A novel maximum power point tracking for photovoltaic applications under partially shaded insolation conditions

In this paper, a novel strategy of maximum power point tracking is presented for photovoltaic power generation systems based on Fibonacci search algorithm to realize simple control system to track the real maximum power point even under non-uniform or for rapidly changing insolation conditions. The Fibonacci search technique was modified in order to apply to time-variant P–V characteristics of the PV array.     

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。     

改进粒子群算法的无功优化

通过对传统梯度算法和粒子群算法的研究,提出了将梯度算法和粒子群算法(GPSO)相结合的梯度粒子算法.建立了无功优化的数学模型,将梯度粒子算法运用到无功优化中,通过算例验证,梯度粒子算法能够获得更好的全局最优解,此表明该算法运用到实际中将有利于在线电力系统无功优化.     

基于CSA-IP&O的局部遮阴下光伏最大功率点追踪

局部阴影遮挡(Partial Shading Condition,PSC)使得最大功率点追踪(Maximum Power Point Tracking,MPPT)的追踪速度和精度难以得到保证。对布谷鸟搜索算法(Cuckoo Search Algorithm,CSA)和自适应变步长的改进扰动观察法(Improved Perturbation and Observation,IP&O)进行了研究并应用到光伏的MPPT控制中。利用CSA出色的全局搜索能力快速收敛到全局最大功率点(Maximum Power Point,MPP)附近,然后利用IP&O出色的局部搜索能力快速、准确地收敛到MPP。最后设置了几种光照情况进行仿真,并用扰动观察法和粒子群(Particle Swarm Optimization,PSO)方法进行对比。通过仿真验证了所提出的方法具有更快的追踪速度和更高的精确度。     

基于改进粒子群算法的配电网无功优化

无功优化是保证系统可靠运行的重要措施,针对配电网无功优化的特点,提出一种基于局部电压稳定指标分区与改进粒子群算法相结合的配电网无功优化方法。首先计算系统负荷节点的局部电压稳定指标,根据电压稳定指标大小将负荷节点进行排序,选取排序在后的一部分负荷节点作为候选补偿点集合,结合电气距离将其分区;然后借助改进粒子群算法获得系统最佳补偿点位置与无功补偿量;最后在MATLAB中用IEEE33节点系统进行仿真验证,仿真结果表明,由局部电压稳定指标与电气距离相结合的方法可以缩小寻优范围,得到的候选补偿区合理有效,改进粒子群算法初始化粒子多样性更好,具有更快的收敛速度。     

基于全局粒子群算法的无功优化

针对粒子群(PSO)算法的局限性,提出了全局粒子群(GPSO)算法,并将其应用于电力系统无功优化.建立基于全局粒子群算法的无功优化数学模型,给出全局粒子群算法的具体步骤.通过对IEEE30节点算例的测试,得到全局粒子群算法在无功优化问题上的收敛速度和优化效果.     

基于改进粒子群算法的风光蓄互补发电系统容量优化

合理配置风光蓄互补发电系统的容量,能够利用风能和太阳能的互补性减少能量的浪费,降低系统成本,提高可靠性,针对风光蓄互补发电系统提出了一种基于改进粒子群算法的容量优化方法。按照全生命周期搭建了系统成本的计算模型;以系统成本最少为目标,负荷缺电率和能量浪费率等指标为约束条件,采用非线性动态改进惯性权重策略对粒子群算法进行改进;在此基础上对系统容量进行优化配置;最后在MATLAB中对算例进行仿真,结果表明:算法改进后的容量配置方案不仅降低了系统成本而且减少了能量浪费率。     

基于自适应聚焦粒子群算法的电力系统无功优化

自适应聚焦粒子群算法(AFPSO)是根据PSO算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法.通过采用AFPSO算法,对电力系统进行无功优化.该方法是以最优控制原理为基础,以网损最小为目标函数,在IEEE 30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于AFPSO算法在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中,证明了AFPSO算法的有效性和优越性.     

