基于电压窗口限制的粒子群MPPT算法的研究

为解决光伏电池阵列MPPT算法的多峰值寻优问题,出现了如粒子群MPPT算法的全局最大功率点跟踪算法,但是该算法的缺陷是稳定性较差,电压和功率的波动较大,能量利用率不高。针对前述缺陷,该文提出一种新的基于电压窗口限制的粒子群MPPT优化算法,即通过限制粒子群MPPT算法的电压搜索范围,大幅提高粒子群MPPT算法的收敛速度,降低功率波动,减少能量损耗。仿真和实验结果表明,该优化算法具有较好的多峰值特性曲线全局最大功率点跟踪能力且具极好的可行性。     

光伏系统多峰值MPPT控制方法研究

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。     

复杂遮荫下基于改进GWO的光伏多峰MPPT控制

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。     

基于改进黏菌算法的光伏多峰值MPPT控制

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。     

基于改进灰狼优化算法的光伏阵列多峰MPPT研究

针对局部阴影条件下光伏阵列呈现出的非线性多峰值P-V输出特性，提出一种基于改进灰狼优化算法的最大功率点跟踪（MPPT）控制方法。该算法将传统灰狼优化算法中线性减小的收敛因子改进为按非线性规律变化，以改善算法的动态性能。结果表明：所提出的MPPT方法在局部阴影条件下能有效跟踪到光伏阵列的最大功率点，不仅具有较快的跟踪速度，且跟踪精度达到99.1%。     

递推最小二乘法与细菌觅食算法相结合的光伏阵列MPPT控制方法

要： 针对复杂应用环境下光伏阵列的P-V输出特性曲线呈现多峰值的问题,提出了一种递推最小二乘法与细菌觅食算法相结合的光伏阵列最大功率点跟踪算法,分析了复杂应用环境对光伏最大功率点跟踪控制的影响。针对状态变化造成的多功率极值问题,首先运用递推最小二乘法进行滤波预处理,再采用细菌觅食优化算法准确跟踪到了全局最大功率点。MPPT仿真和试验结果均表明,该算法成功摆脱了局部最优解的约束,可准确跟踪阵列全局最大功率点且有效抑制了电磁噪声。与单纯的细菌觅食算法相比,本文算法精度更高,为光伏阵列最大功率点跟踪提供了一种实现方法。     

基于改进粒子群优化算法光伏阵列多峰值MPPT的研究

光伏阵列局部处于阴影时,其功率输出会呈现多峰值特征,将造成传统的MPPT算法跟踪失效。文章针对标准粒子群算法(PSO)在实现多峰值MPPT控制时,存在容易进入局部最优、收敛速度较慢和跟踪精度较低等问题,提出了一种基于改进PSO算法的多峰值MPPT控制算法。该方法把非线性变化的变异策略引入到PSO算法中,在显著提高跟踪速度的前提下,扩大了粒子的搜索范围,从而增强了全局寻优能力。仿真与实验结果表明,与传统的PSO方法相比,文章所提出的方法在均匀光照、静态阴影和动态阴影下,均能快速精准地实现对全局最大功率点的跟踪和控制,在一定程度上提高了光伏阵列的发电效率。     

基于模拟退火-混合蛙跳法的多峰值MPPT算法

根据光伏阵列在实际生产中的局部阴影情况建立了光伏阵列的实际生产模型,并针对局部阴影情况导致的多峰值问题设计了一种基于模拟退火-混合蛙跳法(SA-SFLA)的多峰值功率最高值跟踪技术(MPPT),即在保留混合蛙跳算法跳出局部功率最优点能力的同时,引进模拟退火算法来提升跟踪全局功率最大点的速度和精度。最后通过Simulink仿真,证实了该算法进行MPPT多峰跟踪的性能较混合蛙跳法有了显著提高,有益于光伏阵列效能的提升。     

基于GA-PSO的分布式光伏发电最大功率跟踪控制

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。     

基于改进量子粒子群算法的光伏多峰MPPT研究

针对光伏阵列在局部遮阴时呈现的功率多峰特性,提出一种改进DCWQPSO算法与INC算法相结合的光伏最大功率追踪(MPPT)控制算法.该算法采用改进DCWQPSO算法进行最大功率点的全局搜索,然后利用INC算法对最大功率点进行局部跟踪,可避免动态过程中功率的震荡.仿真结果表明:所提出的MPPT控制算法跟踪速度快、精度高、...     

基于自适应变异粒子群算法的光伏MPPT控制研究

针对局部遮阴(PSC)时,光伏阵列输出P-U曲线出现多峰值现象,传统最大功率点追踪(MPPT)算法易陷入局部最优解,无法追踪到全局最优解的问题,该文提出基于自适应变异粒子群算法的光伏MPPT控制方法.在粒子群算法寻优过程中同步调整学习因子与惯性权重,以提高算法收敛速度与精度,同时引入变异机制以扩大粒子搜索范围,增强算法...     

