一种新型算法在光伏最大功率跟踪中应用

最大功率点跟踪算法是实现太阳能利用率的最大化有效途径之一,光伏组件的非线性和光伏阵列的多峰特性导致最大功率点跟踪变得更为困难。传统算法易陷入局部极值,大多智能算法存在计算成本高、时间长和系统振荡等问题,这将进一步导致系统不稳定。径向移动算法具有简单、快速和消除振荡等优势,但在搜索过程中,粒子的随机性导致系统振荡大,对此提出一种改进方法。最后,以AD260组件为对象,建立基于BOOST电路的光伏系统模型,分别验证光伏组件在各光照下的最大功率点跟踪和光伏阵列在局部阴影下的最大功率点跟踪,结果发现改进后算法能快速准确地进行最大功率点跟踪。     

基于电压扫描和电导增量法的局部遮荫条件下多峰MPPT方法

传统的最大功率点跟踪(maximum power point tracking, MPPT)方法在均匀辐射条件下效率较高,但由于光伏阵列与辐射、温度之间的强非线性特性,在局部遮荫条件下阵列的多峰特性易使传统的MPPT方法陷入局部极值,无法有效追踪最大功率。建立了局部遮荫条件下的光伏阵列模型,针对局部遮荫产生的多峰情况,采用电压扫描比较的方法确定最大功率点附近的电压,并以此电压值作为变步长电导增量法的初始值进行搜索,最终确定最大功率点的位置。该方法避免了在多峰条件下最大功率点跟踪陷入局部极值,实现了有效跟踪。     

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。     

基于FOA算法的光伏发电MPPT仿真研究

在光伏发电系统中需要对光伏阵列的最大功率点进行跟踪控制以提高整体系统的输出功率。以光伏阵列输出非线性特性为切入点展开研究,在分析了常规算法的优缺点基础上,针对其最大功率点跟踪(MPPT)动态和稳态性能不佳等问题,提出了将果蝇优化算法(FOA)应用于光伏发电系统中。在Matlab/Simulink下进行了建模和仿真,仿真结果表明该方法能够迅速准确地跟踪光伏阵列的最大功率点,防止算法跟踪方向误判情况的发生,表现出良好的动态和稳态特性,同时也证实了算法的正确性和有效性。     

基于PSO优化BPNN估计光伏阵列MPPT控制系统研究

为了充分利用光伏阵列转换能量,提高光伏阵列的发电效率,在分析光伏阵列的伏安特性及最大功率点跟踪(MPPT)原理的基础上,提出了一种基于粒子群算法优化BP神经网络(PSO-BPNN)的建模方法,并用这种改进的神经网络构建了光伏阵列的动态模型.通过PSO-BPNN模型拟合光伏阵列输出功率与输出电压的非线性关系,实现了对光伏阵列的最大功率点跟踪.Matlab/Simulink仿真及在线测试结果表明:基于PSO-BPNN估计的光伏阵列MPPT控制系统能快速、精确地跟踪光伏阵列的最大功率点,改善了BP神经网络收敛速度慢,易陷入局部极值,建模精度不高的缺点,提高了系统的稳定性和能量转换效率,是研究光伏发电这个复杂非线性系统的一个可行办法.     

基于CSA-FPI算法的光伏发电MPPT仿真研究

对光伏阵列进行最大功率点跟踪控制(Maximum Power Point Tracking,简称MPPT),是提高光伏发电系统输出功率的有效措施之一。文章以光伏阵列非线性输出特性为切入点展开研究,在分析了常规算法的优缺点基础上,针对其在最大功率点处(MPP)动态和稳态性能不佳等问题,提出了一种基于布谷鸟搜索算法(CSA)和模糊PI(FPI)控制相结合的光伏阵列MPPT算法。在MATLAB/Simulink下进行了仿真建模,仿真结果表明该方法能够迅速准确地跟踪光伏阵列的最大功率点,防止算法跟踪方向误判情况的发生,具有快速跟踪性和鲁棒性;同时实验结果也证实了上述算法的正确性和有效性。     

