基于自适应粒子群算法的MPPT控制策略

最大功率点追踪(MPPT)技术的使用使得光伏组件的转换效率大幅提升,在有遮挡的情况下,光伏阵列会呈现多峰的输出曲线,传统的MPPT方法容易陷入局部最大功率点,无法追踪到全局的最大功率点.全局算法中,传统粒子群算法存在收敛速度慢、种群容易早熟、对初始条件敏感等问题,为解决这一问题,提出了一种全新的基于自适应粒子群(ada...     

基于改进电导增量法的光伏阵列MPPT

以太阳能发电最大功率跟踪单元为研究对象,采用改进电导增量法,通过理论分析和Matlab模型仿真的方法,对光伏阵列的最大功率跟踪(MPPT)性能进行分析与实验验证。研究结果表明,改进的电导增量法具有良好的控制精度,加入恒压启动过程后,使新算法兼具快速的跟踪效果。     

基于粒子群优化算法和占空比扰动观察法的光伏阵列MPPT控制

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...     

基于LLC谐振变换器的电导增量法MPPT直接控制策略

提出了一种基于LLC谐振变换器的电导增量法最大功率点跟踪(MPPT)直接控制策略的实现方案。通过采用LLC谐振变换器实现电气隔离,同时获得较高的功率变换效率;另一方面,通过采用直接控制策略省略了传统的双环控制中PI调节器。该直接控制策略的基本思想是:在每个采样周期中直接计算得到LLC谐振变换器的所需开关频率并在下一个采样周期中实时更新以实现MPPT。最后通过1台650 W的样机试验验证了所提出方案的有效性。     

基于梯度法和扰动观察法相结合的多峰值MPPT算法的研究

当多个光伏电池串联组成的光伏阵列被部分遮挡时,光伏特性曲线会出现多个局域峰值,此时基于单峰值的MPPT算法将有可能失效。针对这种情况,本文提出了一种结合梯度法和扰动观察法的多峰值最大功率跟踪算法。该算法采用梯度法搜索出第一个阶梯功率点,并以此功率点作为扰动观察法的起始点搜索局部最大功率点,继而利用此局部最大功率点进行搜索,最后得到最大功率点。与其它多峰值MPPT算法相比,该算法不仅具有编程简便、易于实现的特点,而且具有搜索跟踪速度快和抗干扰能力强等优越性。     

基于电导增量法的模型预测控制光伏MPPT算法

由于外界环境的多变性与随机性,光伏系统的全局最大功率点总是飘忽不定的。为使光伏系统在外界复杂环境下能够获得最大功率输出,提出了一种基于电导增量法的模型预测控制光伏MPPT算法。该算法将电导增量法与模型预测算法相结合,完成对光伏发电系统在外界复杂多变环境下的快速跟踪。通过建立系统性能指标函数,评价与估算出未来控制变量的动作,预测出P-U曲线的方向。最后通过simulink仿真表明了文章所提方法在外界光照强度发生突变时与单独使用电导增量法相比较可以同时提高系统的跟踪速度和控制精度。     

基于改进电导增量法的光伏MPPT控制

为了提高光伏发电效率及系统稳定性,需要对光伏阵列进行最大功率点跟踪（MPPT）控制。针对传统扰动观测法存在的系统振荡及误判问题,提出一种改进的电导增量法,通过计算系统当前时刻电导与电导变化率的差值,利用积分器进行调节,消除其差值,最终实现对系统最大功率点的稳定跟踪。为验证所提算法的有效性,将改进电导增量法与传统扰动观测法进行仿真对比,结果表明改进算法控制的光伏系统输出功率在满足跟踪速度的基础上,减小了系统母线电压变化的振荡幅度,使系统能够稳定准确地跟踪最大功率点,提高了光伏电池的利用率。     

基于粒子群优化算法和变步长扰动观察法的局部阴影情况下MPPT控制

针对光伏阵列的输出特性在局部阴影情况下具有高度非线性、时变性以及多个局部功率极值点等特点,并导致传统MPPT(maximum power point tracking)算法失效的问题,提出一种基于粒子群优化算法和变步长扰动观察法的改进MPPT算法。其中粒子群优化算法用于系统启动和光照情况发生突变后迅速定位近似最大功率点,变步长扰动观察法则根据实际状况使光伏阵列精确稳定在最大功率点,以克服使用数学模型与实际输出特性偏差或微小扰动所导致的功率损失。通过建立Matlab/Simulink模型进行仿真实验,实验结果表明所提算法使光伏阵列在不同阴影情况下以及发生光照强度突变时都具有迅速精确的跟踪能力。     

