基于混合策略的光伏MPPT算法优化控制

通过对单一控制法优缺点进行分析,探讨基于混合策略的概率选择理论,将两个算子结合在一个算法中,完成传统、智能的混合控制,即扰动-模糊混合控制,个体根据控制效果的变化适应性地调整混合策略的概率分布,在不同阶段采用不同策略,实现控制效果的最优化。以Matlab/Simulink为仿真环境,Boost电路为主体电路,对单一控制法与混合控制法分别进行仿真验证,结果证明了基于混合策略的光伏MPPT优化控制的有效性与优越性。     

基于多元宇宙优化算法的光伏发电MPPT控制算法

针对局部阴影引起的光伏阵列多峰值的输出特性,传统的单峰值MPPT算法已无法适用,为寻得全局最优解,将参数设置简单、易于理解的多元宇宙优化算法原理应用于光伏发电的多峰值MPPT模块中。通过仿真分析,证明了基于多元宇宙优化算法的MPPT控制模型能较快地实现全局最大功率点的跟踪,具有更好的收敛速度和精度。该算法能有效解决光伏电站中多峰值功率点的问题,减少寻优过程的功率损耗,从而提高光电转换率,为实际工程带来重要的经济效益。     

基于改进BA算法的光伏发电系统MPPT优化控制

为优化光伏阵列在部分遮蔽情况下的多峰值MPPT控制,保证光伏发电系统实时功率的最大输出,提出了基于改进BA算法的最大功率追踪控制方法,即在基本BA算法的基础上,融入了小生境技术的共享机制与排挤策略,减少相似个体数量,从而增加了BA算法在迭代过程中的种群多样性,提高了BA算法在MPPT控制中的全局搜索能力,增强了最大功率追踪的稳定性,并将该算法与PSO、PO算法在不同光照及温度条件下的MPPT控制效果进行了仿真试验对比。结果表明,与传统算法相比,改进的BA算法具有更好的追踪效果,不仅避免了光伏系统在遮蔽情况下输出功率陷入局部最大值的问题,且提高了发电效率。     

基于分组教与学优化算法的光伏电池模型参数辨识

为了提高光伏发电系统建模过程中光伏电池的参数辨识精度,在基本的教与学优化算法(teaching-learning-based optimization, TLBO)的基础上,针对其存在易于出现精度不高且陷入局部最优等问题,提出了一种基于分组的教与学优化算法(grouping teaching-learning-based optimization, GTLBO)。GTLBO算法在教学阶段采用了分组教学的方式,并对教学因子进行了改进,将GTLBO算法应用于单二极管模型、双二极管模型和3个光伏组件模型的参数提取。实验结果表明,与其他优化算法相比,GTLBO算法在光伏模型参数提取方面更加准确可靠。其次,相对于基础的TLBO算法,GTLBO算法的收敛速度和辨识精度都得到了提高,具有一定的可行性和实用性。     

基于贪心算法的配电网负荷转供路径搜索方法

配电网作为电力系统供电的最后环节,能否紧急应对各类失电故障显得尤为重要。介绍了国内外对配网转供方案的研究包括了启发式算法、随机优化算法、专家系统法、混合算法等。提出了一种基于贪心算法的配电网转供路径搜索方法,能实现开关操作次数最少的情况下,快速找到可行的转供方案,并且尽可能不切负荷,提高了配网的供电可靠性。算例验证所提方法的有效性。     

基于改进灰狼算法优化长短期记忆网络的光伏功率预测

为提高光伏发电功率预测的准确性,提出一种基于改进自适应因子与精英反向学习策略的改进灰狼算法(IGWO),用以优化长短期记忆网络(LSTM)预测模型。利用IGWO优化LSTM全连接层参数,建立IGWO-LSTM组合模型预测光伏功率,具有较好的收敛速度与求解效率,也可有效避免局部最优解。最后基于常州某光伏发电站实时数据进行仿真,实验结果表明IGWO-LSTM相对于LSTM光伏功率预测更具准确性。     