基于蚁群优化算法的光伏阵列多峰特性最大功率点跟踪

在局部阴影条件下光伏阵列的功率输出曲线呈现多峰特性,这时常规算法将不能跟踪到阵列的全局最大功率点。因此,本文提出一种基于蚁群算法跟踪全局最大功率点的方法,算法利用蚂蚁爬行十进制数的每位来生成系统的给定电压,根据实测功率值来调整路径的信息素,使蚂蚁逐渐集中在最优的给定电压路径附近,最终实现光伏阵列的全局最大功率点跟踪。通过Simulink搭建光伏阵列仿真模型,结果表明,在环境发生变化时,蚁群算法可以快速准确地跟踪到具有多峰输出特性的光伏阵列的全局最大功率点,提高了光伏阵列在复杂环境下的输出功率。     

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。     

基于差分进化人工蜂群算法的光伏最大功率跟踪策略研究

带有旁路二极管的光伏阵列在局部阴影时其P-U特性曲线会出现多个极值点,此时常规MPPT方法在多峰值寻优时可能会失效。对光伏阵列输出特性功率极值点的个数进行了研究,在此基础上将基于差分进化的人工蜂群算法应用于最大功率点跟踪。首先对蜜蜂的初始位置进行预定义初始化,避免遗漏极值点。将差分进化算法中的变异策略与人工蜂群算法相结合,实现时变条件下全局最大功率点跟踪控制。并且在上述算法中加入迭代终止策略,从而有效避免系统稳态时的功率振荡现象。在Matlab中搭建S-Function仿真模型,验证了该算法的有效性。     

阴影影响下最大功率点跟踪控制(英文)

在阴影影响下,光伏阵列输出特性存在多个局部最大功率点,传统最大功率点跟踪算法不能区别真正的最大功率点。利用Matlab仿真软件对不同阵列在不同光照及温度下输出特性进行了仿真,归纳了光伏阵列在阴影下导数–电压输出特性的变化规律。研究了基于导数等效面积的最大功率点所在区间定位以及求导采样点确定方法,并在区间定位方法基础上了提出了多极值点最大功率点跟踪方法。建立基于状态方程的系统仿真模型对该文提出的算法进行了仿真验证,搭建实验平台对该文提出的最大功率点跟踪方法进行了验证。仿真与实验结果验证了所提方法的正确性。     

基于改进粒子群算法的光伏最大功率跟踪研究

在局部阴影情况下,带有旁路二极管的光伏阵列P-U呈现多峰特性,导致常规的最大功率点跟踪方法失效。针对多峰值问题,在建立和分析光伏阵列P-U特性曲线的基础上,提出了采用自适应变异粒子群算法进行光伏阵列的最大功率点跟踪方法。该算法根据光伏阵列在局部阴影时P-U曲线上功率极值点的分布特点初始化种群,在传统粒子群算法基础上,通过引入自适应权因子和变异机制来加速算法收敛及防止算法陷入局部极值。仿真测试表明,提出的改进方法能够快速有效地实现光伏局部阴影下的最大功率点跟踪,相比于粒子群算法,可有效避免陷入局部极值点,收敛速度更快,且具有应对太阳光照变化的能力,提高了局部阴影时光伏发电的效率。     

基于模糊PI的光伏发电双MPPT研究

针对光伏阵列非线性工作特性及传统MPPT控制中响应外界环境变化缓慢、最大功率点附近功率振荡现象明显等缺点,对其最大功率点跟踪算法进行分析,提出了一种模糊PI控制下扰动观察法(PO)和恒电压控制法(CVT)相结合的双MPPT(dual maximum power point tracking MPPT)控制方法应用于光伏发电系统。通过建立模糊PI控制下的光伏发电双MPPT系统模型,构建系统控制量及变化量变化规则,设计仿真参数。仿真实验结果表明本方法在外部环境变化时能快速准确地跟踪光伏阵列最大功率点,具有良好的动态和稳态性能。     

