基于多点扫描与动态阻抗匹配的局部阴影下光伏寻优控制策略

为了提高输出功率,光伏阵列运行点通常设置在最大功率点附近,当光伏阵列受到阴影影响时出现多峰值的最大功率点,常规的最大功率跟踪算法容易陷入局部最优点而使寻优追踪失败。在此提出采用多点扫描方法对光伏输出P-V曲线进行采样处理,筛选出最大功率点存在区域,然后结合动态阻抗匹配算法进行最大功率跟踪,快速确定最大功率点,实现多峰值寻优和快速追踪最大功率。仿真实验证明多峰值寻优控制策略能有效提高阴影条件下的最大功率跟踪算法准确性和效率。更多还原     

分布式光伏发电系统多峰值MPPT优化研究

针对实际应用中环境复杂性导致光伏阵列的输出呈现多峰值现象,而传统控制方法在此情况下存在无法持续高效的跟踪到最大功率点的难题,将优化的多峰值支持向量机函数和具备快速收敛特性的猫群算法相融合,提出一种基于自适应权重迭代收敛的改进型猫群算法(IMCGA),并用于解决局部遮阴情况下的多峰值寻优问题,从而实现太阳能发电系统的最大功率跟踪功能。通过搭建光伏电池的数学模型,分析局部遮阴情况下光伏电池的多峰值输出特性;通过详细分析IMCGA智能算法中自适应权重和变异算子的优化构造,阐述IMCGA算法在局部遮阴的光伏系统最大功率点跟踪的实现过程。最后,通过与一系列传统控制算法进行对比仿真实验,显示所提出控制算法的优越性。     

快速变化环境条件下最大功率点跟踪方法

针对光伏发电系统在光照强度、环境温度等参数改变的情况下,能够进行动态快速追踪,从而解决高效的追踪最大功率点的科学技术难题,提出一种快速变化环境条件下最大功率点跟踪方法。该方法的实现由控制系统分析实时检测到的光伏电池阵列的输出电压和电流,通过最大功率跟踪算法MPPT计算输出量,控制BOOST驱动电路中的IGBT占空比,从而改变负载特性,实现最大功率点快速、精确地跟踪。利用该方法研究开发的光伏发电系统装置,除适用于太阳能光伏发电系统光伏阵列在环境条件一定外,特别适用于光伏阵列在光照突变以及在部分遮挡(如云层、建筑物、植物等)等复杂条件下,光伏发电系统最大功率输出的工作状况。     

结合混沌粒子群的分布式最大功率点跟踪

光伏阵列在局部阴影环境下输出特性呈现出多峰曲线,传统最大功率点跟踪(MPPT)算法在多峰寻优的过程中容易陷入局部极值,致使光伏阵列效率低下.为了提高局部阴影下光伏阵列的输出效率,提出一种基于分布式架构的混沌粒子群最大功率点跟踪(CPSO-DMPPT)算法,并通过PSIM平台对所提出的算法进行仿真验证.实验结果表明:CPSO-DMPPT算法能在多峰曲线中寻找到最优点,拥有更快速的响应速度和更优的全局搜索能力,其分布式架构可有效地提高光伏阵列的输出效率.     

独立光伏阵列全局最大功率点跟踪控制技术

受多种因素影响,传统独立光伏阵列跟踪方法跟踪效率低、速度慢,为此提出一种独立光伏阵列全局最大功率点跟踪控制技术。通过建立独立光伏阵列工程仿真模型,模拟在实际工程中的光伏阵列发电特性;分析独立光伏阵列输出特性,得到I-U特性曲线和P-U特性曲线;利用梯度法跟踪全局最大功率点,观察P-U特性曲线存在的扰动,求得P-U特性曲线上的最大值。经实验论证分析,在无阴影条件下,该方法的振荡范围更小,跟踪速度更快;在静态阴影条件下,跟踪精度更高,具有良好的控制能力;在动态阴影条件下,能够在阴影突变后再次准确找到全局最大功率点。     

复杂关照环境下光伏阵列MPPT算法

光伏阵列处于复杂光照环境时,其P-V（power-voltage）输出特性曲线会出现多个功率峰值点,传统的最大功率点跟踪（Maximum Power Point Tracking,MPPT）算法大多无法收敛于最大功率点,造成光伏阵列输出效率下降。为解决上述问题,首先对复杂光照环境下光伏阵列的输出特性进行了理论推导,建立了仿真模型,结合P-V特性曲线总结了功率峰值点的相关特性,提出了一种多重区间最大功率点跟踪算法。仿真结果表明,该算法能够快速、准确地跟踪光伏阵列的最大输出功率。     

