基于改进蜉蝣算法的光伏MPPT研究

针对光伏(PV)阵列难以兼顾局部遮荫情况(PSC)下准确跟踪多峰全局最大功率点(GMPP)和均匀辐照度情况(UIC)下快速完成单峰最大功率点跟踪(MPPT)的问题,提出一种基于改进蜉蝣算法(IMA)的PV MPPT方法。首先,分析了PV阵列在理想电流源区域的电流-电压(I-U)特性曲线,提出阴影检测机制对PV阵列的遮光情况进行监测以区分PV阵列功率-电压(P-U)曲线的多峰-单峰情况;然后,采用末位淘汰策略的IMA进行多峰MPPT,同时,利用二等分搜索策略的IMA快速实现单峰MPPT;最后,仿真和实验结果表明基于IMA的PV MPPT方法可有效判断多峰-单峰情况,并在单峰MPPT场景和多峰MPPT场景下均具有更高的跟踪时效和精确度。     

基于秃鹰搜索算法的部分遮蔽条件下光伏阵列重构方法

部分遮蔽(partial shading,PS)是影响光伏发电效率最主要的因素之一,它通常会引起失配损耗并降低光伏阵列的输出功率.为了解决这个问题,光伏重构技术被广泛应用于光伏发电系统.文章提出了一种基于秃鹰搜索算法(bald eagle search,BES)的光伏阵列重构方法,它可以有效地减少功率损失,提高发电效率...     

基于改进PSO算法的光伏阵列MPPT研究

由于光伏组件的P-V特性是单峰非线性曲线,由它组成的光伏阵列的发电功率易受温度、光照强度等外界环境因素的影响,导致实际工程中光伏发电效率大大降低,因此追踪最大功率点(Maximum Power Point Tracking, MPPT)使光伏发电系统的发电功率一直处于最大功率点,对提高系统整体的发电效率有着十分重要的意义。引用进化差分算法对传统的粒子群算法(PSO)的寻优过程进行差分进化选择,并将非线性策略与改进后的PSO算法相结合。通过仿真计算分析,改进后的PSO算法相较于传统的PSO算法能够更快速、更准确地找到部分阴影情况下的最大功率点,进而提升了光伏系统的发电效率。     

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。     

基于遮荫度模型的光伏阵列自适应重构系统

在各种光伏发电系统中,普遍存在局部遮荫或光照不均等现象.遮荫造成的阵列失配现象以及热斑效应不仅影响太阳能发电系统的功率输出,还会造成安全和可靠性问题.提出一种新的基于遮荫度模型的自适应重构方法来减少遮荫对太阳能阵列的影响.利用遮荫度模型的控制算法,在确定遮荫度的前提下,用开关矩阵改变补偿电池组与固定光伏阵列的连接,以提高太阳能阵列在局部遮荫时的输出功率.     

改进北方苍鹰算法在光伏阵列中应用研究

针对北方苍鹰优化算法(NGO)存在收敛精度低和易陷入局部最优等问题,提出一种改进北方苍鹰算法(INGO),并应用于光伏阵列故障诊断。首先,利用Circle映射、自适应权重因子和Levy飞行策略改进了北方苍鹰优化算法,结合高斯检测机制和混合核极限学习机(HKELM)搭建INGO-HKELM故障诊断模型。其次,将INGO算法与NGO、粒子群算法(PSO)、鲸鱼算法(WOA)在测试函数上进行比较,表明在寻优能力、稳定性等方面具有优越性。然后,分析不同运行状态下光伏阵列运行特征,提出一种5维故障特征向量,作为数据的输入。最后,将4种算法分别对HKELM的核参数进行优化并实现故障分类。结果表明,所提方法能够准确地检测出光伏组件发生的异常状态,INGO-HKELM模型准确率达到93.74%,验证了所提算法的有效性和可行性。     

基于改进鸽群算法的光伏阵列MPPT方法

针对光伏系统最大功率点跟踪MPPT(maximum power point tracking)控制方法在多峰状态下易陷入局部最优,导致光伏系统输出效率较低的不足,提出一种基于学习因子改进鸽群算法的MPPT控制方法.首先对光伏阵列输出多峰值进行分析,在鸽群算法中引入学习因子,通过前后两阶段学习因子的相互交流,有效增强了全...     

一种基于最小均衡差的光伏阵列重构方案

对于光伏阵列而言,局部阴影是其最常见的导致输出功率损失的原因,由局部阴影导致的功率损失不仅与阴影面积相关,更多地取决于阴影的分布位置以及光伏阵列中各光伏板之间的连接方式.为了提升阴影条件下光伏阵列的输出功率,提出了一种基于网式连接(TCT)结构的光伏阵列重构方法,重点研究了如何根据不同的阴影条件,合理重构光伏板之间的连...     

基于改进郊狼优化算法的光伏智能边缘终端优化配置方法

光伏智能边缘终端(PVIET)是实现分布式光伏规模化接入配电网高效率智慧运维的重要设备之一.该文构建光伏智能边缘终端优化配置的数学模型,为实现模型的准确求解,进一步提出一种改进的郊狼优化算法(ICOA).为解决郊狼优化算法精度不足、收敛速度缓慢等问题,提出全新的社会互助郊狼成长策略和单维组内最优郊狼扰动策略,引入模拟退...     

