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。     

基于飞蛾扑火优化算法的光伏阵列MPPT研究

飞蛾扑火优化(MFO)算法是一种新型智能算法,具有局部避免和快速收敛能力,并且可以很好地协调全局搜索和局部搜索。针对光伏(PV)阵列在局部阴影条件(PSC)下其输出特性曲线呈现多峰的情况,此处提出了一种基于MFO算法的全局最大功率点跟踪(MPPT)控制方法。首先,对电导增量(INC)算法、粒子群(PSO)算法和MFO算法在均匀光照和PSC下分别进行了对比;然后,通过对追踪过程中的飞蛾及火焰位置进行分析,清晰地呈现出了MFO算法的优势;最后,通过仿真和实验证明了MFO算法的有效性。     

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。     

多策略改进海鸥算法及其在光伏MPPT中的应用

针对在局部阴影情况下传统光伏系统最大功率跟踪方法跟踪精度较低且易陷入局部最优的问题,提出一种基于多策略改进海鸥算法的最大功率点跟踪控制方法。首先,通过改进原始海鸥算法的收敛因子,平衡算法的全局及局部寻优能力;其次,引入自学习环节和反向学习策略,增大海鸥的覆盖空间和加强海鸥种群的多样性,使算法能够有效地摆脱局部极值,精确地跟踪到全局最大功率点。通过仿真结果证明,所提出的控制方法在精度和稳定性方面有一定的优势,且光伏系统的输出效率也得到了有效的提高。     

基于改进鲸鱼优化算法的光伏发电系统MPPT控制研究

在局部阴影条件下,常规的最大功率点跟踪MPPT(maximum power point tracking)算法因含有容易陷入局部极值、跟踪精度低等弊端,使其无法及时、精确地跟踪光伏发电系统的最大功率点,因此,提出了一种基于改进型鲸鱼优化算法的光伏发电系统MPPT控制策略。首先,采用混沌映射初始化种群,增加种群的多样性。其次,通过引入非线性收敛因子使局部寻优能力和全局搜索能力达到均衡。最后,通过引入非线性时变的自适应权重使系统及时跳出局部最优解,并提高搜索的精度。经仿真验证,与粒子群优化算法、狮群优化算法、传统的鲸鱼优化算法等相比,改进的鲸鱼算法在跟踪速度、精度、稳定性等方面均有更显著的效果。     

基于改进FOA优化BP神经网络算法的光伏系统MPPT研究

针对基于BP神经网络的光伏系统MPPT策略在光照强度突变时存在较大误差的问题,提出了一种改进的果蝇优化算法用于BP神经网络的权值和阈值优化,并建立了基于IFOA-BP神经网络算法的光伏系统MPPT控制的仿真模型。测试和仿真结果表明,IFOA的收敛速度和求解精度较改进前均有明显提升;IFOA优化后的BP神经网络收敛速度加快,预测误差减少;较之于电导增量法,IFOA-BP神经网络的MPPT策略在稳态条件下能明显抑制功率波动,在外界条件发生突变时,能迅速准确地追踪到最大功率点,具有良好的稳态精度和动态特性。     

改进APSO算法在光伏MPPT控制中的应用

局部阴影条件下,光伏发电系统中P-U曲线会呈现多峰现象,传统的最大功率点跟踪(Maximum Power Point Tracking, MPPT)算法易失效,粒子群(PSO)算法适用于复杂多极值系统的寻优,因而在多峰全局MPPT中得到应用。针对寻优过程中传统PSO算法搜索精度低以及易出现早熟现象的缺点,本文提出了自适应惯性权重粒子群(APSO)算法,在PSO算法中引入非线性惯性权重,以提高多峰全局寻优的精度与速度。最后利用MATLAB/Simulink对系统进行仿真,仿真结果表明：在均匀光照和可变阴影条件下,APSO算法能有效提高系统寻优的收敛速度与精度。     

基于改进PSO算法的光伏阵列MPPT研究

针对光伏阵列(photovoltaic array)传统的最大功率点跟踪(maximum power point tracking,MPPT)方法的不足,提出一种改进的粒子群算法(particle swarm optimization algorithm,PSO)。该算法中,粒子位置依据粒子的个体最优解由大到小更新,更新过程中使用当前时刻所产生的全局最优解,同时,将反映粒子聚集程度的粒子位置的标准差和反映粒子偏离程度的距当前最大功率点的距离引入每个粒子的速度阈值,单独自适应地限制每个粒子的更新速度,以便更快地找到最大功率点,提高收敛速度。最后,通过仿真和实验验证了该算法的快速性和有效性。     

