基于功率闭环控制与PSO算法的全局MPPT方法

基于对现有多峰值最大功率点跟踪(maximum power point tracking,MPPT)方法不足的分析,提出一种基于功率闭环控制的动态MPPT跟踪策略。该方法采用功率闭环方式实现全局最大功率点的定位,利用功率闭环控制在P-U曲线上的局部不稳定现象实现P-U曲线的快速全局扫描,克服了峰值点分布及算法参数取值对MPPT动态过程的影响。同时采用电压截止控制克服了功率闭环控制对系统整体稳定性的影响。采用基于粒子群(particle swarm optimization,PSO)算法的变步长跟踪策略消除了最大功率点跟踪的稳态功率震荡问题。最后,通过仿真与实验验证该方法的可行性和有效性,结果表明,该方法不依赖光伏阵列的已知信息,便可实现静态和动态环境下全局最大功率点跟踪,提高多峰值最大功率点跟踪的动态速度和稳态跟踪精度。     

基于动态温变特性的全局温差发电MPPT方法

最大功率跟踪(MPPT)技术是提高温差发电器(TEG)发电效率的必要手段。然而,传统的多峰值MPPT方法往往只关注其静态搜索能力和光照突变情况下的追踪过程。不同于光伏电池,TEG两端温差无法突变而是呈现出缓慢变化趋势。因此,提出一种基于动态粒子群算法(DPSO)的MPPT算法,用于动态温差环境下温差发电的最大功率点跟踪。DPSO通过多阈值检测和群体定向淘汰,避免算法频繁重启,减小了能量损失,提升了多峰值MPPT算法的动态性能。最后,与扰动观察法、改进粒子群算法进行对比仿真,结果表明所提出的算法在各种环境下可以更加准确并快速地实现MPPT。     

基于蝙蝠与粒子群混合优化算法的光伏MPPT研究

在局部遮荫条件下,传统最大功率点追踪(MPPT)算法容易失效,群智能优化算法追踪时间较长.为此,提出了一种基于蝙蝠与粒子群混合优化(BPSHO)的MPPT算法.在算法的前期,采用蝙蝠算法;在算法中后期,采用粒子群优化算法.按照指数规律调节算法的参数,并在算法的中期加入局部搜索机制.仿真与实验结果表明:BPSHO算法能够...     

基于改进PSO算法的光伏阵列MPPT研究

针对光伏阵列(photovoltaic array)传统的最大功率点跟踪(maximum power point tracking,MPPT)方法的不足,提出一种改进的粒子群算法(particle swarm optimization algorithm,PSO)。该算法中,粒子位置依据粒子的个体最优解由大到小更新,更新过程中使用当前时刻所产生的全局最优解,同时,将反映粒子聚集程度的粒子位置的标准差和反映粒子偏离程度的距当前最大功率点的距离引入每个粒子的速度阈值,单独自适应地限制每个粒子的更新速度,以便更快地找到最大功率点,提高收敛速度。最后,通过仿真和实验验证了该算法的快速性和有效性。     

基于改进电导增量法的光伏MPPT控制研究

受环境变化和光伏电池材料的影响,目前光伏发电效率普遍不高,太阳能利用率较低,因此对光伏系统进行最大功率点追踪(MPPT)控制,设计一种恒定电压法与电导增量法相结合的控制方式。通过恒定电压法快速追踪到最大功率点附近,再引进小步长的电导增量法进一步优化稳态性能。通过MATLAB/Simulink平台进行光伏发电最大功率追踪仿真,验证该方法可以大幅度提升系统的动态性能并具有良好的稳态特性。     

基于SA-CPSO算法的光伏列阵多峰值最大功率点追踪的研究

快速准确追踪到光伏列阵多峰值最大功率点具有重要的工程意义。传统粒子群算法应用于最大功率追踪时会产生稳定性较差和容易陷入局部最优解等问题,通过结合模拟退火算法能快速跳出局部最优解和混沌理论的遍历性的优点,得到模拟退火混沌粒子群算法。算法后期能快速稳定地向全局最大功率点收敛,可较好地解决光伏发电系统接收光照不均匀时多峰值最大功率追踪的问题。最后建立多组光伏列阵接收不同光照的场景,使用MATLAB仿真验证了模拟退火混沌粒子群算法在追踪最大功率点时寻优速度和收敛稳定性上的优越性。     

基于改进粒子群算法的PID控制器在 MPPT中的研究

针对光伏发电系统中扰动观察法难以兼顾响应速度和稳态跟踪精度问题,提出了去除随机因子与采用凸函数递减惯性权重法改进的 PSO 自整定 PID控制算法引入到 MPPT 控制系统中的方法,经 MATLAB/Simulink仿真试验验证了该方法的可行性。     

基于粒子群算法的最大功率点跟踪方法研究

利用Matlab语言建立了太阳能电池的计算仿真模型,分析了太阳能电池在温度、光强不同时输出最大功率的变化特性.采用粒子群算法对太阳能电池进行了最大功率点跟踪的仿真研究,实验结果证明粒子群算法具有很好的跟踪精度,同时也可大大提高最大功率点的跟踪效率.     