基于改进遗传算法的配电网优化重构

介绍配电网重构的基本原理及其研究意义,研究了遗传算法的编码并对遗传算法染色体编码进行了改进。在优化过程中采用精英策略及改进的自适应算子,加快了算法的搜索速度,有效避免了不成熟收敛。结合配电网与自适应遗传算法特点采用可操作开关集的快速环分解策略,提高了算法的搜索能力和速度。PE＆G33节点系统算例表明改进的遗传算法在配电网优化重构应用的有效性。     

基于二次插值的光伏MPPT改进算法研究

为了提高光伏电池最大功率跟踪(Maximum Power Point Tracking,MPPT)的跟踪速度,减小稳态波动,提出一种将拉格朗日二次插值与电导增量法相结合的MPPT算法。首先,分析了光伏电池的输出特性以及定步长电导增量法的跟踪原理和优缺点;在此基础上,基于拉格朗日二次插值,对定步长电导增量法进行优化,并分析了步长对该方法的稳态误差和跟踪速度的影响;为消除这一影响,提出了二次插值与变步长电导增量法相结合的MPPT算法。仿真结果表明,拉格朗日二次插值和变步长电导增量法相结合的MPPT算法可以迅速稳定地响应外部环境的变化,有效地解决了MPPT跟踪速度与稳态波动之间的矛盾。     

基于最优流法与Mayeda生成树算法相结合的单阶段配网重构新方法

针对随机类优化算法用于配网重构计算时间长,而启发式算法用于配网重构存在的低精度解等的缺点,提出一种基于最优流法与Mayeda生成树算法相结合的单阶段配网重构新方法。该方法利用最优流法从支路交换的候选集中快速确定用于Mayeda生成树算法中用于支路交换的支路,从而既回避了随机进化选择方法进化慢的缺点,又回避了穷举法生成过多的劣树的缺点,等效于采用优化技术局部剔除了部分比当前树更劣的树,而明显加快其最优树的搜索过程。方法的优点是充分利用了最优流方法的快速性、Mayeda生成树算法的解空间的完备性,进行良好的结合实现了两者的优势互补,而提高其计算效率。算例验证了方法的有效性。方法因其快速性及至少得到次优解的特点而具有工程应用价值。     

基于改进蚁群算法的配电网重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统的建设和应用具有重要意义。以网络损耗最小为目标,提出了一种改进的蚁群算法来求解正常运行条件下配电网络的重构问题。针对基于蚁群算法在求解过程中存在搜索易陷入局部最优解和收敛到全局最优解的时间较长的缺点,从蚁群算法的转移概率和信息素动态更新2方面进行了改进,提高了蚁群算法全局搜索能力与收敛到最优解的速度。最后通过对69节点配电系统算例的仿真,取得了较好的效果,证明了该算法的有效性和可行性。     

基于改进遗传算法的多目标配电网重构

提出一种改进的遗传算法来处理配电网重构问题,采用实数编码,减小了染色体长度和生成不可行解的概率,同时遗传父代优良基因的可能性大大增加。针对适应度函数计算中潮流收敛速度慢的缺点,采用前推回代的方法,大大减少了潮流计算的时间,较好解决了配电网重构问题。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

基于改进免疫遗传算法的配电网重构

提出一种改进的免疫遗传算法应用于配电网重构。针对十进制的染色体编码特点,对遗传算子进行了改进。种群中采用了基于矢量距的概率选择方法,同时采用非线性的自适应交叉变异算子,并加入了免疫算子。针对进化过程中的不可行解问题,提出一种基于支路-环路关联矩阵与T接点度数法的不可行解辨别方法,能适应复杂的环网情况,有效保留了反映进化的有利信息,提高了解的质量。算例结果表明所提方法可行有效,收敛性好。     

一种基于改进型樽海鞘群算法的光伏电池参数辨识方法

针对樽海鞘群算法(SSA)在光伏电池双二极管模型参数辨识时存在陷入局部最优,精度不高等问题,提出了一种基于改进型樽海鞘群算法的光伏电池参数辨识方法.在樽海鞘群算法的基础上加入精英反向学习与差分策略来辨识光伏电池双二极管模型的参数,将其与改进前的樽海鞘群算法进行仿真试验对比研究,结果表明改进后的算法能够提高光伏电池双二极管模型参数的辨识速度和精度,具有很好的实用性.     

采用改进免疫算法的多目标配电网重构

建立了网损最小、负荷均衡度最小及静态电压稳定裕度最大的多目标配电网重构优化模型。应用免疫算法进行模型求解,略去了交叉操作,利用可行解排序确定抗体综合亲和度,并根据综合亲和度自适应调整可行解变异率,利用自适应变异及疫苗接种操作保证了抗体的多样性,提高了可行解比例,保证了算法向全局最优解收敛。算例结果验证了该方法的有效性。     

基于改进量子进化算法的配电网重构

提出了一种新的改进量子进化算法解决配电网重构问题。算法对量子更新策略进行改进以减少量子搜索的盲目性,引导量子更好更快地找到最优解。配电网重构是一个多目标非线性组合优化问题,二进制的编码方式特别适合采用改进量子进化算法求解。IEEE 16节点标准算例计算结果表明,本文所提出的改进量子进化算法在配电网重构应用中正确有效。