局部阴影下光伏阵列MPPT算法及实现

针对传统最大功率点跟踪全局扫描法用时长的缺陷,对局部阴影下光伏阵列输出特性进行分析,获得归一化的最大功率点电压的分布规律。利用该规律结合扰动观察法,提出一种改进型全局最大功率跟踪的扫描算法。首先,确定可能存在局部最大功率点的区域;然后,对该区域使用扰动观察法局部扫描,获得所有的局部最大功率点;最后,选取其中最大的点作为全局最大功率点。该算法能够大幅度缩短扫描时间,使系统快速确定全局最大功率点。实验采用Boost和全桥电路作为拓扑,以DSP为主控制芯片搭建了一套验证系统。实验数据表明在双峰和三峰情况下,与全局扫描法相比该算法节约了50%以上的时间。该算法推广到更多峰的情况具有同样的适用性。     

基于混合式蝴蝶算法的局部阴影光伏MPPT研究

针对传统最大功率跟踪(MPPT)算法在跟踪局部阴影时的光伏最大功率失效问题,以及目前元启发式MPPT算法中较多初始种群数导致算法计算负担过大,寻优时间过长的现象,提出了一种新的蝴蝶算法(BOA)-爬山法(HC)混合MPPT控制算法。该算法利用BOA进行全局寻优,在搜索至全局最大功率附近时采用HC进行后续搜索。利用传统MPPT方法的快速收敛性来提高元启发式算法的搜索速度,减小BOA的搜索空间,加快整体算法的全局跟踪速度。利用MATLAB/Simulink仿真软件搭建了局部阴影下的光伏发电系统,并在相同种群数目下对粒子群(PSO)和BOA算法进行测试对比,验证了所提算法的有效性。     

一种新型光伏系统最大功率跟踪算法的研究

为了能够更有效地提高光伏发电系统的最大输出功率,根据光伏阵列的输出特性,建立了光伏阵列的数学模型.在变步长电导增量法(INC)的基础上,提出了一种通过极值点判断系统的工作步长是固定步长模式还是变步长模式,并且能根据系数N自动调节步长大小来跟踪最大功率点的新型最大功率跟踪控制算法( MPPT).在Matlab/Simulink环境下进行了仿真验证,仿真和分析结果表明在日照强度迅速变化时,与传统变步长电导增量法相比,该新型算法明显缩短了系统的跟踪时间,并且较好地抑制了系统在最大功率点附近的波动现象,有效提高了系统的跟踪速度和精度,且输出功率增加了3.4％左右.     

光伏发电系统MPPT改进方法研究

研究了适合最大功率跟踪算法的新型变步长和改进型扰动观察法,以及将目标点扩展为一个区域的概念。改进最大功率跟踪方法,可有效应对光伏阵列的非线性和时变性,提高系统的有效产能,针对经典扰动观察法存在的振荡、误判问题,考虑到光伏阵列输出曲线最大功率点两侧斜率变化不一致和P-V曲线在工作区间内单峰性的特点。仿真结果表明,该方法提高了系统的稳定性和跟踪速度,在PSCAD环境下建立的三相并网系统中也得到了良好的仿真曲线,提高了光伏并网系统对光能的利用率,对并网电能质量方面的问题产生了积极作用。     

一种改进型光伏系统MPPT算法及实现

针对传统扰动观察(PO)法的缺陷,提出一种结合固定电压和三点比较法的改进型算法。该算法可使系统在起始阶段快速靠近光伏组件的最大功率点(MPP),在日照强度发生快速变化时,不会快速移动工作点,减少误判,并避免在MPP附近扰动造成的功率损失。采用Buck拓扑结构,以数字信号处理器(DSP)作为主控芯片设计了一套验证系统。实验证明该系统可快速跟踪光伏组件的MPP并稳定在工作点附近。     

基于改进鸽群算法的光伏阵列MPPT方法

针对光伏系统最大功率点跟踪MPPT(maximum power point tracking)控制方法在多峰状态下易陷入局部最优,导致光伏系统输出效率较低的不足,提出一种基于学习因子改进鸽群算法的MPPT控制方法.首先对光伏阵列输出多峰值进行分析,在鸽群算法中引入学习因子,通过前后两阶段学习因子的相互交流,有效增强了全...     

