基于BP神经网络与改进粒子群的光伏MPPT算法

针对光伏阵列在环境突变情况下尤其是局部阴影下的多峰值现象,提出一种基于反向传播(BP)神经网络与改进粒子群的最大功率点跟踪(MPPT)算法。该算法利用BP神经网络近似定位最大功率点,并利用对粒子群算法中的惯性权重值进行非线性动态优化后的改进粒子群精确定位最大功率点。仿真结果表明,复合算法可以更好地跟踪最大功率点,有效避免前期易陷入局部极值的问题,提高了精度,减小了功率振荡。     

一种基于功率闭环的动态多峰值最大功率点跟踪算法研究与测试

关于多峰值最大功率点跟踪(maximum power point tracking,MPPT)算法的研究例如粒子群MPPT算法和全局扫描法以及其改进算法,往往只关注其静态搜索能力和辐照度突变情况下的扫描过程。但外界环境改变造成的特性曲线持续变化过程中的动态性能研究有些欠缺。为了提升多峰值MPPT算法的动态性能,文中提出一种基于功率闭环法的改进动态多峰值MPPT算法。该算法结合三点法和粒子群算法,快速搜索出全局最大功率点,动态响应能力好,具有较好的实际应用价值。通过实验室和实际电站测试验证了该算法的正确性和有效性。     

基于功率闭环控制与PSO算法的全局MPPT方法

基于对现有多峰值最大功率点跟踪(maximum power point tracking,MPPT)方法不足的分析,提出一种基于功率闭环控制的动态MPPT跟踪策略。该方法采用功率闭环方式实现全局最大功率点的定位,利用功率闭环控制在P-U曲线上的局部不稳定现象实现P-U曲线的快速全局扫描,克服了峰值点分布及算法参数取值对MPPT动态过程的影响。同时采用电压截止控制克服了功率闭环控制对系统整体稳定性的影响。采用基于粒子群(particle swarm optimization,PSO)算法的变步长跟踪策略消除了最大功率点跟踪的稳态功率震荡问题。最后,通过仿真与实验验证该方法的可行性和有效性,结果表明,该方法不依赖光伏阵列的已知信息,便可实现静态和动态环境下全局最大功率点跟踪,提高多峰值最大功率点跟踪的动态速度和稳态跟踪精度。     

改进粒子群算法在光伏MPPT中的应用

在光伏阵列受到局部阴影遮挡条件下,针对光伏阵列的功率-电压(P-V)输出特性曲线在多峰值状态下的最大功率点跟踪(maximum power point tracking, MPPT)问题,通过对粒子群(particle swarm optimization, PSO)算法的改进,提出了一种基于新型粒子群(novel particle swarm optimization,NPSO)算法的MPPT方法(以下简称NPSO＿MPPT算法)。NPSO算法通过将种群粒子分为收敛粒子和自由粒子两类,提高了原始PSO算法的全局搜索能力。在Simulink环境下,分别对P&O、基于PSO算法的MPPT方法(以下简称PSO＿MPPT算法)和NPSO＿MPPT算法进行仿真测试,仿真结果表明,NPSO＿MPPT算法相比较现有的P&O和PSO＿MPPT算法,具有发电效率高和不易陷入局部功率极大值等优点。     

基于自适应罗盘搜索的集中式温差发电系统MPPT设计

提出了一种新型自适应罗盘搜索(Adaptive Compass Search, ACS)算法,用于非均匀温差分布(Non-uniform Temperature Distribution, NTD)条件下的集中式温差发电(Thermoelectric Generation, TEG)系统最大功率点跟踪(Maximum Power Point Tracking, MPPT)。集中式TEG系统仅使用一个MPPT变换器,因此与组串式和模块式的TEG系统结构相比,其运行与维护成本较低。然而,在NTD条件下,集中式TEG系统通常会出现多个最大功率点(Maximum Power Point, MPP)。为有效寻找集中式TEG系统的全局MPP,采用了一种基于探索方向的自适应序列方式,通过利用过去的搜索结果来显著提高ACS的全局搜索能力。通过三个算例对ACS的MPPT性能进行了研究,即温度恒定、温度阶跃变化以及随机温度变化。仿真结果表明,与扰动观测(Perturb and Observe, P&O)算法、粒子群优化(Particle Swarm Optimization, PSO)算法和罗盘搜索(Compass Search, CS)算法相比,ACS能以更快的速度和更高的收敛稳定性获得高质量的全局MPP。     

自适应免疫粒子群算法在光伏MPPT中的应用

光伏阵列在局部遮阴条件下,其P-U特性曲线呈多峰特性,传统的最大功率点跟踪(MPPT)算法容易陷入局部最优,而无法追踪到最大功率点。粒子群(PSO)算法适用于复杂多极值的寻优问题,因而在多峰值MPPT中得到广泛应用。针对粒子群算法寻优过程中易早熟收敛至局部最优、迭代后期收敛速度慢以及精度低等问题,提出了一种自适应免疫粒子群算法。该算法对惯性权重和学习因子进行自适应调整,并且与免疫算法相结合。仿真结果表明：该算法在静态局部遮阴以及动态局部遮阴条件下,均能追踪到最大功率点,并且收敛速度更快,精度更高,稳定性更好。     

