基于指数变步长电导增量法的光伏最大功率点跟踪

光伏最大功率点跟踪方法可以最大限度地利用光伏电池所能产生的电能,已成为提高光伏发电系统运行效率、降低光伏电能成本的研究热点。本文分析了扰动观察法和电导增量法存在收敛速度慢、稳态振荡、陷入局部最优等问题,提出了一种具有阈值判断和变步长功能的指数变步长电导增量法,该方法既具有电导增量法快速跟踪的优点,又能准确、稳定地跟踪到全局最大功率点。进行了不同运行工况下的仿真实验,验证了上述方法的可行性和适用性。     

基于改进电导增量法的光伏MPPT控制

为了提高光伏发电效率及系统稳定性,需要对光伏阵列进行最大功率点跟踪（MPPT）控制。针对传统扰动观测法存在的系统振荡及误判问题,提出一种改进的电导增量法,通过计算系统当前时刻电导与电导变化率的差值,利用积分器进行调节,消除其差值,最终实现对系统最大功率点的稳定跟踪。为验证所提算法的有效性,将改进电导增量法与传统扰动观测法进行仿真对比,结果表明改进算法控制的光伏系统输出功率在满足跟踪速度的基础上,减小了系统母线电压变化的振荡幅度,使系统能够稳定准确地跟踪最大功率点,提高了光伏电池的利用率。     

固定电压法与改进电导增量法结合的光伏发电系统最大功率点跟踪

由于光照强度、光伏阵列温度、负载时时变化,使光伏电池阵列的最大功率点也发生变化,需采用适当的最大功率点跟踪(MPPT)算法提高光伏转换率。提出固定电压法与改进的电导增量法结合的MPPT方法,先采用固定电压法将光伏阵列的工作点调整到最大功率点附近,以保证跟踪的快速性;而后利用变步长的电导增量法,使工作点电压与最大功率点电压近似相等。仿真结果表明,固定电压与电导增量法结合追踪最大功率点能够快速、准确地跟踪光伏阵列的最大功率点,减少了在最大功率点振荡的能量损失,提高了光伏发电系统的能量转换率。     

面向直流微电网的升压型光伏发电系统研究*

针对面向直流微电网的升压型光伏发电系统,主要从光伏电池的工程模型、最大功率点跟踪控制技术以及升压型光伏发电系统的性能仿真与数字化实现等方面开展了深入的研究。根据P-U曲线的单峰性,确定了利用升压型变换器的阻抗变换作用和电导增量法相结合的最大功率点跟踪实现方案,并详细分析了电导增量法实现最大功率点跟踪的原理。通过研究传统的固定步长电导增量法最大功率点跟踪控制策略,提出了一种改进的变步长电导增量法,并这两种方法进行了仿真验证,并进行了实验研究。相应的实验结果证明了所设计的改进的的变步长电导增量法,解决了传统的固定步长电导增量法所存在的跟踪速度与稳态精度无法同时调节的问题。     

基于模糊PI控制与电导增量法的光伏MPPT跟踪技术

为了解决光伏MPPT算法跟踪速度和精度的问题,针对传统输出电导增量法所产生的系统振荡和误判等问题,提出一个改进型的控制算法。通过将单模糊控制和电导增量法相结合的混合计算,能够使工作地点离最大输出功率点更接近,从而减少了在最大功率点时容易振荡的问题。通过分析系统光伏电池的工作特点,从而建立了光伏电池输出功率的数学模型,并进一步在Matlab/simulink环境下建立了仿真模型,经过对单模糊控制定步长电导增量法与单模糊控制变步长电导增量法的比较,结果表明所提出的方法能够增强了系统追踪的稳定性,从而减小了系统振荡所带来的电能损失,并在日照强度变化时也可以较快地追踪到最大功率点。     

基于电导增量法的模型预测控制光伏MPPT算法

由于外界环境的多变性与随机性,光伏系统的全局最大功率点总是飘忽不定的。为使光伏系统在外界复杂环境下能够获得最大功率输出,提出了一种基于电导增量法的模型预测控制光伏MPPT算法。该算法将电导增量法与模型预测算法相结合,完成对光伏发电系统在外界复杂多变环境下的快速跟踪。通过建立系统性能指标函数,评价与估算出未来控制变量的动作,预测出P-U曲线的方向。最后通过simulink仿真表明了文章所提方法在外界光照强度发生突变时与单独使用电导增量法相比较可以同时提高系统的跟踪速度和控制精度。     

模糊控制法与电导增量法结合的MPPT算法研究

针对在太阳能光伏发电系统中模糊控制算法对最大功率点进行跟踪时的特点,设计了一种改进型的控制算法。其采用模糊控制法与电导增量法算法相结合,使得工作点进一步接近最大功率点,并且有效减小了在最大功率点的振荡。通过对单一的模糊控制法、电导增量法和模糊控制法与电导增量法相结合算法的仿真对比,结果表明该结合算法可以在外界环境急剧变化的情况下能快速,准确地跟踪到最大功率点处,同时有效减少了在光伏电池阵列最大功率点附近的振荡,提高了光伏发电效率。     

基于模型参考电导增量法的光伏电池MPPT控制

由于光伏电池输出电压的非线性特性,需要进行MPPT(Maximum Power Point Tracking)控制,即最大功率点跟踪控制.通过建立光伏电池的数学模型,对光伏电池的输出特性进行了分析.分析了太阳能光伏阵列在不同外界环境的输出特性和几种传统的最大功率跟踪方法的优缺点,并且仿真验证了电导增量法的优点和缺点.在此基础上提出了一种基于模型参考的电导增量法.当光照强度和温度发生快速变化时,系统通过获得仿真模型在当前光照和温度的最大功率点电压,利用电导增量法在此电压附近寻找实际的最大功率点电压.仿真结果表明,和传统的电导增量法相比,该方案能够在外界环境发生变化时快速跟踪太阳能电池的最大功率点,有效提高了最大功率点的跟踪精度,具有良好的动态和稳态性能.     

自适应BP神经网络在光伏MPPT中的应用

首先介绍了光伏电池的特性,并在比较了扰动观察法、电导增量法、恒定电压法、开路电压法等几种光伏系统最大功率跟踪(MPPT)算法的基础上,提出了一种基于BP神经网络的最大功率跟踪的控制策略。该策略将温度和光强作为输入变量,通过神经网络识别后可得到最大功率点。仿真结果表明,该方法能够快速、准确地跟踪光伏电池的最大功率点,具有良好的控制精度和适应性,显著提高了光伏系统的转换效率。     

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。