基于猫群算法的光伏阵列多峰MPPT控制策略

在复杂应用环境下,光伏系统输出特性曲线通常呈多峰状、带噪声等特点,且由于光照强度的时变性,导致输出功率变化较快,对最大功率点跟踪(MPPT)算法的实时性、准确性有更高的要求。采用猫群算法(CSO)结合递推最小二乘法对光伏阵列多峰MPPT进行控制,很好地利用了猫的懒散性,多数时间内进行搜索,而少数时间进行跟踪,缩短了收敛时间;同时采用递推最小二乘法,有效提高了最优解的精度。最后,通过仿真和实验分析,并将该算法与多种智能算法比较,验证了该控制策略的实时性和高效性。     

基于人工鱼群算法的光伏阵列多峰MPPT控制策略

光伏系统在复杂应用环境下输出特性具有时变非线性、多功率极值和量测噪声的特点。人工鱼群算法具有良好的克服局部极值、获得全局最优值的能力,非常适合解决非线性多极值函数寻优问题。分析了复杂应用环境下光伏阵列输出特性,将最小二乘滤波与人工鱼群算法结合,应用于复杂应用环境下光伏最大功率点跟踪控制,削弱复杂应用环境影响,提高跟踪精度,最后通过仿真与实验验证该跟踪策略的有效性。     

交互式多模型七阶容积卡尔曼滤波算法

为提高非线性机动目标的跟踪精度,提出交互式多模型七阶容积卡尔曼滤波(IMM-7th CKF)算法。采用对非线性系统滤波效果更好的七阶容积卡尔曼滤波(7th CKF)作为交互式多模型(IMM)算法的子滤波器,对各模型状态进行估计,将IMM算法和7th CKF结合起来,提高对非线性机动目标的跟踪效果,最后采用典型机动目标跟踪问题验证IMM-7th CKF的跟踪性能。仿真结果表明,IMM-7th CKF相比交互式多模型容积卡尔曼滤波(IMM-CKF)和交互式多模型五阶容积卡尔曼滤波(IMM-5th CKF)具有更高的滤波精度。     

基于混沌量子蜂群优化SVR的多峰MPPT算法研究

针对局部阴影条件下光伏阵列P—V曲线具有多峰特性,而传统的MPPT算法无法有效跟踪其最大功率点的问题,研究了一种多峰MPPT算法。采用混沌搜索和量子计算对传统蜂群算法进行改进,并将改进后的算法应用于支持向量回归机(SVR)的参数寻优,最终实现了基于混沌量子蜂群优化SVR的多峰MPPT算法。通过仿真和实验对算法的有效性进行了验证。实验结果表明:该算法在均匀光照或局部阴影条件下均能够准确跟踪全局最大功率点,有效克服了传统MPPT算法容易陷入局部极值的问题。     

基于神经网络的光伏阵列多峰MPPT的研究

为了减少神经网络训练数据的数量,根据局部阴影条件下光伏阵列的输出特性,提出基本阴影遮挡类型概念,使得神经网络仅需要训练少量数据,就可以准确地预测最大功率点电压。首先,通过实际光伏阵列数据测试仅训练基本阴影遮挡类型的BP神经网络对最大功率点电压的跟踪效果。然后,搭建光伏发电MPPT仿真系统,对比扰动法、固定电压法和BP神经网络结合扰动法在阴影类型、光照强度和温度三方面变化时对MPP的跟踪效果。最后,通过分析表明,经过基本阴影遮挡类型训练的BP神经网络结合扰动法能够有效地跟踪最大功率点,即基本阴影遮挡类型能够减少神经网络跟踪多峰MPP的训练数据获取量。     

基于混沌量子蜂群优化SVR的多峰MPPT算法研究北大核心

针对局部阴影条件下光伏阵列P—V曲线具有多峰特性,而传统的MPPT算法无法有效跟踪其最大功率点的问题,研究了一种多峰MPPT算法。采用混沌搜索和量子计算对传统蜂群算法进行改进,并将改进后的算法应用于支持向量回归机(SVR)的参数寻优,最终实现了基于混沌量子蜂群优化SVR的多峰MPPT算法。通过仿真和实验对算法的有效性进行了验证。实验结果表明:该算法在均匀光照或局部阴影条件下均能够准确跟踪全局最大功率点,有效克服了传统MPPT算法容易陷入局部极值的问题。     