APSO算法在光伏阵列MPPT追踪器中的应用

针对传统的MPPT算法无法在光伏阵列局部遮阴或光照不均等情况下对最大功率点进行有效追踪的问题,提出了一种自适应粒子群优化(APSO)算法。阐述了APSO算法的基本思想以及将该算法实际应用到光伏阵列最大功率点追踪(MPPT)追踪器中的设计思路,并给出了带APSO算法的追踪器硬件实现原理框图。测试结果表明,基于该算法的追踪器能够快速、准确地实现光伏阵列在部分遮挡条件下全局最大功率点的追踪,具有一定的工程应用价值。     

A new control strategy for the optimization of Distributed MPPT in PV applications

In this paper, a new control strategy allowing to optimize the performances of PV systems adopting Distributed Maximum Power Point Tracking (DMPPT) is presented and discussed. Such a strategy is based on the evaluation of an estimate of the optimal operating range of the inverter input voltage and on the evaluation of an estimate of the optimal operating voltages of the PV modules. The main advantage of the proposed technique is represented by the possibility to evaluate in closed-form the above estimates, provided that the PV modules short circuit currents are known. The closed-form evaluation of the above estimates allows in turn the fast identification of a set of optimal operating points for the inverter and for the PV modules; such a fast identification allows to obtain a marked increase of the speed of tracking of the maximum power point of the whole PV system. Moreover, a further advantage of the proposed technique is represented by the capability to avoid that the operating value of the inverter input voltage remains trapped in the neighborhood of a suboptimal operating point thus lowering the energetic efficiency of the PV system, as it may happen when standard MPPT techniques (such as the Perturb and Observe technique) are adopted.     

基于人工鱼群算法的光伏阵列多峰MPPT控制策略

光伏系统在复杂应用环境下输出特性具有时变非线性、多功率极值和量测噪声的特点。人工鱼群算法具有良好的克服局部极值、获得全局最优值的能力,非常适合解决非线性多极值函数寻优问题。分析了复杂应用环境下光伏阵列输出特性,将最小二乘滤波与人工鱼群算法结合,应用于复杂应用环境下光伏最大功率点跟踪控制,削弱复杂应用环境影响,提高跟踪精度,最后通过仿真与实验验证该跟踪策略的有效性。     

基于粒子群遗传算法的光伏MPPT控制研究

局部阴影条件下,光伏阵列的功率特性曲线会出现多个峰值,传统的MPPT跟踪算法容易陷入局部极值点,无法准确地跟踪到最大功率点。粒子群算法具有很强的全局搜索能力,可以有效解决多峰寻优问题,但是普通粒子群算法容易出现收敛速度慢、早熟现象。提出一种改进的粒子群遗传（IPSO-GA）算法,该算法的惯性权重与学习因子随着迭代次数不断改变,可以同时兼顾算法的局部搜索与全局寻优能力,并且引进遗传算法的交叉、变异操作以增加种群多样性。仿真结果表明,改进算法在多峰最大功率跟踪过程中,具有良好的跟踪速度与寻优精度。     

基于PSO-BFO混合算法的MPPT优化研究

针对WSN节点的光伏电池能量转换效率低,分析局部阴影对光伏电池输出功率产生多峰的影响,以及热斑效应造成功率损失的情况,提出了一种基于PSO-BFO混合算法的最大功率点跟踪(MPPT)优化方法.PSO算法简单、具有记忆能力,利用PSO算法中的粒子群Vid和Xid来替代BFO算法中细菌的C(i)和θi(j,k,l),实现算...     

基于扰动观测法的改进MPPT算法研究

根据目前阿克苏地区光伏发电场的运行情况,发现光伏发电技术还存在着光-电转换率低、输出功率不稳定等问题,很大程度上影响着该地区光伏发电场的经济运行。因此,为了促进光伏发电的进一步发展、稳定输出功率、提高光伏发电技术的光电转换率,在分析光伏发电的模型和研究光伏发电最大功率点跟踪(MPPT)技术的基础上,提出改进的扰动观测法(SVM改进扰动法),并利用Simulink仿真软件进行仿真分析,通过仿真结果证明改进的扰动观测法消除了震荡,有效地减少了扰动次数和跟踪时间、提高了最大功率点的跟踪精度和速度。