共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
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。 相似文献
3.
在局部阴影的情况下,由于串联式光伏组件的输出特性不同而产生多个极值点,使得传统的最大功率追踪(maximum power point tracking, MPPT)方法陷入局部极值点而失效。文中提出一种针对两级并网光伏系统的改进电导增量法以适应光伏阵列在局部阴影下的多峰值最大功率跟踪,通过分析最大功率点电压的变化范围,设定最大功率电压搜索范围以提高搜索效率,并通过DC/DC Boost变换器占空比实现输入电压控制,保证算法不陷入局部极值点。最后利用仿真实验验证了该算法在有、无阴影情况下均能准确地跟踪光伏方阵最大功率,有效提高了光伏阵列输出效率。 相似文献
4.
5.
实际光伏系统在被部分遮挡的情况下,带有旁路二极管的串联光伏组件呈现出多峰值的输出特性。为得到全局最大功率点,需要对其进行多峰值最大功率点跟踪(MPPT)。在单峰值MPPT控制算法的基础上,提出新的多峰值MPPT控制方法,能够通过4步,实现对最大功率点的有效跟踪。该算法的关键在于确定输出特性的谷值,以便进行定界和多区域搜索。最后通过仿真实例验证该算法的有效性。 相似文献
6.
光伏阵列在复杂遮荫环境下的P-U曲线呈现多个峰值导致最大功率跟踪(MPPT)算法失效,为此提出双层控制模型,在上层模型中将Levy飞行和多项式变异策略嵌入灰狼算法,构建Levy-变异灰狼优化算法(LPGWO)搜索全局最大功率点;在下层模型中采用扰动观察法对最大功率点进行局部跟踪,进而有效降低复杂遮荫环境下的功率振荡。仿真结果表明,在多峰MPPT控制中,所提模型具有跟踪速度快、收敛精度高、整体功率振荡小等特点,能有效提升复杂遮荫环境下光伏阵列的最大功率跟踪效率和精度。 相似文献
7.
8.
为解决局部阴影下光伏阵列采用传统最大功率点跟踪(MPPT)易陷入多峰值的局部最优点问题,采用分布式构架的光伏阵列,提出了一种基于遗传粒子群(GA-PSO)的MPPT混合算法,GA-PSO算法结合了粒子群算法(PSO)的位置转移和遗传算法(GA)的全局搜索能力,使混合算法拥有比GA算法和PSO算法更好的追踪准确性和快速性。在MATLAB/Simulink平台上建立了基于GA-PSO的分布式最大功率跟踪控制(DMPPT)电路拓扑结构的光伏阵列仿真模型,仿真结果验证了所提算法的可行性和有效性,为MPPT技术改进提供一种参考方案。 相似文献
9.
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。 相似文献
10.
11.
针对在局部阴影情况下光伏阵列的功率-电压(P-U)特性曲线呈多峰特性,粒子群算法应用于局部阴影下的最大功率点跟踪(MPPT)跟踪,存在搜索速度慢、精度低的缺点。提出自适应惯性权重粒子群优化(PSO)算法的最大功率点跟踪算法,自动更新惯性权重w和学习因子C1、C2,通过仿真实验,优化前的全局最大功率点(GMPP)跟踪时间是0.045 s,输出功率为468 W。优化后的自适应粒子群算法GMPP跟踪时间为0.020 s,输出功率稳定在为480 W,光伏阵列的输出功率跟踪误差小于30%。在所搭建辐照度突变模型仿真中,在4.022 s突变到300 W/m2时经过0.05 s又重新跟踪到了新的最大功率点稳定在0.075 MW。最后通过实验平台验证,优化后的自适应粒子群优化算法与传统的粒子群优化算法相比,追踪时间减少了55.5%,误差小于5%,验证了该算法可行性和实用性。 相似文献
12.
13.
14.
针对传统最大功率点跟踪技术在局部遮阴等天气条件下存在无法追踪到全局最大功率点的问题,提出一种基于改进黏菌算法的MPPT控制。首先,对太阳电池模型及多峰值特性进行分析;其次,在黏菌算法中引入领导者策略和基于最优个体的凸透镜反向学习策略,在提高算法计算精度、收敛速度的同时克服了算法易“早熟”现象;最后,根据光伏阵列最大功率输出特性分别确定算法优化模型、初始化位置及重启机制。仿真与实验结果表明:基于改进黏菌算法的MPPT控制能快速、准确地跟踪到全局最大功率点,有效规避陷入局部最优问题,提高了光伏系统的转换效率。 相似文献
15.
《太阳能学报》2014,(10)
针对光伏系统最大功率点跟踪(MPPT)传统算法的不足,提出一种改进的人工鱼群算法(IAFSA),该算法将扰动观察法(PO)引入到人工鱼群算法。首先利用扰动观察法实时性强和跟踪快速的特点找到系统的最大功率点,然后由人工鱼群算法对全局最大功率点进行快速搜索跟踪,确定功率点极值,避免了扰动观察法使功率最大点陷入局部极值的问题。应用Matlab仿真,分别以标准环境温度下光照均匀和光照部分被遮蔽以及不同环境温度下光照部分被遮蔽3种条件对IAFSA与传统的PO和PSO算法最大功率点跟踪效果进行比较,仿真结果表明,采用IAFSA算法可有效跟踪光伏系统的最大功率点,提高系统的应用效率。 相似文献
16.
17.
18.
《太阳能学报》2020,(2)
为提高光伏转换效率,使输出功率最大化,传统的光伏电站往往用一个集中型最大功率点追踪(MPPT)控制。这种方式虽成本低,但在光照不均匀或者局部失配情况下不能最大化所有光伏板输出功率。近年出现的微型逆变器对光伏组件提供MPPT控制则可有效地提高每个光伏板的输出功率。针对微型逆变器,依据太阳电池的单二极管5参数模型,推导考虑阴影遮蔽的光伏组件I-U方程,然后利用实测数据形成求解实时5参数的方程组,并选择合理的初值进行迭代求解5参数的实时值,进一步判断遮蔽情况。最后基于I-U关系数学的数学模型直接用数学方法求解最大功率点(MPP),并利用DC-DC电路一步到位调节电路运行点至MPP。与传统的MPPT方法不同,该文基于太阳电池的物理建模,MPP追踪基于数学方法,不需要对电路造成多次的干扰,且追踪效率高。 相似文献
19.