基于自适应聚焦粒子群算法的电力系统无功优化

自适应聚焦粒子群算法（AFPSO）是根据PSO算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。通过采用AFPSO算法,对电力系统进行无功优化。该方法是以最优控制原理为基础,以网损最小为目标函数,在IEEE 30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于AFPSO算法在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中,证明了AFPSO算法的有效性和优越性。     

Optimal power flow by a fuzzy based hybrid particle swarm optimization approach

This paper presents a fuzzy based hybrid particle swarm optimization (PSO) approach for solving the optimal power flow (OPF) problem with uncertainties. Wind energy systems are being considered in the study power systems. OPF is an optimization problem which minimizes the total thermal unit fuel cost, total emission, and total real power loss while satisfying physical and technical constraints on the network. When performing the OPF problem in conventional methods, the load demand and wind speed must be forecasted to prevent errors. However, actually there are always errors in these forecasted values. A characteristic feature of the proposed fuzzy based hybrid PSO method is that the forecast load demand and wind speed errors can be taken into account using fuzzy sets. Fuzzy set notations in the load demand, wind speed, total fuel cost, total emission, and total real power loss are developed to obtain the optimal setting under an uncertain environment. To demonstrate the effectiveness of the proposed method, the OPF problem is performed on the IEEE 30- and 118-Bus test systems.     

光伏电池输出电流控制最大功率点跟踪策略

最大功率点跟踪控制器在光伏系统中起着重要的作用,该控制器可以使太阳电池阵列在一定的外部环境中输出最大的功率,使光伏系统拥有较高的效率。通过Boost变换器实现系统的最大功率点跟踪,应用基于光伏电池输出电流的控制,调整占空比,从而使太阳电池阵列输出功率最大,其优点是结构简单,控制方便,成本低,效率高,传感器精度要求不高。     

改进惯性权重的粒子群目标跟踪算法

粒子群优化算法中惯性权重的设置极其重要,直接影响算法性能。提出了一种改进的粒子群优化算法,并应用到目标跟踪领域,提高算法运算效率。首先,设置粒子群优化算法中的参数;其次,结合粒子优化率的概念记录粒子的不同状态,进而调节惯性权重,更新粒子的速度和位置;最后,对目标相似性函数进行优化,实现目标的准确定位。实验结果表明,该方法可以有效应对目标出现部分遮挡的跟踪难题,同时提高目标跟踪效率,具有较好的实时性。     

基于自适应小生境粒子群优化算法的电力系统无功优化

针对电力系统无功优化问题,提出用自适应小生境粒子群优化ANPSO(Adaptive Niche Panicle Swarm Optimization)算法来克服粒子群优化(PSO)算法容易早熟而陷入局部最优解的缺点.以粒子的位置状况及其2个向量点积的符号动态生成小生境半径,根据各粒子之间的距离组成小生境种群.在小生境群体中运用粒子群优化算法进行寻优,对于更新后的群体根据粒子间的距离,利用共享机制改变粒子的适应度,用以提高整个群体的全局寻优能力.通过对IEEE 6、14、30和118节点测试系统的无功优化问题计算及结果分析,并且与其他算法进行比较,结果表明该算法收敛成功率高,能获得较好的解.     

基于改进最大功率跟踪的光伏低电压穿越

针对电压跌落时限制并网光伏逆变器过流与提高无功电流输出以支撑电网电压的矛盾,提出了基于改进最大功率跟踪控制的低电压穿越策略。在故障期间采用改进扰动观察法的MPPT控制来移动光伏阵列工作点,减少注入逆变器的有功功率,防止逆变器过流,同时提高了无功电流输出。理论分析及仿真试验证实,该策略在实现故障期间逆变器不过流的前提下,可以更合理地配置逆变器有功和无功输出,优化故障引起的有功功率缺额和电网无功电压支撑问题。     

基于改进粒子群算法的电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题。提出了一种改进粒子群算法用以解决这一复杂优化问题。在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻了粒子初始位置的选择对算法优化性能的影响;在进化过程中引入了自探索行为,使得粒子的搜索过程更加符合实际;引入了变异机制及3种判断陷入局部最优的标准,当发现粒子群陷入局部最优时,通过变异,帮助粒子跳出局部陷阱,增加发现最优解的机会。给出了问题的求解方法,并对IEEE 6、14节点系统进行了仿真计算,实验数值对比表明了算法的可行性和有效性。     

