结合量子粒子群算法的光伏多峰最大功率点跟踪改进方法

光伏阵列在局部阴影时的P-U曲线呈现多峰特性,需要设计光伏多峰最大功率点跟踪方法,以实现光伏发电最大功率输出,提高光伏发电效率。相比粒子群优化算法,量子粒子群优化算法具有收敛速度更快和全局收敛性等优势。提出了一种基于量子粒子群优化算法的光伏多峰最大功率点跟踪改进方法。该方法采用量子粒子群优化算法实现最大功率点的全局搜索;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中的粒子总数及其电压;并根据量子粒子群优化算法收敛时粒子自身最优位置的特点,提出了更适合光伏多峰最大功率点跟踪的收敛判据。仿真测试表明,提出的改进方法能够快速有效地实现光伏多峰最大功率点跟踪,收敛速度更快,避免了不收敛的问题,且具有应对光照情况变化的能力,提高了局部阴影时光伏发电的效率。     

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。     

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法EI北大核心CSCD

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。     

基于CSA算法的光伏阵列多峰最大功率跟踪研究

在实际工程应用中,由于受复杂的环境变化影响,光伏阵列功率-电压曲线通常呈多峰值状态,使用传统方法进行最大功率跟踪时,追踪速度和准确度都无法得到满足.为解决这些不足,提出了一种基于布谷鸟搜索算法与扰动观测法相结合的光伏阵列最大功率跟踪算法,在算法前期利用布谷鸟搜索算法突出的全局搜索能力迅速找到全局最大功率点所处的大致区域...     

自适应果蝇算法多峰值光伏阵列最大功率点跟踪

光伏PV(photovoltaic)阵列在实际应用中常存在遮挡现象,与光照均匀时的单峰特性不同,遮挡情况下的PV输出曲线呈多峰特性,常规的最大功率点跟踪方法大多寻找到第1个峰值点即停止搜索,易使光伏阵列因陷入局部极值点的跟踪而失效。提出一种基于自适应的果蝇优化算法AFOA(adaptive fruit fly optimization algorithm),对原有果蝇算法的初始值设定及寻优步长进行改进,并定时与扰动观察法PO(perturbobserve)相结合,增强寻优算法的实时性。通过Matlab仿真,分别在光照均匀和遮挡情况下,与扰动观察法和粒子群优化PSO(particle swarm optimization)算法的跟踪效果进行了比较,仿真结果表明,无论有无遮挡现象,AFOA算法都可准确跟踪到系统的全局最大功率点,提高了系统输出功率的稳定性及发电效率。     

考虑局部阴影的光伏阵列MPPT优化控制策略

针对局部阴影下光伏阵列出现多峰值输出的情况,提出一种优化粒子群算法与模糊控制扰动观察法相结合的最大功率点追踪方法。利用优化粒子群算法在全局范围内寻找极值点及最大功率点;通过设置语言变量、定义模糊子集及模糊控制推理,进行跟踪调节和稳定控制,实现光伏系统最大功率输出。提高了搜寻精度,缩短了搜寻时间,避免了在最大功率点处的震荡。仿真结果验证了所提算法的有效性和合理性。     

考虑局部阴影的光伏阵列最大功率点追踪优化控制策略

针对局部阴影下光伏阵列出现多峰值输出的情况,提出一种优化粒子群算法与模糊控制扰动观察法相结合的最大功率点追踪方法。利用优化粒子群算法在全局范围内寻找极值点及最大功率点;通过设置语言变量、定义模糊子集及模糊控制推理,进行跟踪调节和稳定控制,实现光伏系统最大功率输出。提高了搜寻精度,缩短了搜寻时间,避免了在最大功率点处的震荡。仿真结果验证了所提算法的有效性和合理性。     

基于储能型准Z源光伏并网逆变器的改进型自适应粒子群最大功率点跟踪算法研究

在解决光伏电池阵列在局部阴影条件下的多峰寻优问题中,传统的粒子群(PSO)最大功率点跟踪(MPPT)算法存在稳定性差、振荡严重、跟踪速度慢等缺点.针对上述缺点,结合准Z源逆变器的优点并在准Z源阻抗网络电容上并联储能单元,提出了一种基于储能型准Z源光伏并网逆变器的改进型自适应粒子群最大功率点跟踪算法.该算法不再依赖迭代次数,而是直接采用个体最优功率和全局最优功率更新惯性权重和学习因子并引入电压窗口限制,有效地提高了跟踪速度和减小了功率振荡.仿真结果验证了该优化算法在储能型准Z源光伏并网逆变器应用中具有较好的多峰值光伏曲线全局最大功率点跟踪能力,提高了光伏阵列的发电效率,具有较好的可行性.     