粒子群算法在光伏阵列多峰MPPT中的应用

为了解决在局部阴影的条件下,传统的最大功率点跟踪(MPPT)控制方法不能准确跟踪到最大功率点的问题,采用了粒子群优化算法,并通过粒子初始位置的设定、粒子群算法参数的设定和终止策略的制定提高了算法的准确性。通过添加粒子淘汰环节,提高了算法的执行效率。在Matlab/Simulink环境下进行了仿真,并且对仿真结果进行了分析,验证了该方法的正确性。     

强跟踪平方根容积卡尔曼滤波SLAM算法

针对移动机器人在状态突变时同步定位与地图构建精度下降的问题,提出了强跟踪平方根容积卡尔曼滤波SLAM算法(STF-SRCKF-SLAM)。该算法首先根据移动机器人的运动学模型和观测模型进行预测,然后通过直接传播误差协方差矩阵的平方根因子进行更新,使计算复杂度大大降低。同时在预测和更新过程中引入时变渐消因子,实时调整相应数据权值,达到提高机器人定位精度的目的。仿真实验结果表明,相比容积卡尔曼滤波SLAM算法(CKF-SLAM)、平方根容积卡尔曼滤波SLAM算法(SRCKF-SALM),STF-SRCKF-SLAM算法均方根误差降低了26.25%和13.8%,运行时间减少了1.83%和1.21%,表明该算法在SLAM性能上更优。     

基于自适应容积卡尔曼滤波算法的电力系统动态谐波状态估计

由于传统的谐波状态估计的参数辨识算法要求噪声的协方差矩阵固定不变,而实际工程中噪声的协方差矩阵是随时间变化的,工程中存在错误的量测数据,导致传统参数辨识算法估计的谐波电流参数的准确度较低。因此,提出自适应容积卡尔曼滤波算法来提高辨识谐波电流参数的准确度。首先,针对时变噪声干扰,采用基于渐消记忆指数加权法的噪声估值器算法生成时变噪声的协方差矩阵;其次,针对错误的量测数据,采用开窗估计算法修正错误的量测数据;然后,将修正的噪声协方差矩阵和量测数据代入容积卡尔曼滤波算法中,对谐波电流参数进行估计;最后,搭建IEEE 13节点系统仿真模型,验证了自适应容积卡尔曼滤波算法在时变噪声干扰及量测数据错误情况下仍可准确地估计谐波电流参数,确保了动态谐波状态估计的准确性。     

基于自适应容积卡尔曼滤波的动态谐波检测

对电网中的谐波进行实时、准确的检测是有效治理谐波的前提。针对某些运行工况下电网中出现的动态谐波,提出了一种基于自适应容积卡尔曼滤波的动态谐波检测算法估计谐波信号的幅值和相角。首先针对传统卡尔曼滤波处理非线性关系上的局限性,利用容积卡尔曼滤波不需要任何线性化关系的特性估计谐波的状态向量和误差偏差矩阵,然后引入噪声估值遗忘因子来实时更新系统的噪声矩阵方程。最后通过对比实验,验证了该算法在动态谐波检测上的优越性能,并将其应用于有源滤波器的谐波检测中。     

基于鲁棒容积卡尔曼滤波器的发电机动态状态估计

同步相量测量单元(PMU)能够对电力系统动态过程中发电机功角进行直接量测。然而,坏数据有可能导致状态估计准确度下降甚至失效。提出了一种基于鲁棒性容积卡尔曼滤波(CKF)的机电暂态过程发电机动态状态估计方法。在CKF中构造时变多维观测噪声尺度因子,根据量测新息对PMU量测误差进行调整,使得量测量能够对状态量预报值进行准确修正。给出了时变多维观测噪声尺度因子的具体构造方法。针对滤波增益求逆发生奇异的问题,提出解决方案,对鲁棒CKF动态状态估计过程进行说明。仿真结果表明该方法能够有效抑制量测坏数据对动态状态估计的影响。     