光伏并网发电系统最大功率跟踪新算法及其仿真

根据光伏阵列的特性,开发了光伏阵列的通用仿真模型,该模型可以模拟任意日照和温度下光伏电池的输出特性.分析了光伏并网发电系统最大功率跟踪的算法,针对最常用的最大功率跟踪方法--扰动观察法的不足,提出了一种新的最大功率跟踪的新算法.在Matlab/Simulink下进行了建模与仿真.仿真结果表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,有效地避免跟踪的偏差,能够准确地跟踪太阳能电池的最大功率点,有效地提高光伏电池的输出效率,其动态响应速度快,使光伏系统具有良好的动态和稳态性能.     

改进黄金分割法在光伏发电MPPT中的应用

在光伏发电系统中需要对光伏电池的最大功率点进行跟踪来提高系统的输出功率。以光伏电池输出非线性特性为切入点展开研究,分析了常规算法的优缺点,针对其最大功率点跟踪(MPPT)动态和稳态性能不佳等问题,提出了将改进黄金分割法(IGSS)应用于光伏发电系统中。在Matlab/Simulink下进行了建模和仿真,仿真结果表明该方法能够迅速准确地跟踪光伏电池的最大功率点,防止算法跟踪方向误判情况的发生,表现出良好的动态和稳态特性,证实了该算法的正确性和有效性。     

基于改进蜉蝣算法的光伏MPPT研究

针对光伏(PV)阵列难以兼顾局部遮荫情况(PSC)下准确跟踪多峰全局最大功率点(GMPP)和均匀辐照度情况(UIC)下快速完成单峰最大功率点跟踪(MPPT)的问题,提出一种基于改进蜉蝣算法(IMA)的PV MPPT方法。首先,分析了PV阵列在理想电流源区域的电流-电压(I-U)特性曲线,提出阴影检测机制对PV阵列的遮光情况进行监测以区分PV阵列功率-电压(P-U)曲线的多峰-单峰情况;然后,采用末位淘汰策略的IMA进行多峰MPPT,同时,利用二等分搜索策略的IMA快速实现单峰MPPT;最后,仿真和实验结果表明基于IMA的PV MPPT方法可有效判断多峰-单峰情况,并在单峰MPPT场景和多峰MPPT场景下均具有更高的跟踪时效和精确度。     

改进3点权位法的光伏电池MPPT控制器的应用研究

针对目前光伏电池最大功率点跟踪算法跟踪效率不高、稳态波动大和易误判等缺点,提出基于改进3点权位法的光伏电池最大功率跟踪算法。根据光伏电池物理模型及其在工程应用领域中的数学模型,在Matlab/Simulink中搭建了光伏电池最大功率跟踪器仿真模型,将传统MPPT算法和3点权位算法进行仿真比较,结果表明改进3点权位法可以快速、稳定、有效地跟踪最大功率。     

一种改进INC和MPC的光伏最大功率点跟踪算法

最大功率点跟踪(MPPT)常用于在光伏发电系统中获取最大的功率输出。针对光伏系统最大功率点跟踪过程中存在动态响应速度和稳态跟踪精度难以兼顾的问题,提出了一种改进电导增量法(INC)结合模型预测控制算法(MPC)的光伏发电系统最大功率点跟踪技术。利用改进电导增量法获取光伏系统下一时刻的电流参考值,与模型预测控制器获取的电流值相比较,通过建立和评价系统两步长模型指标函数,达到MPPT快速跟踪的目的。仿真结果验证了该方法的有效性。     

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。     

改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪

针对光伏阵列处于局部遮阴情况下其P-U特性曲线呈现出多极值点特性,传统最大功率点跟踪(MPPT)算法由于搜索机制导致难以跳出局部最优准确跟踪到最大功率点问题,提出一种基于改进鲸鱼算法优化支持向量机回归(SVR)的最大功率点跟踪方法.该方法在普通鲸鱼算法的基础上引入对数权重因子与随机差分变异策略,增强了算法在全局搜索与局...     

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。