(MPPT)算法失效。为此,在研究遮阴光伏阵列输出特性规律的基础上,提出了一种具有全局搜索能力的MPPT算法。该算法先用粒子群优化(PSO)算法将输入位置调整到全局最优附近,再用变步长电导增量法得到全局最优解。新的算法在减轻系统振荡和加快搜索速度方面做了改进。仿真结果表明,该方法不仅较好地克服了现有算法使用PSO大幅度随机初始化粒子位置而导致系统振荡问题,而且有效利用传统单峰寻优算法的优点,增强了系统搜索的快速性和稳定性,取得了较好的控制效果。     

基于改进蝴蝶优化算法的光伏MPPT方法

为解决光伏发电系统在不均匀光照情况下,传统最大功率点跟踪(MPPT)方法极易陷入局部最优等问题,提出一种改进蝴蝶优化算法的光伏MPPT方法。算法在传统蝴蝶优化算法基础上融合多种优化策略,通过蝴蝶间距来改善切换概率,在算法前期加强全局搜索的概率,加快收敛进程,在算法后期侧重局部搜索,提高稳态精度;通过引入一种正切函数作为全局搜索的权重系数,平衡了系统的稳定性;通过诱导变异来增强种群的多样性,增强摆脱局部最优的概率,同时有效提高收敛速度。仿真结果显示,上述算法相比传统蝴蝶算法在静态阴影、变化阴影下收敛速度更快、震荡幅度更小。     

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.     

基于局部发电障碍检测下的光伏MPPT研究

当外界环境变化或光伏电池内部局部发电障碍时,光伏阵列输出曲线呈现多峰。针对传统算法易陷入局部峰值,而智能优化算法易跟踪到全局最优,提出了一种基于迭代步长累积的粒子群算法。该算法结合扰动观察法检测思想,通过步长渐进变化靠近全局最大功率点。仿真结果验证该算法能够实时在单峰和多峰环境下变化下跟踪到全局最优,输出功率精度高且稳定,收敛速度快。     

基于改进粒子群算法的光伏系统MPPT控制研究

光伏(PV)阵列输出的功率-电压特性曲线在部分阴影条件下具有多个峰值,传统的最大功率点跟踪算法,无法准确跟踪光伏系统的全局最大功率点而且效率低下.由于粒子群优化(PSO)算法非常适合解决多极优化问题,因此,提出了一种随机惯性权重的PSO算法来实现全局最大功率点跟踪.通过改善传统PSO算法的惯性权重系数并优化粒子的搜索顺序,可以减少迭代次数,从而在更短的时间内找到MPP(最大功率点),以确保准确的跟踪最大功率,使系统始终保持最高效率运行.最后,搭建了局部阴影条件下的光伏阵列仿真模型,对提出的算法进行了仿真验证,并与传统的扰动观察法对比分析,仿真结果表明,相较于传统的扰动观察法,利用改进的智能算法,有效地解决了光伏系统在局部阴影条件下准确的追踪系统全局最大功率点的问题,并且加快了系统控制器的响应速度、有效地抑制震荡并且提高了追踪效率.     

局部阴影遮蔽下光伏阵列MPPT算法的研究综述

光伏阵列作为太阳能光伏发电系统的基本发电单元,在局部阴影条件下,它的输出特性发生改变,相应的功率曲线含有多个局域峰值,使常规的最大功率点跟踪算法很难准确地跟踪到真正的最大功率点,在分析常规最大功率点跟踪方法(恒定电压法、扰动观测法、电导增量法)的基础上,对多峰值最大功率点跟踪方法做了比较全面的比较和分析(模糊免疫算法、粒子群优化算法PSO等),为实现光伏阵列在部分遮蔽下实现最大MPPT设计与实现提供参考。     

光伏发电系统MPPT控制仿真模型

在光伏发电系统优化的研究中,为了有效提高太阳能利用率,建立了光伏电池等效电路和数学模型,在MATLAB/Simulink仿真环境下搭建光伏电池通用工程模型,光伏电池通过串并联方式组合成光伏阵列,并利用电导增量法原理通过控制Boost电路占空比实现光伏阵列最大功率点跟踪(MPPT).仿真结果表明:改进模型可仿真任意光照强度、环境温度下,不同型号光伏电池及其串并联组合成光伏阵列的I-V特性,并能较好控制并实现MPPT,模型动态性能好,具有较强的实用性.     

在线扰动优化光伏MPPT模糊控制器

利用可在线优化的模糊控制器进行光伏最大功率点跟踪控制（MPPT）。利用模糊RBF网络根据专家经验建立初始模糊控制器,在模糊控制器输出的控制量上叠加正态分布的随机扰动,根据控制效果自适应地构造和调整模糊规则。根据控制效果记录器的结果决定是否叠加扰动,以削弱功率震荡现象。该方法可以减轻对模糊控制器相关参数进行离线调整的工作量。仿真结果表明该方法在光伏MPPT控制中的有效性。     

基于自适应线性调节抗干扰PSO的光伏群体MPPT控制

光伏发电已成为新能源发电的主要研究方向,但当外界环境发生突变或由于遮挡使光伏阵列出现阴影时,传统的最大功率点跟踪(MPPT)算法会出现误判或因陷入局部最大功率点等问题而失效。针对这些问题,提出了一种自适应线性调节的粒子群(PSO)算法,并采用一个MPPT控制器同时实现多支路光伏阵列群体MPPT控制。最后,通过仿真验证所提控制策略的有效性。结果表明,自适应线性调节PSO群控方法振荡小,可实时精准跟踪最大功率点,控制电路较为简单,降低系统控制成本。     

