部分遮挡条件下光伏阵列最大功率点跟踪方法

针对光伏阵列在部分阴影遮挡条件下具有多个局域最大功率点的最大功率点跟踪问题,在详细分析光伏阵列I-V特性的基础上,提出一种新颖的全局最大功率点跟踪方法。该方法根据光伏阵列最大功率点附近电压随电流的增加迅速下降的特点,先以大步长扫描方法锁定到各局域峰点附近,然后再采用PO法以小步长跟踪该峰点,最后通过比较搜索到的各个局域峰点的功率来确定全局最大功率点。仿真和实验结果表明所提方法能够准确而迅速地跟踪到全局最大功率点,有效提高光伏阵列在部分阴影遮挡条件下的并网发电输出效率。     

局部阴影下光伏阵列MPPT控制方法的研究

光伏阵列在局部阴影条件下,其输出P-V特性曲线将呈现多个功率峰值。为了追踪到全局最大功率点,对局部阴影条件下光伏阵列输出P-V特性曲线进行了深入分析,对各功率极值点对应电压和被遮挡的光伏组件个数及光照强度之间的关系进行了研究。得出了相邻功率极值点对应电压之差的最小值为0.8Uoc(Uoc为单个光伏组件的开路电压)等规律,在这些规律的基础上,提出了一种新的最大功率点跟踪方法,能够快速、准确地跟踪到全局最大功率点。应用MATLAB软件搭建了仿真模型,仿真结果验证了所提出方法的正确性和有效性。     

局部阴影下光伏阵列最大功率跟踪系统的研究

针对光伏阵列发电系统,在局部阴影情况下,研究推导光伏阵列数学模型。同时,分析加装旁路二极管、光伏阵列拓扑结构、光照强度大小及分布形状对光伏阵列输出特性的影响,并且分析了传统功率跟踪优缺点。提出一种全局最大功率搜索与局部功率极值跟踪相结合的全局最大功率跟踪算法,并进行Matlab/Simulink仿真分析。实验结果证明了该策略的有效性与正确性。     

光照不均匀情况下光伏阵列最大功率跟踪控制

当光伏阵列受到不均匀光照时,输出的功率电压曲线含有多个局域峰值。针对此光照不均匀情况,建立光伏阵列多峰数学模型,并提出一种最大功率跟踪控制方法。采用连续函数构建光照不均匀情况下光伏阵列输出功率电压曲线;依次从该曲线的两侧或中部迭代搜索各局部最大功率点,确保在各种光照情况下均获得全局最大功率;通过Matlab仿真实例验证了所提多峰数学模型和最大功率跟踪控制方法的正确性。     

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法EI北大核心CSCD

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。     

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部开发协调性能、避免陷入局部最优的能力.利用该改进鲸鱼算法对SVR参数寻优,建立光伏阵列最大功率点电压预测模型,并与电导增量法(INC)相结合应用于MPPT控制.Matlab/Simulink仿真结果表明,所提的复合MPPT控制算法在各种局部遮阴及光照突变情况下都能够有效避免陷入局部寻优,迅速准确地跟踪到全局最大功率点(GMPP).     

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。     

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。     

基于光伏阵列输出特性的GMPPT算法研究

针对局部阴影条件下光伏阵列的P-V曲线呈现多峰值的情况,在研究光伏阵列输出特性的基础上提出了一种全局最大功率点追踪GMPPT(global maximum power point tracking)算法。该算法由均匀光照和局部阴影条件下的两个最大功率点追踪算法构成。通过所提出的局部阴影检测手段判别光伏阵列所处的光照条件,从而决定使用哪个子算法。最后将该算法在Matlab中进行仿真验证。仿真结果表明在局部阴影条件下该算法能快速地追踪到全局最大功率点,且避免了对整条P-V曲线的扫描。在均匀光照条件下要比传统的最大功率点追踪算法(扰动观察法)更快地定位到最大功率点。     

结合量子粒子群算法的光伏多峰最大功率点跟踪改进方法

光伏阵列在局部阴影时的P-U曲线呈现多峰特性,需要设计光伏多峰最大功率点跟踪方法,以实现光伏发电最大功率输出,提高光伏发电效率。相比粒子群优化算法,量子粒子群优化算法具有收敛速度更快和全局收敛性等优势。提出了一种基于量子粒子群优化算法的光伏多峰最大功率点跟踪改进方法。该方法采用量子粒子群优化算法实现最大功率点的全局搜索;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中的粒子总数及其电压;并根据量子粒子群优化算法收敛时粒子自身最优位置的特点,提出了更适合光伏多峰最大功率点跟踪的收敛判据。仿真测试表明,提出的改进方法能够快速有效地实现光伏多峰最大功率点跟踪,收敛速度更快,避免了不收敛的问题,且具有应对光照情况变化的能力,提高了局部阴影时光伏发电的效率。