共查询到20条相似文献,搜索用时 15 毫秒
1.
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 总被引:1,自引:0,他引:1
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。 相似文献
2.
3.
针对光伏发电系统最大功率点跟踪时存在跟踪速度慢和电压振荡的问题,提出一种最大功率点跟踪的改进算法。该算法获取光伏电池输出的电流和电压,进行滤波和最大功率跟踪。最大功率算法采用扰动观察和电导增量混合算法,在外界环境缓慢变化时采用扰动观察算法,突变时采用电导增量算法。实验结果表明,该改进算法能够避免跟踪方向误判,减少系统持续振荡引起功率损耗,实现最大功率快速跟踪。 相似文献
4.
5.
在局部阴影遮挡条件下,经典最大功率点跟踪(MPPT)算法容易失效,导致无法追踪到最大功率点,针对此问题,提出了一种基于鲸鱼粒子群融合算法的多峰MPPT控制策略。该算法实现了混合算法的优势互补,增强了鲸鱼算法后期收敛效率,且避免了粒子群算法易停滞于局部极值的缺陷,提高了鲸鱼粒子群融合算法的收敛精度和寻优效率。在MATLAB/Simulink环境中建立光伏阵列仿真模型,仿真结果表明:该算法追踪过程中震荡幅度减小,能够快速准确地搜索到最大功率点。 相似文献
6.
7.
8.
9.
处在局部阴影情况下,光伏发电系统的P-U输出特性曲线由均匀光照下的单峰值变为多峰值,导致使用传统的MPPT算法跟踪最大功率点时无法兼顾收敛速度与稳定性.为此提出一种基于粒子群优化算法和占空比扰动观察法的组合算法用于MPPT中.当光照强度在均匀光照与局部阴影之间相互切换时,流经旁路二极管的电流也会在有和无之间变化;当光照强度突变时,以此电流为触发信号,先采用粒子群优化算法跟踪到最大功率点附近,再采用占空比扰动观察法精确跟踪到最大功率点,以避免工程中使用的光伏电池等效模型与实际光伏电池输出特性之间的差异带来的功率损失.通过搭建MATLAB/Simulink模型进行仿真试验,结果表明在任何光照条件下,该组合算法都具有良好的跟踪效果,提高了光伏系统的输出效率. 相似文献
10.
11.
12.
13.
14.
自适应扰动观察法在光伏MPPT中的应用与仿真 总被引:3,自引:0,他引:3
为了提高光伏发电系统的输出效率,提出了基于变步长扰动观察法的最大功率点跟踪方法。该控制方法以光伏电池的数学模型为基础,以光伏输出功率的变化为判断依据,通过对光伏电池的输出电压进行调节,从而实现最大功率点跟踪。在Matlab/Simulink下进行了系统的建模与仿真,仿真结果表明该算法能够在快速跟踪最大功率点变化的情况下保证跟踪精度。这说明变步长扰动观察法具有比传统扰动观察法更优异的稳态和动态性能,能够有效提高光伏发电系统的发电效率。 相似文献
15.
为了充分利用光伏阵列转换能量,提高光伏阵列的发电效率,在分析光伏阵列的伏安特性及最大功率点跟踪(MPPT)原理的基础上,提出了一种基于粒子群算法优化BP神经网络(PSO-BPNN)的建模方法,并用这种改进的神经网络构建了光伏阵列的动态模型.通过PSO-BPNN模型拟合光伏阵列输出功率与输出电压的非线性关系,实现了对光伏阵列的最大功率点跟踪.Matlab/Simulink仿真及在线测试结果表明:基于PSO-BPNN估计的光伏阵列MPPT控制系统能快速、精确地跟踪光伏阵列的最大功率点,改善了BP神经网络收敛速度慢,易陷入局部极值,建模精度不高的缺点,提高了系统的稳定性和能量转换效率,是研究光伏发电这个复杂非线性系统的一个可行办法. 相似文献
16.
粒子群优化模糊控制器在光伏发电系统最大功率跟踪中的应用 总被引:4,自引:0,他引:4
针对采用干扰观察法时最大功率跟踪系统的输出功率在最大功率点附近小幅振荡的问题,设计了一种应用粒子群优化算法(particle swarm optimization,PSO)的模糊控制器,并将其应用于光伏发电系统的最大功率点跟踪(maximum power point tracking,MPPT)。该控制器采用粒子群算法优化模糊控制的隶属度函数,能够实时调整跟踪步长,保证系统在光照强度和温度变化时有较快的动态响应速度和较高的稳态精度。分别对采用干扰观察法、常规模糊控制方法和带粒子群优化的模糊控制器在相同情况进行了仿真和试验,结果证明了所提方法的有效性和鲁棒性。 相似文献
17.
光伏电池和MPPT控制器的仿真模型 总被引:1,自引:0,他引:1
分析了光伏电池的工程用数学模型,并在MATLAB环境下建立了光伏电池的仿真模型。设计了最大功率点跟踪控制器的仿真模型,用来实现光伏电池的最大功率输出。该控制器使用导纳增量法实现最大功率点跟踪。在MATLAB/SIMULINK环境下搭建光伏发电系统的仿真模型进行了仿真。仿真结果表明,搭建的仿真模型能够准确地反映不同自然条件下光伏发电系统的特性与功能,可以用于光伏发电系统的仿真研究。 相似文献
18.
19.
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。 相似文献
20.
光伏阵列在局部阴影条件下P-U曲线呈现多峰值现象,传统的MPPT算法将会失效。采用粒子群算法可有效解决多峰值最大功率点跟踪问题,但标准粒子群算法存在容易陷入局部最优、收敛速度较慢和稳定精度较差等问题。针对标准粒子群算法的不足,文章提出一种改进型自适应学习因子粒子群算法。该方法对学习因子C_1和C_2进行自适应调整,平衡粒子向"自身认知"和"社会认知"学习的能力;与此同时,引入惯性权重调节参数,以提高算法的收敛速度和精度。仿真结果表明,该算法在均匀光照强度、动态阴影和静态阴影条件下,均能快速精确实现最大功率点跟踪,有效地提高了光伏阵列输出效率。 相似文献