多目标粒子群优化算法在光伏MPPT中的应用

为提高光伏电池的利用率,需要进行光伏阵列的最大功率点跟踪(MPPT),针对传统粒子群优化算法在多目标优化中的不足,提出了基于最小粒子角度的多目标粒子群优化算法,利用目标空间中不同粒子之间的角度进行粒子全局极值更新,通过比较粒子的浓度值给出粒子群及粒子个体极值更新方法,并在Matlab/Simulink下进行了建模与仿真。仿真结果显示,该算法在外界环境变化时能快速准确地跟踪太阳能电池的最大功率点,并能保证系统的稳定性。     

光伏系统在局部阴影条件下避免困于局部最大功率点跟踪算法研究

光伏阵列受到局部阴影遮蔽时其P-V特性会呈现多峰特性,出现多个局部峰值。为了避免传统最大功率点跟踪算法在此情况下难以找到全局的最大功率点,文章提出了一种优化最大功率点跟踪算法,该算法适用于局部和全局阴影发生的情况。在局部阴影情况下,通过MATLAB仿真和样机试验与传统最大功率点跟踪算法相比,该优化算法能够判断阴影遮蔽情况是否发生,在局部和全局均一阴影的情况下都能够跟踪到全局最大功率点,避免光伏阵列的功率损失,提高光伏系统效率。     

基于并联光伏组件外特性的最大功率点跟踪方法

当阴影条件变化时,并联光伏组件的全局最大功率点(MPP)会随之改变.为了实现太阳能发电最大化,要求最大功率点跟踪(MPPT)方法始终能实时而准确地锁定住并联光伏组件的全局MPP.不同阴影条件下并联光伏组件会呈现不同的外特性特征,如多阶梯的电流电压特性以及多峰值的功率电压特性.基于此现象,该文提出一种基于并联光伏组件外特...     

局部阴影下光伏阵列自适应MPPT方法研究

光伏阵列受局部阴影、个别光伏组件故障等影响,输出P-U特性呈多峰现象,此时传统最大功率点跟踪(MPPT)往往无法跟踪到真正的全局最大功率点(MPP)。为了避免由此导致的光伏阵列输出功率大幅度损失,在深入研究阴影条件下光伏阵列多峰功率特性的基础上,提出一种自适应全局MPPT方法。当光伏阵列的输出P-U特性发生变化时,该方法能自适应调整跟踪策略寻找到全局MPP。20 k Wp光伏阵列仿真实验和统计分析结果表明,该方法在超过90%的阴影案例中,能准确快速平稳地跟踪到真正的全局MPP,且对开路电压和短路电流估测误差具有鲁棒性。实验测试结果表明:该MPPT方法能在局部阴影发生前后跟踪到光伏阵列的全局MPP。由于原理简单、所需传感器数量少、MPPT跟踪性能优异,自适应MPPT方法具有较好的应用前景。     

基于改进BA算法的光伏发电系统MPPT优化控制

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。     

基于改进多种群遗传算法的光伏阵列多峰值MPPT研究

光伏阵列在实际工作条件下因灰尘、受照不均匀等影响而功率输出呈现多峰特性,传统的最大功率点跟踪（maximum power point tracking,MPPT）算法不能实现全局寻优,无法精确跟踪到最大功率点。遗传算法可以有效解决多峰寻优问题,但一般遗传算法在跟踪过程中会出现早熟、准确率较低等问题,为此,提出一种多种群遗传算法（multiple population genetic algorithm,MPGA）与扰动法相结合的算法来解决此类问题。在光伏电池拓扑模型中,采用优化双二极管代替单二极管模型,并在Matlab/Simulink下进行建模仿真。结果表明：该算法可以准确快速高效地找到局部阴影条件下光伏阵列的最大功率点。     

局部阴影下光伏阵列建模及多峰值MPPT控制

针对实际应用中光伏阵列易受部分遮挡的情况,结合太阳电池的工程模型,推导出适用于复杂环境下的通用光伏阵列模型。考虑阴影条件下光伏阵列呈现多峰值输出特性,传统的最大功率点跟踪算法可能失效,提出了基于混合蛙跳算法(shuffled frog leaping algorithm,SFLA)的最大功率点跟踪算法。经仿真实验验证,该算法在静、动态阴影条件下均能快速准确跟踪全局最大功率点,可有效提高光伏阵列的输出功率。     

局部阴影下基于遗传蚁群算法对MPPT的研究

针对光伏阵列局部遮挡时P-V特性曲线存在多个峰值的情况,以最大功率跟踪点为研究对象,提出基于遗传蚁群算法的MPPT算法,该算法基于遗传算法的计算理念,通过引入蚁群算法中信息素累积的概念,将两种算法进行有效融合,解决了遗传算法寻优效率低的问题。文章对基于遗传蚁群算法的MPPT算法进行建模、仿真。研究结果表明:在仿真计算中,与遗传算法相比,基于遗传蚁群算法的MPPT算法在收敛速度和精确性方面均有明显提高;在实际工程应用中,与遗传算法相比,基于遗传蚁群算法的MPPT算法不仅可以稳定跟踪到最大功率点,而且跟踪用时缩减了80%。     

局部阴影条件下基于改进电导增量法的光伏系统最大功率跟踪方法

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。