局部阴影条件下光伏发电MPPT的研究

针对光伏发电系统传统的最大功率点跟踪算法在局部阴影下发生算法失效、功率损失较大以及无法准确找到最大功率点等问题。通过局部阴影下光伏阵列的理论分析,在Matlab/Simulink环境下搭建3.5kW单级式光伏并网逆变器仿真模型,并基于粒子群算法的全局最大功率点跟踪控制策略,对局部阴影遮蔽下的光伏阵列进行最大功率点跟踪,采用Matlab/Simulink仿真软件,对局部阴影条件下光伏阵列MPPT进行仿真研究。仿真结果表明,当不均匀光照发生时,光伏阵列输出功率曲线存在若干个局部最大功率点LMPP1、LMPP2、LMPP3,随着不均匀光照对象的增加,功率曲线的"阶梯状"越来越明显,光伏阵列特性受其影响越来越大。因此,该控制策略能够快速准确地实现均匀光照和不均匀光照条件下的光伏阵列最大功率点跟踪,有效地提高了光伏发电效率和实际应用水平。     

局部阴影下光伏阵列的Matlab仿真模型与特性分析

局部阴影条件下,光伏阵列输出特性曲线呈阶梯状,传统电池模型不再适用,需搭建阴影条件下光伏阵列模型.通过详细地对串联、并联阵列进行理论推导研究,总结出光伏阵列的输出特点.在MATLAB中搭建了适用于各种条件下的光伏阵列仿真模型.并在搭建的仿真模型上研究了变化的云层和阵列结构对光伏阵列输出特性的影响,并将输出特性运用三维仿真图形进行直观模拟.通过得到不同阴影条件下光伏阵列输出特性,为研究阵列结构优化及多峰值最大功率点跟踪奠定了基础.     

基于神经网络的光伏发电最大功率点跟踪算法

由于光伏阵列电压和电流的非线性,光伏发电输出能量存在最大功率点.为提高光伏发电系统的发电效率,提出了一种基于神经网络和Cuk变换器对光伏阵列最大功率点跟踪的算法.神经网络输入变量为温度和光照强度,学习算法采用梯度下降法,输出量为电压信号,用于调节Cuk变换器的开关占空比.仿真结果表明,该算法最大功率点跟踪控制精度较高,响应迅速,且系统适应性良好.     

基于改进微扰观察法的最大功率跟踪系统的实现

为了提高光伏系统的效率,需对光伏阵列进行最大功率点的跟踪控制.根据太阳能光伏阵列的输出特性,在传统微扰观察法的基础上采用了一种新的变步长的改进算法进行最大功率点跟踪,克服了定步长跟踪的弊端.利用AVR单片机设计了一台具有最大功率点跟踪功能的光伏发电电源系统,并对其进行了仿真.结果表明,该改进算法能够有效提高系统对光伏阵列的最大功率点跟踪的效率,说明该系统具有一定的实用性.     

基于分段控制的光伏全工况MPPT研究

光伏(PV)阵列输出特性随运行环境及自身工况的变化而变化.为满足不同工况下最大功率点跟踪(MPPT)控制需求,在对光伏阵列各工况下输出特性进行分析的基础上,提出了一种改进量子粒子群算法(QPSO)与扰动观察法相结合的MPPT分段控制方法.在跟踪控制初期,采用非一致性自适应变异DCWQPSO算法进行最大功率点全局搜索,使功率点快速收敛至最大功率点附近,提高跟踪速度;在跟踪控制后期,采用闭环模糊控制扰动观察法进行最大功率点局部搜索,提高跟踪精度.Matlab仿真结果表明,该分段控制方法在光伏阵列各工况下仅需0.32 s即可完成MPPT,并保持稳定,比其他控制方法具有更快的跟踪速度及更高的跟踪精度,可有效提高光伏发电效率.     

两级式光伏并网系统的单参数最大功率点跟踪研究

光伏并网发电系统是光伏系统发展的趋势,为提高太阳能的利用率,最大功率点的跟踪成了一个关键问题．常用方法是直接检测太阳能电池的输出电压和输出电流,连续计算太阳能电池的输出功率,通过寻优的方法来获得太阳能电池的最大功率．根据两级式光伏并网系统的特性及最大功率点跟踪原理,提出采用检测系统逆变器的输出电流1个参数,也能实现最大功率点跟踪．基于TMS320LF2407控制的硬件电路,实现了快速准确跟踪最大功率点的要求．     

基于DSP的太阳能阵列最大功率跟踪技术研究

太阳能光伏阵列的输出特性受外界环境因素的影响.为了跟踪太阳能光伏阵列的输出功率最大点,实现光伏阵列和负载的匹配,就需要有效的跟踪算法.而之前研究最大功率跟踪的方法有很多:固定电压法、登山法、微分导纳法等.本文通过对太阳能电池的伏安特性及功率电压曲线的分析,找到了一种新型的最大功率点跟踪方法:将扰动观察法和穷举法、成功失败法相结合,从而可以快速地跟踪太阳能电池的最大功率点.通过TMS320LF2407控制的硬件电路与最大功率跟踪方法相结合,从而实现跟踪最大功率的要求.通过验证表明,这种算法能够快速准确地跟踪最大功率点.     