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%。     

基于IMFO算法的光伏高占比电网UPFC参数优化模型

光伏高占比地区功率双向交换过程中系统存在暂态功角稳定及电压稳定问题,为得到电网在有功和无功动态波动下统一潮流控制器(Unified Power Flow Controller,UPFC)的最优参数,文章通过对飞蛾扑火(MothFlame Optimization,MFO)算法进行改进,提出光伏高占比电网UPFC控制参数优化模型。首先,针对光伏高占比条件下电力系统UPFC串联、并联功率控制方法,建立基于UPFC的系统阻尼优化控制模型;其次,建立基于系统阻尼和电压偏差最优控制的UPFC参数改进的飞蛾扑火优化算法(Improve Moth-Flame Optimization,IMFO)模型;最后,通过MATLAB与PSD-BPA联合仿真,以东北某光伏高占比电网实际运行数据为基础,建立光伏高占比电网UPFC参数IMFO优化仿真模型。仿真结果表明,基于IMFO算法优化得到的UPFC控制参数,可有效提高UPFC设备对系统阻尼震荡及暂态电压稳定的支撑能力,与传统的MFO相比具有更好的收敛性。     

风光互补发电系统基于光伏阵列倾角的设计优化

分析了风力发电系统与光伏发电系统各自的发电特性,介绍了尚义风光互补发电系统的构成,并指出光伏阵列倾角与风光发电互补系统发电量的关系。通过比较尚义县风光互补发电系统的各自功率曲线及发电量曲线,来优化光伏阵列的倾角设计。     

基于正交试验设计的双玻光伏组件仿真优化研究

首先基于有限元方法，建立双玻光伏组件仿真模型，并对仿真结果进行实验验证；然后选取光伏组件边框的长度、宽度、高度和厚度为影响因素，以组件成本最小和强度最优为目标进行多次正交试验分析；最后，通过Pareto最优解方法获得光伏组件的最佳尺寸。结果表明：组件中心最大变形实验值与仿真值的最大误差仅为7.33%，证明仿真结果的准确性；最大应力随长度的增加而上升，随宽度的增加先上升后下降，随高度的增加而下降，随厚度的增加无明显变化；单位面积价格随长度的增加而下降，随宽度的增加略微下降，随高度的增加而大幅上升，随厚度的增加而上升；当组件长度为1200 mm，宽度为787.5 mm，高度为37.5 mm，厚度为1.5 mm时，满足应力要求且成本最低，与初始结构相比成本降低8.41%。     

基于FCM-FM算法的光伏阵列故障诊断

工作于自然环境的光伏阵列故障频发,及时对故障进行定位和分类对于提高光伏电站运行水平具有重要意义。针对光伏阵列的常见故障类型（短路、开路、局部遮挡等）,基于运行数据提出无监督模糊C均值（FCM）聚类与模糊隶属（FM）算法相结合的光伏阵列故障诊断方法。论文首先对光伏阵列典型故障的产生机理进行分析并提取故障特征参数;然后,采用FCM聚类方法对光伏阵列典型故障样本数据进行分类,得到不同故障的聚类中心;最后,利用FM算法计算运行数据与聚类中心的隶属度,判定故障类型。基于数字模拟实验和实证测试,验证上述方法的有效性。分析结果表明,本文方法可有效判别光伏阵列的典型故障,诊断结果准确、可靠。     

基于GA-GRU神经网络的光伏MPPT算法

针对外界环境因素快速变化时，光伏发电系统难以保持在最大功率点输出的问题，提出遗传算法与GRU神经网络相结合的最大功率跟踪算法（GA-GRU-MPPT）。该算法在构建的最大功率点预测模型基础上，采用遗传算法对GRU神经网络的参数进行优化。考虑到数据的关联性，将前一时刻的太阳电池温度、太阳辐照度、最大功率点电压及当前时刻的太阳电池温度和太阳辐照度作为预测模型的输入变量，输出为当前时刻的最大功率点电压。针对3种不同气候情形的仿真结果表明，该算法跟踪精度可达99%，能显著提高光伏系统的能量转换效率。     