基于阻抗匹配和爬山搜索法的光伏MPPT控制研究

为解决爬山搜索法等传统光伏发电最大功率跟踪(MPPT)控制的动态响应速度和稳定性难以兼顾,粒子群优化模糊控制等智能MPPT控制复杂且计算量大的不足,引入光伏电池的工程数学模型,采用最大功率传输定理分析MPPT的本质。针对光伏板上光照强度、温度及负载阻抗可测量,爬山搜索法无需知道光伏板所处环境状态,提出了利用外界光照、温度来给定最大功率参考值,实现输出功率的初步最大跟踪,当输出功率接近理论最大输出功率时,利用变步长爬山搜索法完成最大输出功率准确跟踪的改进型MPPT算法。仿真结果表明,所提的算法能快速完成MPPT功能,具有良好的动态响应能力和跟踪稳定性。     

光伏列阵的全局最大功率点追踪研究

针对光伏电池的最大功率点跟踪(MPPT)影响着光伏系统的发电效率,对光伏阵列的功率输出特性曲线进行了建模仿真分析,根据MPPT的目标是保持光伏阵列输出电压一直保持在最大功率点处,重点分析在光伏阵列出现局部阴影情况时的,光伏阵列的P-V输出特性为多峰曲线情况下,提出了一种基于改进的模拟退火粒子群算法的最大功率点跟踪控制方法,将模拟退火算法思想融入到粒子群算法中,改善粒子的探索能力,提升了最大功率点跟踪算法的收敛速度和精确性。     

一种优化MPPT控制算法及应用

大型光伏水泵系统在特殊工作环境下光伏阵列时常处于局部阴影状态,其输出具有高度非线性和多个局部功率峰值,此时传统最大功率点跟踪(MPPT)方法不再适用。对此提出将粒子群优化(PSO)算法引入光伏阵列MPPT控制,根据阵列输出特性给出了初始粒子定位、算法参数调整和算法重启策略方法,实现了部分遮蔽情况下光伏水泵系统最大功率点(MPP)的稳定跟踪,避免了系统工作点在MPP附近振荡,同时还具有全局搜索功能,进一步提高光伏水泵系统的工作效率。最后实验结果表明了该算法的稳定性和有效性。     

粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用

局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。     

基于粒子群优化算法和电导增量法的多峰值MPPT控制

复杂环境条件下,光伏阵列由于被遮挡其输出特性呈现多峰值特性,传统最大功率点跟踪MPPT(maximum power point tracking)算法不再适用。为此,在研究光伏阵列多峰值输出特性的基础上,提出一种基于粒子群优化PSO(particle swarm optimization)算法和电导增量法INC(incremental conductance)的多峰值MPPT算法。该算法分成2步:第1步先由PSO算法将输入位置调整到最优值附近;第2步再由INC算法得到全局最优解,其中对传统PSO算法进行改进,INC算法采用变步长扰动。在Matlab中进行仿真,结果表明该算法可实现复杂环境条件下的最大功率跟踪,并具备较快的响应速度和稳定的寻优效果。     

集中-分布混合式热电发电系统分布式MPPT控制方法

集中-分布混合式热电发电系统能够解决多个热电发电(Thermo Electric Generator,TEG)模块串联连接时各模块的最大功率点不匹配的问题,实现系统发电能效的最大化。本文提出一种应用于集中-分布混合式热电发电系统的分布式最大功率点跟踪(MPPT)控制方法,通过对各TEG模块的输出电流进行直接控制,集中单元的输入电流等于最大功率点电流最小的TEG模块的电流、分布式单元的输入电流等于各模块最大功率点电流与集中单元输入电流的差值,使得各TEG模块的MPPT控制相互解耦,系统能够快速、准确、稳定地跟踪各个TEG模块的最大功率点,实现了系统输出功率的最大化。搭建了由四个TEG模块组成的混合式热电发电实验系统,通过实验验证了提出的分布式MPPT控制方法的有效性。     

基于改进粒子群算法的多路光伏MPPT控制

针对建筑光伏(PV)发电和大规模集中式PV发电中多条升压支路并联的情况,提出自适应线性调整器重启粒子群算法优化(PSO)法,通过选择合适的开关管导通时间,使各光伏阵列运行于各自的最大功率点,从而实现多路功率最优控制,并且克服了传统最大功率点跟踪(MPPT)算法在复杂环境中易陷入局部最大功率点而失效的问题。最后,通过实验验证了所提控制策略的有效性。     

