梯度与极值搜索复合算法的多峰值MPPT控制

当多个光伏组件串联组成的光伏阵列被部分遮挡时,带有旁路二极管的光伏组件会呈现出多峰值的输出特性,此时基于单峰值的最大功率点跟踪(MPPT)算法易陷入局部最优点从而导致寻优跟踪失败。为得到全局最大功率点(GMPP),需采用多峰值MPPT算法。提出一种结合梯度法和极值搜索(ESC)法的多峰值MPPT复合算法。该算法用梯度法搜索到第一个峰值附近的功率点,以该点为ESC法的起始点搜索出局部最大功率点(LMPP),再利用该LMPP为起始点进行迭代搜索,直到获取GMPP。与传统多峰值MPPT算法相比,该复合算法能快速准确地跟踪光伏阵列的最大功率点(MPP),具有良好的动态性能。     

基于差分进化算法的阴影影响下光伏阵列MPPT控制研究

当光伏模块受到阴影影响时,其功率-电压（P-V）特性曲线有多个峰值点,传统最大功率跟踪控制（MPPT）算法,如扰动观察法（P&O）,由于采用局部搜索范围,无法准确跟踪全局最大功率点（GMPP）。提出一种基于差分进化（DE）最优算法的全局最大功率点跟踪方法,同时修正了算法的变异方向,使得所有变异算子总能收敛到最优,有助于算法快速收敛。采用Matlab/Simulink对所述算法进行了仿真分析,并与传统扰动观察法进行了对比,本文所述MPPT方法具有更高的效率和功率输出。     

基于复合控制策略的全局最优MPPT算法研究

为解决复杂光照环境下传统的最大功率点跟踪(MPPT)算法在光伏阵列输出功率出现多个局部峰值时可能导致系统运行在局部最大功率点(MPP)的问题,提出了一种将扰动观察法(PO)和增量电导法(IC)相结合的复合控制系统。     

基于SVR与扰动观察法的光伏阵列多峰值MPPT研究

当光伏组件出现局部阴影遮挡或光照不均匀时,光伏阵列的输出特性将发生改变,此时的P-U特性曲线将呈现多峰值现象,传统的基于单峰P-U特性曲线的MPPT算法将失效,很难准确地跟踪到全局的最大功率点。为解决该问题,提出了一种基于支持向量机回归与扰动观察法的MPPT融合算法。利用支持向量机的全局优化、泛化性能高的特点,结合扰动观察法的控制简单、容易实现的优点来实现最大功率点的跟踪。仿真结果表明,在真实的光照、温度及光照突变等外界条件下,该新型融合算法与传统的扰动观察法相比,光伏阵列在局部阴影下不会陷于局部峰值,能迅速准确地搜寻到全局最大功率点。     

基于复合控制算法的局部阴影下的MPPT

光伏阵列在局部阴影下时,输出P-U特性曲线会出现多个局部峰值点,而传统最大功率点跟踪(MPPT)算法均不能准确有效地跟踪到全局最大功率点(MPP)。因此,提出一种改进的MPPT算法,即将差分进化(DE)算法与变步长扰动观察法结合,其中DE算法用于系统启动和光照情况发生突变后迅速定位近似MPP,根据实际情况变步长扰动观察法会使光伏阵列精确稳定在MPP,改进后的算法在跟踪精度和跟踪速度方面会有所提高。通过实验对新的算法进行分析,并与基础的DE算法和传统的扰动观察法进行比较。     

改进的差异演化算法在MPPT扰动观察法中的研究

太阳电池最大功率跟踪(MPPT)控制方法有很多。例如:直线近似法、电压反馈法、扰动观察法、增量电导法、模糊控制、神经网络控制等。每一种MPPT控制策略均具有自身的特点。针对光伏电池的非线性特性,介绍了最大功率点跟踪的原理,并利用改进的差异演化算法对扰动观察法进行了改进,减少了扰动观察法的震荡过程,确保了光伏阵列稳定地工作在最大功率点附近。仿真结果证明,利用该差异演化算法改进的MPPT,具有良好的适应性。     

一种光伏系统的多峰值最大功率点跟踪策略

局部阴影条件下,光伏阵列的输出功率-电压(P-U)特性曲线存在多个局部峰值(LMPP)。传统的最大功率点跟踪(MPPT)法可能使系统工作于LMPP,错失真正的全局最大功率点(GMPP)。通过分析局部阴影条件下光伏阵列的输出电流-电压(I-U)特性曲线,提出了将电流控制和扰动观察法(PO)结合的MPPT策略,实现了跟踪GMPP的目标。仿真结果表明该算法比扫描整条P-U曲线法节省了50%的时间,实验验证了其易用性。     

基于直线近似和扰动观察的MPPT算法研究

针对光伏电池的最大功率点跟踪(MPPT)问题,基于光伏电池的等效电路,分别建立最大功率点电压与光伏电池温度和日照强度之间的近似直线模型,提出一种直线近似法和扰动观察法相结合的新型MPPT算法。该算法通过采集的光伏电池温度和日照强度确定近似直线模型的最大功率点电压,进而使光伏电池调整到最大功率点附近,再通过小步长的扰动观察法精确跟踪到光伏电池的最大功率点。仿真测试结果验证了该算法能准确估算最大功率点电压,并能快速、高效地跟踪到光伏电池最大功率点。     