变功率跟踪轨迹的光伏并网低电压穿越策略

提出了一种新型的变功率跟踪轨迹的低电压穿越控制策略。通过电压跌落幅度的前馈控制对功率跟踪轨迹进行调节,实时改变光伏电池端电压,进而快速有效地控制光伏电池功率的输出,实现逆变器两侧功率的平衡;通过与并网逆变器的协同控制,保证逆变器并网输出电流在不越限的前提下,为电网提供尽可能多的有功功率和无功功率,最大限度地支持电网电压的恢复,实现了光伏并网系统的零电压穿越。通过在不同光照强度和温度条件下对多种场景的仿真模拟,验证了所提控制策略的有效性。与传统控制策略相比,采用该策略不需要添加额外的设备,不仅实现了系统的安全、稳定运行,而且降低了光伏发电系统的成本,更具实用性。     

基于新型PWM扰动法的最大功率点跟踪策略

在传统的光伏系统最大功率点跟踪策略中,扰动观测法通过检测系统的输入电压和电流跟踪其最大输入功率.针对最常用的最大功率点跟踪方法--扰动观察法,提出一种新型PWM(脉宽调制)扰动法算法.用Matlab来进行建模与仿真.通过仿真结果和实验证明该方法在一定程度上可解决光伏电池输出非线性的问题,有效避免跟踪偏差,提高光伏电池的输出效率,且动态响应速度快,使光伏系统具有良好的动态和稳态性能.     

基于多目标粒子群算法的高维多目标无功优化

提出一种高维多目标电力系统无功优化模型。相比于传统的电力系统无功优化模型,该模型能够在无功优化中同时兼顾系统的有功损耗、电压水平、静态电压稳定性以及供电能力。针对已有的求解多目标无功优化模型的算法应用于求解所提模型时存在的局限性,进一步引入一种基于帕雷托熵的高维多目标粒子群优化算法并加以改进,使得该算法能够有效求解高维多目标优化问题。最后,利用IEEE-39节点系统验证了所提模型和求解算法的正确性和有效性。仿真结果表明,在传统的多目标无功优化模型中引入系统供电能力,能够在不恶化其他目标函数优化效果的情况下,使系统的供电能力得到提高。     

Nonlinear maximum power point tracking control and modal analysis of DFIG based wind turbine

The doubly fed induction generator based wind turbine (DFIG-WT) has strong nonlinearities originated from the aerodynamics of the wind turbine and the coupled dynamic of the DFIG, and can operate under a time-varying and wide operation region. This paper investigates a feedback linearisation controller based on the detailed model of the DFIG-WT, the control objective is to maximize energy conversion for this system. The original nonlinear system is partially linearized to a third-order linear system and a remained second-order internal nonlinear system. Fully decoupled control of the external dynamics is achieved, and the stability of the remained internal dynamics is analyzed via Lyapunov stability method. Moreover, modal analysis is applied for the nonlinear system controlled by the proposed nonlinear controller to verify its global optimal performance and low-voltage ride-through (LVRT) capability over various wind operation range. Simulation studies verify that more accurate tracking and better LVRT capability can be achieved in comparison with conventional vector control (VC).     

改进粒子群优化算法在电力系统多目标无功优化中应用

采用自适应聚焦粒子群优化(AFPSO)算法对电力系统进行无功优化.以最优控制原理为基础,引入静态电压稳定性指标,建立了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型,并采用模糊集理论将此多目标优化问题转化为单目标优化问题.通过最小化各目标的隶属度最大值(指标差的隶属度值大),从而只提升差的指标,使系统整体性能提高.同时,采用罚函数的形式处理负荷节点电压和无功发电功率2个状态变量不等式约束.在IEEE 57节点系统上进行测试,通过仿真测试及不同算法优化结果的对比,表明AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定,同时证明了AFPSO算法的有效性和优越性.