基于平方根容积卡尔曼滤波的发电机动态状态估计

发电机动态状态估计是电力系统动态安全分析的重要内容。针对容积卡尔曼滤波(CKF)在迭代中协方差阵不对称或非正定导致的估计精度下降甚至滤波发散问题,利用平方根滤波(SRF)能确保协方差阵非负定和数值稳定性方面的优势,提出基于平方根容积卡尔曼滤波(SRCKF)的发电机动态状态估计方法,并给出了计算步骤。最后,利用仿真系统和实际系统比较了SRCKF、CKF和无迹卡尔曼滤波(UKF)三种算法的估计性能,证明了SRCKF算法能够解决CKF滤波中因协方差阵非正定导致的滤波发散问题;同时SRCKF算法在计算效率、滤波精度和数值稳定性方面均优于CKF和UKF算法。     

基于粒子群优化算法和电导增量法的多峰值MPPT控制

复杂环境条件下,光伏阵列由于被遮挡其输出特性呈现多峰值特性,传统最大功率点跟踪MPPT(maximum power point tracking)算法不再适用。为此,在研究光伏阵列多峰值输出特性的基础上,提出一种基于粒子群优化PSO(particle swarm optimization)算法和电导增量法INC(incremental conductance)的多峰值MPPT算法。该算法分成2步:第1步先由PSO算法将输入位置调整到最优值附近;第2步再由INC算法得到全局最优解,其中对传统PSO算法进行改进,INC算法采用变步长扰动。在Matlab中进行仿真,结果表明该算法可实现复杂环境条件下的最大功率跟踪,并具备较快的响应速度和稳定的寻优效果。     

基于模拟定位电路的多峰值MPPT方法

针对局部遮荫或者不同特性光伏组件组合的光伏发电系统,提出一种基于模拟定位电路的多峰值最大功率点跟踪方法。采用硬件模拟定位电路和软件数字控制算法相结合的方式,先利用定位电路在极短的时间内准确地找到多峰值情况下的全局最大功率点,再选择相应的控制算法进行跟踪调节和保持稳定,最终实现光伏发电系统的最大功率输出。与传统功率曲线扫描方法相比,该方法不需要使用高速的AD转换电路,对后级控制电路的扰动小,并且对系统工作效率的影响也非常小。仿真和实验的研究结果表明所提方法易于实现,稳定可靠。     

Dynamic State Estimation for DFIG with Unknown Inputs Based on Cubature Kalman Filter and Adaptive Interpolation

Dynamic state estimation(DSE) accurately tracks the dynamics of power systems and demonstrates the evolution of the system state in real time. This paper proposes a DSE approach for a doubly-fed induction generator(DFIG) with unknown inputs based on adaptive interpolation and cubature Kalman filter(AICKF-UI). DFIGs adopt different control strategies in normal and fault conditions; thus, the existing DSE approaches based on the conventional control model of DFIG are not applicable in all cases. C...     

基于粒子群算法和卡尔曼滤波器的PID控制

针对PID控制系统中存在参数的整定和控制干扰信号和测量噪声信号问题,提出基于粒子群算法和卡尔曼滤波算法的PID控制方法。利用粒子算法优化PID参数,通过卡尔曼滤波器抑制控制干扰信号和测量噪声信号。仿真结果表明具有响应速度快、抗干扰能力强等特点,且达到了全局最优PID参数整定,有效地剔除系统的控制干扰和测量噪声信号,具有比传统PID控制方法更好的动态和静态控制性能,控制品质有较大的改善和提高。为PID控制系统的研究提供了一种新方法。     

基于卡尔曼算法的有源滤波器谐波检测方法

提出了有源滤波器谐波检测的一种新方法。这种方法是以卡尔曼算法为核心,利用状态方程和递推方法对当前过程状态进行实时估计。MATLAB仿真证明基于卡尔曼算法的有源滤波器谐波检测方法实时性好,与FFT变换法相比精确度有一定的提高。     

一种高效光伏多峰MPPT控制算法

在局部阴影条件下,光伏阵列的输出功率会出现多峰现象,传统MPPT控制方法搜索全局最大功率点会发生寻优失效。提出了一种高效的光伏多峰MPPT控制算法。该算法基于天牛须搜索算法,通过引入随时间变化的自适应步长因子,在算法初期自动的选取较大的搜索步长,使之保持较高的全局搜索能力;中期逐渐增大步长的衰减速度,加快算法收敛;后期逐渐减小步长的衰减速度,以提高收敛精度。Matlab结果表明,该算法可有效地减小搜索时间和搜索震荡,显著提高收敛速度,同时又可大大地提高搜索精度,准确搜索到光伏最大输出功率。