局部阴影下光伏阵列的三步MPPT算法

在局部阴影的情况下,光伏阵列的P-V特性曲线呈现多峰值特点,传统的跟踪方法常常会受限于局部最大功率点而导致跟踪失效,而智能算法跟踪时间过长。因此,在两类算法研究的基础上,提出了基于扰动观察法和猫群算法结合的最大功率跟踪算法,该算法采用大步长扰动观察法缩小搜索范围;采用猫群算法进行全局搜索最优局部;采用步长逐次逼近的扰动观察法在最优局部内寻找最大功率点。该算法能准确快速地跟踪到全局最大功率点,分别与猫群算法和扰动观察法进行比较分析,验证该算法的有效性。     

基于全局扫描的局部遮挡下MPPT算法研究

局部遮挡下,由于光伏阵列输出功率—电压(P-U)曲线具有多峰值,致使MPPT技术因收敛于局部最大值点而无法发挥作用。鉴于此,采用扰动观察法的全局搜索方法克服上述问题,实现在多峰值情形下最大功率点有效跟踪。同时,测试实验表明该方法具有相对较好的快速性与有效性。     

基于改进粒子群算法的光伏MPPT控制研究

针对局部阴影使光伏阵列呈现多峰值的现象,提出了一种基于改进粒子群的全局MPPT寻优算法。该算法首先采用大步长扰动观察法进行一次寻优,然后通过非线性动态改进惯性权重策略对粒子群算法改进,用改进粒子群算法进行二次全局寻优,最后使用变步长扰动观察法进行三次迭代寻优。仿真结果表明,混合算法能够在不同阴影条件下快速、准确地跟踪最大功率点,避免系统陷入局部最优值,具有良好的动态性、稳定性和高效性。     

支持向量机预测光伏发电系统最大功率的算法研究

户用光伏系统受外界环境影响较大,特别是局部遮阴或光照不均等情况下光伏阵列的P-V特性出现多个极值点,使得常规的最大功率跟踪算法失效.本文提出了基于支持向量机回归拟合的最大功率预测模型,对光伏阵列的最大功率点进行预测跟踪,用Matlab/Simulink对算法进行仿真实验.实验表明,预测模型具有较高的精度和效率,控制系统运行稳定,对于环境的变化有较好的响应能力.     

局部阴影条件下光伏阵列MPPT模糊控制最优算法

针对局部阴影条件下,光伏阵列功率-电压(P-V)特性曲线呈现多个峰值,导致最大功率跟踪(MPPT)算法易陷入局部最优解问题,本文提出了基于负载电压反馈与模糊控制相结合的MPPT算法.通过负载电压闭环控制算法使系统输出功率快速稳定到最大功率点附近,再利用模糊控制算法跟踪到最大功率点.负载电压反馈算法解决了多峰场景下的局部最优解问题,模糊控制算法提高了算法收敛速度.同时,本文算法避免了粒子群算法在粒子切换过程中开关器件上过冲电压过大问题.Matlab仿真和硬件实验验证了本文算法的可行性和实用性.     

局部阴影条件下基于MMC换流器的光伏并网

提出了局部阴影条件下基于模块化多电平(MMC)的光伏并网系统,并设计了该系统的控制策略。光伏阵列经DC-DC变换电路调节后并入电压源型换流器,构成子模块PSM,子模块PSM和电抗器串联组成MMC。控制系统包括启停控制、最大功率点控制以及并网控制。启停控制,在能量反馈阶段采用直流电压控制策略,在电容放电阶段采用三相同时放电策略;最大功率点跟踪控制采用扰动观测法。利用Matlab/Simulink对光伏并网系统进行仿真,仿真结果表明:该系统能提高太阳能利用率,降低并网输出波形的谐波含量,实现功率独立控制。     

单周控制光伏并网系统的最大功率控制研究

单周控制的单级全桥光伏并网系统具有容量大、效率高、成本低等优点.但现有基于单周控制的光伏电池最大功率跟踪存在着难以搜索最大功率点、难以稳定工作在最大功率点以及搜索精度差等缺点.针对以上不足,提出了基于增量电导的光伏电池最大功率跟踪算法,该算法将光伏电池输出功率引入到单周控制的输入量中,同时优化了光伏电池输出电压的给定量.该算法在硬件上实现简单,仿真和实验结果表明该算法能够准确跟踪光伏电池最大功率点,并具有较高的精度和稳定性.