基于光伏阵列输出特性的GMPPT算法研究

针对局部阴影条件下光伏阵列的P-V曲线呈现多峰值的情况,在研究光伏阵列输出特性的基础上提出了一种全局最大功率点追踪GMPPT(global maximum power point tracking)算法。该算法由均匀光照和局部阴影条件下的两个最大功率点追踪算法构成。通过所提出的局部阴影检测手段判别光伏阵列所处的光照条件,从而决定使用哪个子算法。最后将该算法在Matlab中进行仿真验证。仿真结果表明在局部阴影条件下该算法能快速地追踪到全局最大功率点,且避免了对整条P-V曲线的扫描。在均匀光照条件下要比传统的最大功率点追踪算法(扰动观察法)更快地定位到最大功率点。     

自适应权重粒子群算法在阴影光伏发电最大功率点跟踪（MPPT）中的应用

在光伏发电系统中,光伏阵列往往会受到局部阴影现象的影响,造成系统的不稳定运行和输出功率的降低,且光伏阵列的P-U特性曲线会出现多峰值,常规最大功率点跟踪（MPPT）算法因其只能单峰寻优而不能完成对最大功率点的跟踪.粒子群优化（PSO）算法则有着良好的多峰全局寻优能力,被广泛应用在局部阴影的最大功率点跟踪中,但是PSO算法有着收敛速度不足和搜索精度低的缺点.为此,提出了基于自适应权重的粒子群优化（APSO）算法,即在运算过程中通过引入非线性动态惯性权重系数,有效地提高整体算法的全局搜索能力和局部改良能力.利用Matlab仿真,在恒定阴影和快速变化阴影2种条件下验证APSO算法的可行性.结果表明,APSO算法能够避免早熟收敛问题,可有效地提高算法的收敛速度和搜索精度.     

GSO的局部阴影光伏阵列MPPT控制的研究

在若干个串联太阳电池两端并联旁路二极管消除光伏阵列处于局部阴影时形成的"热斑效应"的同时,P-U特性输出曲线会呈现出多个峰值。因此,传统最大功率跟踪方法可能会失效。针对多峰值问题,在建立和分析特性输出曲线的基础上,将改进的萤火虫群算法应用到局部阴影下光伏阵列最大功率点跟踪中。仿真表明,此方法能够快速准确的跟踪到全局最大功率点,保证了功率的高效利用。并与粒子群算法进行对比,验证了此方法的优越性。     

基于莱维飞行蜉蝣优化算法的光伏阵列最大功率点跟踪研究

在光伏阵列工作过程中,局部阴影遮挡会导致光伏阵列输出特性曲线呈现多个峰值,在这种情况下,通过传统算法很难控制光伏阵列工作在全局最优处.为了解决这一问题,本文将蜉蝣优化算法(MA)应用在光伏阵列最大功率点跟踪控制过程中,并且针对蜉蝣优化算法中速度惯性衰减速度缓慢导致系统需要经过较长时间的振荡后才可以收敛的问题,提出通过莱...     