基于光伏阵列模型预测的混合型MPPT研究

阴影条件下光伏阵列的输出特性曲线呈现多峰值特性,现有的在线式MPPT方法的追踪时间长,追踪过程中电压波动大,容易造成阵列失配.为解决这一问题,提出了一种基于模型预测的混合型MPPT算法,将初步寻优过程放入软件中处理,通过“检测—预测—再寻优”的过程完成多峰值情况下的MPPT.建模仿真证明:与现有MPPT方法相比,基于模型预测的混合型MPPT算法能够有效缩短系统的寻优时间,且电压波动更小,适用于阴影条件下光伏阵列的最大功率追踪.     

基于无线传感器网络的光伏系统MPPT应用研究

光伏电池输出的功率随外界环境条件的变化而变化,通常采用最大功率点跟踪技术以获得最大功率输出。结合无线传感器网络(WSNs)节点的工作方式与光伏系统的特点,提出了一种基于WSNs的光伏系统最大功率点跟踪技术。针对开路电压法的不足,利用WSNs节点的测温工作方式来进行温度补偿。当系统工作在最大功率点附近时,引入阻抗匹配算法,可有效消减光伏输出功率在最大功率点处的振荡现象,从而提高系统效率。仿真结果验证了该方法的可行性和有效性。     

A hybrid intelligent GMPPT algorithm for partial shading PV system

Maximum power extraction for PV systems under partial shading conditions (PSCs) relies on the optimal global maximum power point tracking (GMPPT) method used. This paper proposes a novel maximum power point tracking (MPPT) control method for PV system with reduced steady-state oscillation based on improved particle swarm optimization (PSO) algorithm and variable step perturb and observe (P&O) method. Firstly, the grouping idea of shuffled frog leaping algorithm (SFLA) is introduced in the basic PSO algorithm (PSO–SFLA), ensuring the differences among particles and the searching of global extremum. Furthermore, adaptive speed factor is introduced into the improved PSO to improve the convergence of the PSO–SFLA under PSCs. And then, the variable step P&O (VSP&O) method is used to track the maximum power point (MPP) accurately with the change of environment. Finally, the superiority of the proposed method over the conventional P&O method and the standard PSO method in terms of tracking speed and steady-state oscillations is highlighted by simulation results under fast variable PSCs.     

基于分组粒子群的光伏最大功率点跟踪方法

针对光伏发电系统在复杂遮阴条件下,光伏输出P-V特性曲线呈现高度非线性,采用基于分组粒子群算法（particle swarm optimization, PSO）和优化的扰动观察法(perturb and observe, P&O)相结合的MPPT（maximum power point tracking）算法进行光伏发电系统输出功率的提升。提出的最大功率点算法分为两个阶段,首先通过将混合蛙跳算法(shuffled frog leaping algorithm, SFLA)的分组思想引入到传统粒子群算法,并采用改进后算法实现近似全局最大功率点的快速搜索,以加快最大功率点跟踪的收敛速度和稳定性。然后,采用优化的扰动观察法实现最大功率点附近的动态精确跟踪,同时减少后续最大功率点跟踪过程中的计算量。通过在不同阶段发挥两种MPPT算法的各自优点来提高光伏最大功率点跟踪控制的效率。最后进行光伏系统遮阴条件变化的仿真实验,与传统粒子群算法相比,提出MPPT方法具有较快的跟踪速度和稳定的功率输出。     

基于光伏电池输出特性的MPPT算法研究

为了寻找更好的实现光伏发电系统最大功率点跟踪控制方法,基于单个光伏电池的物理特性建立了太阳能光伏电池阵列的Matlab仿真模型,分析了太阳能光伏电池阵列所具有的随着光照强度和温度不同而变化的P-U和I-U非线性特性.基于光伏电池的动态特性,在最大功率点跟踪算法的设计中增加一个电流监测回路,并结合自寻优技术对电导增量法进行改进,提出了一种自适应变步长寻优算法.仿真结果表明,该算法能够快速准确的跟踪最大功率点.     

基于多轮PSO算法的中长期动态优化配矿研究*

中长期动态优化配矿是研究如何制定在一个较长时期内采矿顺序与配矿的问题,是一个高度非线性受限条件下的多目标优化问题。采用多轮粒子群算法(particle swarm optimization algorithm, PSO)来求解矿山企业动态配矿问题。首先,依据开采条件圈定出可开采的矿块,并给出预测的产品价格趋势结果作为算法的输入条件;然后,通过对PSO算法轮的划分以确定每轮的动态配矿方案,经过多轮PSO算法优化后的最终目标为中长期动态配矿的优化结果。在PSO算法中用粒子的一位来代表矿块,并用0或1来代表选择     

基于改进粒子群算法的移动机器人路径规划

为了提高复杂环境下移动机器人的精准导航作用,提出了移动机器人路径规划的改进粒子群优化(PSO)算法,即利用粒子个体极值的加权平均值,同时加入惯性权重.建立了移动机器人工作环境的栅格模型,利用Matlab软件进行移动机器人路径规划仿真分析.仿真结果表明:改进后的粒子群算法容易使粒子移动到最佳位置,加强了全局寻优能力,在复杂环境中搜索路径性能优于传统算法.