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。     

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。     

递推最小二乘法与细菌觅食算法相结合的光伏阵列MPPT控制方法

要： 针对复杂应用环境下光伏阵列的P-V输出特性曲线呈现多峰值的问题,提出了一种递推最小二乘法与细菌觅食算法相结合的光伏阵列最大功率点跟踪算法,分析了复杂应用环境对光伏最大功率点跟踪控制的影响。针对状态变化造成的多功率极值问题,首先运用递推最小二乘法进行滤波预处理,再采用细菌觅食优化算法准确跟踪到了全局最大功率点。MPPT仿真和试验结果均表明,该算法成功摆脱了局部最优解的约束,可准确跟踪阵列全局最大功率点且有效抑制了电磁噪声。与单纯的细菌觅食算法相比,本文算法精度更高,为光伏阵列最大功率点跟踪提供了一种实现方法。     

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。     

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。     

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%。     

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。     

光伏系统多峰值MPPT控制方法研究

实际光伏系统在被部分遮挡的情况下,带有旁路二极管的串联光伏组件呈现出多峰值的输出特性。为得到全局最大功率点,需要对其进行多峰值最大功率点跟踪（MPPT）。在单峰值MPPT控制算法的基础上,提出新的多峰值MPPT控制方法,能够通过4步,实现对最大功率点的有效跟踪。该算法的关键在于确定输出特性的谷值,以便进行定界和多区域搜索。最后通过仿真实例验证该算法的有效性。     

阴影遮挡下的光伏组件特性分析

在阴影遮挡情况下,光伏组件的输出特性及最大功率点电压根据遮挡的情况不同而不同,因此对输出特性和最大功率点电压随遮挡情况变化的关系的研究具有重大意义。本文首先分析了实际光伏电站的常见分布方式的输出特性,通过仿真分析得出在遮挡情况下电池板输出特性与遮挡组串和光照强度变化的关系。根据此关系在遮挡情况下将更好的定位最大功率点电压,从而输出最大功率。     

阴影遮蔽条件下光伏发电效率的增大方法

受阴影遮蔽影响,光伏阵列输出功率下降,功率曲线呈现多峰值,使传统的最大功率点(MPPT)算法失效陷入局部极值点。基于光伏电池的等效电路模型,在正常和有阴影遮蔽情况下对光伏组件串并联输出特性进行仿真,分析功率曲线上局部极值点的产生原因及变化规律。针对阴影遮蔽对光伏发电效率的影响,提出建立微型光伏发电系统,采用光伏组件间解耦的方法,跟踪每个光伏组件的最大功率点,使光伏发电效率达到最优。试验结果验证了该方法的可行性,为今后光伏电站的建设提供了指导。     

局部阴影条件下光伏组件性能实验研究

局部阴影遮挡严重影响光伏组件的输出特性,通过光伏组件的变比例遮挡以及特定比例下变化遮挡部位的方式对上述问题开展实验研究。研究表明:光伏组件受到阴影遮挡的比例越大,输出特性越差,10%为遮挡比例的转折点,超过之后特性曲线下降斜率陡增,当组件被遮挡20%以上时,最大输出功率Pm接近于零,特性曲线已不完整。分析10%遮挡面积下不同遮挡方式对输出特性和发电量的影响,光伏组件的Pm随单体电池被遮挡比例的增加而减小,给出不同遮挡方式下组件的功率损失。     

基于等功率曲线法的多峰值MPPT算法研究

为实现光伏阵列最大功率跟踪控制技术的优化,首先对不同温度、光照、遮挡模式下的光伏阵列进行建模分析,由输出特性曲线,深入分析遮挡模式对全局最大功率点的影响。提出一种基于等功率曲线法的最大功率跟踪方法,定性解决了陷入局部极值而使得跟踪失败的问题,可提高光伏阵列的输出功率,为多峰值下最大功率点跟踪技术的研究提供了一种新思路。     

基于混合逻辑动态的MPPT建模仿真

针对光伏阵列的输出特性,分析最大功率点跟踪的控制原理,通过建立混合逻辑动态模型,提出一种新的MPPT控制算法——基于混合逻辑动态的功率预测控制算法。与扰动观察法进行比较,仿真结果表明该算法不但可实现对最大功率点的跟踪,同时也可改善整个光伏系统的动态性能,保证最大功率点跟踪的精准性,实现整个系统控制的快速性,验证了该算法的优越性。     

光伏发电的最大功率跟踪算法研究

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输出功率最大点,实现光伏阵列和负载的匹配,常在系统中加入最大功率跟踪器。准确跟踪太阳能光伏阵列的最大输出功率点依赖于有效的搜索算法。分析了传统的扰动观察法和增量电导法的特点,并提出了一种新的变步长寻优算法。通过验证表明,这种算法能够快速准确地跟踪最大功率点。     

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。     

局部阴影遮挡下大尺寸光伏组件的输出特性研究

以太阳电池尺寸为210 mm×105 mm、电路结构为并串结构的大尺寸光伏组件为例，首先分析单片太阳电池不同阴影遮挡比例时的情况，然后分析光伏组件6种不同阴影遮挡比例和18种典型阴影遮挡位置和形状对大尺寸光伏组件输出特性的影响。结果表明：随着单片太阳电池阴影遮挡比例不断增大，二极管始终未导通，但光伏组件的最大功率逐渐降低，最后降至初始功率的2/3；阴影遮挡比例对采用并串电路结构的大尺寸光伏组件的I-V特性的影响是非线性的。对于整块光伏组件而言，阴影遮挡比例越大，光伏组件的最大功率越小；在同一阴影遮挡比例下，集中阴影遮挡对光伏组件最大功率损失的影响更大。     

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。     

基于跳跃策略的多峰值光伏阵列最大功率点跟踪

提出一种基于跳跃策略的跟踪算法,利用改进后的负载线函数,使工作点跳出局部最优区间,结合传统的电导增量法,能够迅速定位出各个局部区间的最大功率点,从而实现全局最大功率点的跟踪。在Matlab/Simulink中建立符合光伏组件特性的模型,通过模拟光伏阵列从光照强度均匀到局部遮挡的过程检验算法的有效性。结果表明,在光照条件变化过程中能准确定位出全局最大功率点。     

局部阴影条件下光伏阵列MPPT算法研究

详细分析光伏阵列在均匀光照和局部阴影条件下的分段输出特性,并在此基础上提出一种基于分段模型的全局最大功率点跟踪算法,在局部阴影条件下快速定位全局最大功率点(GMPP)所在分段,再结合优化的增量电导法将工作点收敛于GMPP。通过仿真模型,模拟从均匀光照到局部阴影条件再到均匀光照变化过程中新算法的跟踪效果,结果表明,新算法无论在均匀光照还是在局部阴影条件下,均能准确跟踪到GMPP,且工作点在GMPP附近偏差极小。     

基于步长优化的扰动观察法最大功率点跟踪算法研究

光伏阵列的功率输出极易受到光照强度、温度变化等环境因素的影响。为了保证光伏发电系统保持高效的输出,最大功率点跟踪技术就显得尤为重要。针对目前的最大功率点跟踪技术仍存在功率振荡、步长选择以及跟踪时间等问题,提出一种基于功率对电压的导数变化的变步长最大功率点跟踪算法。通过实时数字仿真器建立半实物125 kW“T”型三电平三相光伏发电系统,对比分析了改进型算法和传统两段步长算法的静态特性和动态特性,实验结果表明：所提出算法具有更好的有效性和实用性。