基于FPGA的改进型电导增量法的MPPT控制方法

最大功率点跟踪(MPPT)控制方法的研究成为光伏发电的一个重要方面。目前MPPT算法的控制方法多种多样,在此分析了传统电导增量法实现最大功率点跟踪的利与弊,并在此基础上提出了一种改进的电导增量法的算法,并加入了变步长的环节,最后使用FPGA实现了基于这种算法的一种纯数字化的太阳能MPPT控制的电路结构。实验结果表示,在同样的外界环境变化下,改进的方法在保证系统稳定性的前提下,使得光伏阵列能更快速,准确地跟踪最大功率点。     

基于模型参考电导增量法的光伏电池MPPT控制

由于光伏电池输出电压的非线性特性,需要进行MPPT(Maximum Power Point Tracking)控制,即最大功率点跟踪控制.通过建立光伏电池的数学模型,对光伏电池的输出特性进行了分析.分析了太阳能光伏阵列在不同外界环境的输出特性和几种传统的最大功率跟踪方法的优缺点,并且仿真验证了电导增量法的优点和缺点.在此基础上提出了一种基于模型参考的电导增量法.当光照强度和温度发生快速变化时,系统通过获得仿真模型在当前光照和温度的最大功率点电压,利用电导增量法在此电压附近寻找实际的最大功率点电压.仿真结果表明,和传统的电导增量法相比,该方案能够在外界环境发生变化时快速跟踪太阳能电池的最大功率点,有效提高了最大功率点的跟踪精度,具有良好的动态和稳态性能.     

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。     

基于变步长与非对称模糊的光伏MPPT控制策略

针对于光伏发电系统的输出特性,容易受到外界变数的影响而出现非对称的强非线性特征,输出的功率会偏离最大输出功率点的现象。分析了最大功率点跟踪的几种常用控制策略的优缺点,对P-U曲线进行了分析,提出了非对称模糊与变步长电导增量法相结合的控制策略。这里的变步长电导增量法可以在远离最大功率点两侧时,快速靠近最大功率点,当进一步靠近最大功率点区间附近时,采取非对称模糊控制进行寻优,能够较好地削弱系统在最大功率点周围的振荡现象,提升整个系统的稳定性能。通过MATLAB/Simulink进行建模仿真对比,得出所提的方法有较好的动态性能。     

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。     

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。     

一种基于功率闭环控制的改进全局MPPT方法

在部分阴影的条件下,光伏阵列的P-U特性曲线呈现多峰值。针对现有方法在多峰值情况下最大功率点追踪的速度和准确度的不足,提出了一种基于功率闭环控制的改进方法。该方法首先采用功率闭环控制确定最大功率点所在电压范围,其次通过分析粒子群法和0.8倍开路电压法,选取适合算法对该电压范围进行精确的追踪。最后以两种典型的阴影条件为例,对现有的基于功率闭环的方法和所提方法进行对比仿真。结果证明了两种方法均能精确地追踪最大功率点,所提方法在追踪速度上有显著提升。     

基于改进粒子群优化算法的最大风能跟踪方法

风能作为一种随机性很大的能量,具有明显的非线性.为了提高风能的利用效率,需要进行最大功率点跟踪(MPPT).针对传统粒子群优化算法对参数敏感度较强、易于局部收敛等缺点,提出基于优势速度保留策略的变邻域粒子群优化算法.首先,考虑社会个体对其环境的认知规律,通过简化传统粒子更新公式以降低算法性能对参数设置的敏感程度;其次,为充分利用粒子更新中所得优势粒子速度信息,一种优势粒子速度小概率变异策略及劣势粒子速度随机赋值方法随之被提出;最后,将其应用到风力发电系统的最大风能跟踪控制中,并与传统粒子群优化算法进行比较.仿真结果显示,该算法可以实现动态过程中风力发电系统的最大风能捕获,提高系统的运行效率和动态响应速度.     

基于光伏MPPT采样电流的自适应变步长INC算法

针对传统电导增量INC（incremental conductance）算法在跟踪最大功率点的过程中无法兼顾跟踪速度与稳态精度的问题,以及传统变步长算法在光照变化时容易发生误判的问题,提出了一种新型的自适应变步长INC算法。光照强度变化较大时,利用负载曲线与I-V特性曲线的工作原理,在暂稳态和非稳态下都可以根据最大功率点跟踪MPPT（maximum power point tracking）采样电流的变化,自适应调节跟踪速度;光照强度变化较小时,能够根据输出电压与功率的变化自适应减小步长,提高稳态精度。追踪速度是传统算法的9.3倍,是现有变步长算法的4.2倍,有效减少了光照强度变化带来的功率损失。