局部阴影下光伏阵列MPPT算法的研究

针对局部阴影状态下光伏阵列P-U特性曲线多峰值的问题,提出了一种基于搜索-计算-判断的三步法全局最大功率点跟踪(GMPPT)策略。该方法使用改进型扰动观察法反向搜索第一个峰值点,利用计算和判断减小搜索区域,将多峰值间接转化为单峰值搜索,解决了搜索过程中陷入局部极值的问题。通过建立3种阴影状态下的模型,将该方法与现有最大功率点跟踪(MPPT)算法进行仿真对比,并建立相应的试验进行验证。仿真及试验结果表明,该方法在有、无阴影状态下均能稳定实现GMPPT,有效地提高了系统的跟踪精度和跟踪速度。     

遮蔽条件下的光伏阵列最大功率点跟踪算法

针对光伏发电系统在部分遮挡情况下所具有的高度非线性、时变不确定性和多个局部峰值等特点,研究了一种基于改进人工鱼群算法的最大功率点跟踪方法.此方法将人工鱼群算法与扰动观察法相结合,把最大功率点的搜索和跟踪分开进行,充分考虑到两者的相关性和独立性,有效地提高了光伏发电系统的发电效率.通过Matlab仿真实验表明:无论光伏阵列是否存在遮蔽现象,本算法均具有良好的最大功率点搜索和跟踪效果,避免了局部极值点的影响.     

基于分布估计—单亲遗传算法的配电网规划

为了改善单亲遗传算法在某些方面存在的缺陷,提出一种分布估计算法与单亲遗传算法相结合的混合智能算法进行配电网的优化规划。并结合普里姆(Prim)算法产生初始种群,获得比完全随机产生的配电网络更优的初始方案。分布估计算法根据所得分布概率可为单亲遗传算法提供搜索方向,而后者则加速了前者精确分布概率模型的获得,二者的结合起到了优势互补的作用。实例计算的对比结果表明,混合算法更加稳定高效。     

基于龙贝格算法的高精度数字积分算法

积分环节是信号处理领域的关键环节,广泛应用于电力系统测量及控制领域之中。目前对于数字积分算法的研究普遍基于传统牛顿科茨算法,低阶科茨公式高频响应普遍较差,高阶科茨公式所引入的传输函数设计则过于复杂。在研究复合科茨传输函数与理想积分误差的基础上,利用龙贝格算法将采样频率加倍前后的积分输出信号做线性组合处理,在算法阶数相同的情况下,提高了数字积分器的精度,降低了设计难度。仿真和试验测试证明,所设计算法准确度可以达到0.01%以内,具有优良的稳态和暂态性能。     

基于遗传算法和启发式算法的多目标配电网重构

提出一种基于遗传算法和启发式算法的方法来解决多目标配电网重构问题。应用模糊数学中隶属函数对多目标分别进行建模，并评估重构效果。利用同胚图将重构求解空间分解为若干个子空间。所提方法结合了遗传算法全局搜索能力和启发式算法高效的子空间求解能力。一个典型的三馈线系统在不同负荷条件下重构结果，验证了所提方法是实用有效的。     

遗传算法与蚂蚁算法相融合的电力系统最优潮流计算

提出了遗传算法与蚂蚁算法相融合的1种新算法,该算法即保持了遗传算法的全面搜索能力,又利用了蚂蚁算法并行分布的特点,两者优势互补,具有占内存小,数据准确,收敛速度快的特点。通过IEEE-20节点系统的计算结果表明该算法是可行的。     

遗传/禁忌组合算法在发电机组优化组合中的应用

在研究遗传算法 (GA)和禁忌算法 (TS)的基础上 ,提出一种采用遗传 /禁忌组合算法 (GA/TS)的策略 ,并将其应用于发电机组的优化组合中 ,同时用算例证明该方法的有效性和应用前景。     

RAY-Period压缩算法的研究与实现

针对电力系统中电能量数据传输的特点，研究并分析了数据库压缩算法RAY与周期压缩算法相结合的压缩算法。结合位图压缩方法，详细阐述了RAY和周期算法的压缩思想。最后给出了RAY—Period算法的压缩流程，并用C语言最终实现了这一算法。经过测试，能够对电能量数据进行有效压缩，有效减少了网络传输数据量。具有很大的实用价值。     

平面域中的Delaunay三角算法

对目前广泛使用的Delaunay三角网格生成方法的基本原理进行阐述,对目前流行的几类DT(Delaunay Triangulation)算法,逐点插入算法、分治算法、三角网生长算法的原理进行了分析,对它们的特点进行了介绍。     

基于RLS算法的时变谐波检测

以自适应线性组合器为时变谐波检测器的模型,根据逆归最小=乘(RLS)自适应滤波算法较好的跟踪性能,使之应用于时变谐波的跟踪检测.仿真表明该方法比以往的基于最小均方(LMS)自适应滤波算法的谐波幅值和相位参数的测定具有更好的跟踪效果.     

用于配电系统网络规划的生物智能算法

介绍了在配电网络规划中用到的遗传算法、蚁群算法、粒子群算法等三种生物智能算法及他们相应的一些改进。     

一种基于GA-BP混合算法的模糊神经网络控制器

提出一种用于优化模糊神经网络控制器参数的GA—BP混合算法,该算法一方面由遗传算法保证学习的全局收敛性,克服梯度法对初始值的依赖性和局部收敛问题;另一方面,与“精确的”梯度学习算法的结合也克服了单纯遗传算法所带有的随机性和概率性问题,有助于提高它的搜索效率。仿真结果证明了算法的有效性。