基于储能型准Z源光伏并网逆变器的改进型自适应粒子群最大功率点跟踪算法研究

在解决光伏电池阵列在局部阴影条件下的多峰寻优问题中,传统的粒子群(PSO)最大功率点跟踪(MPPT)算法存在稳定性差、振荡严重、跟踪速度慢等缺点.针对上述缺点,结合准Z源逆变器的优点并在准Z源阻抗网络电容上并联储能单元,提出了一种基于储能型准Z源光伏并网逆变器的改进型自适应粒子群最大功率点跟踪算法.该算法不再依赖迭代次数,而是直接采用个体最优功率和全局最优功率更新惯性权重和学习因子并引入电压窗口限制,有效地提高了跟踪速度和减小了功率振荡.仿真结果验证了该优化算法在储能型准Z源光伏并网逆变器应用中具有较好的多峰值光伏曲线全局最大功率点跟踪能力,提高了光伏阵列的发电效率,具有较好的可行性.     

基于鲸鱼粒子群融合算法的MPPT研究

在局部阴影遮挡条件下,经典最大功率点跟踪(MPPT)算法容易失效,导致无法追踪到最大功率点,针对此问题,提出了一种基于鲸鱼粒子群融合算法的多峰MPPT控制策略。该算法实现了混合算法的优势互补,增强了鲸鱼算法后期收敛效率,且避免了粒子群算法易停滞于局部极值的缺陷,提高了鲸鱼粒子群融合算法的收敛精度和寻优效率。在MATLAB/Simulink环境中建立光伏阵列仿真模型,仿真结果表明：该算法追踪过程中震荡幅度减小,能够快速准确地搜索到最大功率点。     

基于粒子群优化算法和占空比扰动观察法的光伏阵列MPPT控制

处在局部阴影情况下,光伏发电系统的P-U输出特性曲线由均匀光照下的单峰值变为多峰值,导致使用传统的MPPT算法跟踪最大功率点时无法兼顾收敛速度与稳定性.为此提出一种基于粒子群优化算法和占空比扰动观察法的组合算法用于MPPT中.当光照强度在均匀光照与局部阴影之间相互切换时,流经旁路二极管的电流也会在有和无之间变化;当光照...     

局部阴影条件下光伏阵列 MPPT算法研究

光伏阵列在局部阴影条件下P-U曲线呈现多峰值现象,传统的MPPT算法将会失效。采用粒子群算法可有效解决多峰值最大功率点跟踪问题,但标准粒子群算法存在容易陷入局部最优、收敛速度较慢和稳定精度较差等问题。针对标准粒子群算法的不足,文章提出一种改进型自适应学习因子粒子群算法。该方法对学习因子C_1和C_2进行自适应调整,平衡粒子向"自身认知"和"社会认知"学习的能力;与此同时,引入惯性权重调节参数,以提高算法的收敛速度和精度。仿真结果表明,该算法在均匀光照强度、动态阴影和静态阴影条件下,均能快速精确实现最大功率点跟踪,有效地提高了光伏阵列输出效率。     

部分遮蔽光伏发电系统的建模及MPPT控制

为了优化利用大型光伏发电系统的阵列组件,设计了一个改进的多元结构部分遮挡光伏系统数学模型。采用一个集中的最大功率点跟踪(maximum power point tracking, MPPT)控制器,在 Matlab环境下进行建模仿真,证明该多元结构的光伏系统数学模型可以优化系统结构,节约设备,降低成本。为了提高最大功率点的跟踪准确度和速度,提出了一种基于改进的粒子群优化算法(particle swarm optimization,PSO)的最大功率点跟踪方法,并进行建模仿真和实验,与扰动观察法(perturbation and observation,PO)的性能指标和输出波形图对比,验证改进的粒子群优化算法对最大功率点具有更快的跟踪速度,避免在最大功率点附近产生振荡。     

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。     

基于短路电流法的温差发电最大功率点跟踪控制

温差发电器(TEG)是一种将热能直接转化为电能的新能源发电装置,使用变换器实现对其输出的最大功率点跟踪(MPPT)极为重要。针对温差发电器件存在内阻随外部温度变化、最大功率点随外部温度变化的问题,该文提出一种新的温差发电短路电流最大功率点跟踪控制算法。首先采用微控制器采集变换器电感电流,通过深入分析TEG与Boost变换器等效模型,推导出根据电感电流瞬时值及其斜率估算温差片短路电流的方法,使用PI控制器将电感电流有效值控制在短路电流的一半,从而实现最大功率点跟踪。与传统算法不同,此方法仅需采集电感电流值,无振荡、无静差,对变换器正常工作无影响。最后通过仿真和实验进行验证,结果表明,所提出的短路电流最大功率点跟踪方法能够有效地跟踪全局最大功率点,仅需要一组电流传感器,工作过程不影响主电路正常工作,既减少了成本,又提高了可靠性。