基于布谷鸟算法的光伏MPPT改进

为减小光伏阵列在存在局部阴影时光伏系统输出功率的损失,提高最大功率点追踪（MPPT）的速度和准确性,提出基于布谷鸟（CS）算法和扰动观察法（P&O）相结合的MPPT控制方法（ICS-P&O）。对CS算法中的种群进行分组,在随机游走阶段为2个种群设置不同的更新策略,在偏好游走阶段加入信息共享策略来辅助更新,从而加快算法的收敛,提升收敛精度,而后利用小步长P&O算法进一步提高后期的收敛精度。仿真结果表明,所提算法在不同的外界环境下追踪速度和追踪精度均得到有效提升。     

基于模糊控制的光伏MPPT算法改进

基于模糊控制算法提出一种改进的最大功率点跟踪(MPPT)算法。观察光伏(PV)组件的功率-电压(P-V)特征曲线,在同一温度下,不同光照情况下的最大功率点近似在一条曲线上。通过对不同环境条件下的最大功率点进行拟合,由光伏组件的输出功率和环境温度可以得到一个用于模糊控制器输入的电压值。由于拟合曲线不一定精确,单独使用模糊控制追踪最大功率点存在误差。针对上述问题,在使用模糊控制使光伏组件的输出功率稳定在最大功率点附近后,再使用电导增量法(INC)追踪并稳定在最大功率点。通过Matlab仿真和硬件实验,验证改进算法的可行性。     

基于Levy飞行改进鸟群算法的光伏直流微电网优化配置研究

构建冲击性负载特性下的光伏直流微电网模型,利用超级电容和蓄电池组成的混合储能系统快速的响应以及优越的调峰特性,对光伏直流微电网进行削峰填谷,并采用改进鸟群算法(IBSA)对该模型进行优化,解决经典启发式算法容易陷入局部最优的问题.所用模型参考Levy飞行策略,运用Mantegna算法表示随机Levy步长,并将惯性权重w...     

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。     

基于VMD和射箭算法优化改进ELM的短期光伏发电预测

为了提高光伏发电预测的准确性，提出一种结合变分模态分解（VMD）、改进的射箭算法（AA）和改进的极限学习机（ELM）的短期光伏功率预测模型。首先，将光伏数据进行变分模态分解；然后，利用混合核函数改进极限学习机；之后，利用随机反向学习策略改进射箭算法；最后，通过改进的射箭算法对混合核极限学习机中的核参数寻优并建立预测模型。通过对澳大利亚DKA太阳能中心的数据进行验证，证明该文方法的准确性。     

基于动态规划的光伏组件最优布线算法设计与实现

针对光伏组件选配系统中逆变器选择及电缆线路规划需要工程师人工计算手工标注的问题,提出基于动态规划的光伏组件最优布线算法。通过使用光伏组件最优布线算法,根据光伏阵列分布以及光伏组件型号动态生成最优布线策略,可提高设计人员的工作效率以及线路规划的精准度。测试表明,该最优布线算法能够解决任意规模下的逆变器选择及电缆线路规划问题,显著提升设计效率。     

光伏系统电缆设计选型优化研究

为了优化光伏系统电缆选型设计方法,提高电缆选型的规范程度,总结了在多种敷设形式下的电缆选型设计方法,并在此基础上分析温升法和经济电流法在光伏系统电缆选型方面的适用性。提出适用性较广的光伏系统电缆选型设计优化方法,为光伏发电系统的工程设计提供有力的支持。     

基于LOGPSO算法的光伏系统MPPT研究

在光伏系统最大功率点跟踪过程中,针对太阳辐射强度改变时,粒子群算法易出现收敛速度慢、陷入局部最优等问题,提出了一种惯性权重对数递减粒子群(LOGPSO)算法,该算法将惯性权重以对数形式递减,并加入了对数调整因子,使运行初期的MPPT能够较快地确定极大功率值点所对应的电压,运行中期的惯性权重迅速减小,运行后期的MPPT能够精确地搜索到最大功率点所对应的电压。仿真结果表明,在不同的太阳辐射强度条件下,LOGPSO算法能够显著改善光伏系统MPPT中存在的收敛速度慢、收敛精度低等问题。