基于蚁群优化算法的光伏阵列多峰特性最大功率点跟踪

在局部阴影条件下光伏阵列的功率输出曲线呈现多峰特性,这时常规算法将不能跟踪到阵列的全局最大功率点。因此,本文提出一种基于蚁群算法跟踪全局最大功率点的方法,算法利用蚂蚁爬行十进制数的每位来生成系统的给定电压,根据实测功率值来调整路径的信息素,使蚂蚁逐渐集中在最优的给定电压路径附近,最终实现光伏阵列的全局最大功率点跟踪。通过Simulink搭建光伏阵列仿真模型,结果表明,在环境发生变化时,蚁群算法可以快速准确地跟踪到具有多峰输出特性的光伏阵列的全局最大功率点,提高了光伏阵列在复杂环境下的输出功率。     

光伏阵列GMPPT控制器的设计及实现

在实际工程应用中存在光伏阵列局部遮阴或光照不均等现象,导致系统输出的P-V特性曲线出现多个峰值点。为实现光伏阵列最大输出功率点的实时有效追踪,基于自适应粒子群优化(APSO)算法设计出了一种光伏阵列全局最大功率点追踪(GMPPT)控制器。简要介绍了APSO算法在控制器中的应用方法,阐述了控制器的总体设计方案及硬件电路设计,并给出了测试结果。测试结果表明:该控制器能够有效、快速、准确地追踪到光伏发电系统的全局最大功率点,具有一定的工程应用价值。     

基于改进灰狼优化-黄金分割混合算法的光伏阵列MPPT方法

局部遮蔽情况下,光伏阵列的P-U曲线将出现多个峰值。为了快速准确地找到全局最大功率点,提出了一种基于改进灰狼优化算法和黄金分割法的混合控制方法。首先采用改进的灰狼优化算法进行全局搜索确定全局最大功率点的大致位置,然后采用黄金分割法在前期搜索的基础上进行局部搜索。此外,还提出了一种基于类P-U曲线斜率的新型重启判别方法,以增强最大功率点追踪MPPT(maximum power point tracking)系统应对光照突变时的可靠性。最后,仿真和实验验证了该算法在多种条件下均可更加快速可靠地追踪到全局最大功率点。     

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。     

基于光伏功率等效面积法的多峰最大功率追踪控制方法

当光伏组串受到不均匀照射时,其输出特性将会从原来的单峰曲线变成有多个峰值点的多峰曲线,因此受到非均匀照射的光伏阵列含有多个局部峰值点(Local Maximum Power Point,LMPP),使用常规的最大功率跟踪控制方法很难准确的追踪到全局最大功率点(Global Maximum Power Point,GMPP)。针对上述问题,首先基于MATLAB仿真软件搭建了光伏组串在受到非均一阴影遮挡情况下的模型;其次研究了其功率-电压(P-U)特性和导数(dP/dU-U)特性,分析了全局最大功率点与光伏功率等效面积之间的关系;最后提出了基于光伏功率等效面积所决定的工作区间定位的新型多峰最大功率点追踪(Maximum Power Point Trace,MPPT)控制方法。仿真结果表明,所提出的光伏功率等效面积法算法能够有效且快速的寻找到全局最大功率点。     

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。     

基于改进花授粉算法的光伏MPPT控制研究

针对传统光伏最大功率点跟踪(MPPT)算法在解决局部遮荫环境下系统跟踪灵活性和时效性差,以及稳态输出振幅过大等问题,提出了基于改进花授粉算法(IFPA)的光伏最大功率跟踪控制策略。在对光伏阵列输出特性曲线进行分析的基础上,通过引入t-分布扰动机制和变异策略,分别对经典FPA算法的异花全局授粉过程与自花局部授粉过程进行优化,构建了基于IFPA的光伏最大功率点跟踪模型。以{3*2}的光伏阵列为例进行仿真实验,结果表明所研究模型在动态遮荫下的最大功率点跟踪速度较改进前大幅提高,系统在稳态时的震荡明显减小。     

光伏列阵的全局最大功率点追踪研究

针对光伏电池的最大功率点跟踪(MPPT)影响着光伏系统的发电效率,对光伏阵列的功率输出特性曲线进行了建模仿真分析,根据MPPT的目标是保持光伏阵列输出电压一直保持在最大功率点处,重点分析在光伏阵列出现局部阴影情况时的,光伏阵列的P-V输出特性为多峰曲线情况下,提出了一种基于改进的模拟退火粒子群算法的最大功率点跟踪控制方法,将模拟退火算法思想融入到粒子群算法中,改善粒子的探索能力,提升了最大功率点跟踪算法的收敛速度和精确性。