基于改进CPSO的动态阴影环境下光伏MPPT仿真研究

动态阴影下,传统最大功率点追踪(MPPT)算法易陷入局部极值,而常规粒子群(PSO)算法实现的MPPT控制易给系统带来较大的振荡。针对上述问题,提出一种自适应精英策略改进混沌粒子群(AEM-CPSO)算法的MPPT控制策略。该算法对粒子前三次迭代进行混沌搜索,使粒子在初始状态具有全局遍历性。自适应精英策略运用于粒子搜索后期,用于缓解算法后期振荡的问题。仿真结果表明,AEM-CPSO算法在全局搜索性,追踪速度以及暂态稳定性都优于传统方法。     

基于开路电压法光伏电池最大功率追踪器

光伏电池的最大功率点跟踪(MPPT)对提高太阳能的利用率以及充分利用太阳能所转换的能量而言至关重要。由于开路电压法特别适用于小功率光伏发电系统,因此选择开路电压法作为MPPT的控制方法。在分析了设计需求后,设计了基于单片机控制的开路电压法光伏电池最大功率追踪器,并采用大容量电源负载装置模拟电源功能模拟的光伏电池进行实验,设计的最大功率追踪器效率可达85%以上,特别适合应用在要求低成本小功率的太阳能LED路灯工程中。     

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。     

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点;然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。     

基于纵横交叉算法的波浪发电装置最大功率跟踪控制

针对波浪能最大功率点跟踪控制中,浮子水动力模型的非线性,使传统群智能算法存在局部最优问题,提出纵横交叉算法(CSO)控制方案。CSO的纵向交叉算子,在纵向交叉概率判定下进行个体维变量间的算术交叉,保证种群能够脱离局部最优状态; CSO的横向交叉算子完成个体间的随机配对与算术交叉,并将解空间全体分割成若干个子空间,每个子空间以配对个体为对角顶点,搜索子空间内部及邻域,实现精细的局部搜索能力。通过纵、横交叉算子的交替作用,任何有益于实现全局最优的信息,都将被迅速地分发到种群的各变量中,用以改变搜索路径。仿真表明,在波浪周期发生变化时,纵横交叉算法能够实现最大功率点跟踪,并提高收敛速度。     

基于改进的扰动观察法在光伏发电MPPT中的应用

光伏电池是一种非线性电源,随外界环境的变化而变化,为了提高光伏阵列的利用率,光伏系统中需采用最大功率跟踪(maximum power point tracking,MPPT)。近年的研究中,提出了许多跟踪算法,其中应用最为广泛的是扰动观察法和电导增量法。在分析扰动观察法的基础上,进行优化提出了一种改进的变步长算法,它有效提高了最大功率点跟踪过程中的跟踪速率,克服了扰动方向的误判问题,消除了在最大功率点的振荡现象。仿真与实验结果证明了该方法的有效性。     

基于改进型扰动观察法的光伏阵列MPPT方法研究

在分析光伏电池数学模型和输出特性的基础上,提出了一种固定电压法与改进的自适应步长占空比直接控制法相结合的方法.该方法应用固定电压法与自适应步长的扰动观察法相结合跟踪光伏阵列的最大功率点,在变化的环境条件下,使用MATLAB软件对这种自适应步长的跟踪方法进行仿真.仿真结果表明,所提方法能够快捷、准确地跟踪到光伏阵列的最大功率点,具有较好的控制精度,减少了在最大功率点振荡的能量损失,从而提高了光伏发电系统的能量转换效率.     

粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用

局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。     

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。     

电导增量法光伏发电MPPT研究综述

综述了在单峰值的情况下光伏发电系统中最大功率点跟踪使用的电导增量法以及各种变体算法,总结分析各自的优缺点,对光伏阵列最大功率点跟踪技术的跟踪速度、控制精度及将来研究和应用中需要解决的问题作了探讨。