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。     

基于改进细菌觅食算法的光伏阵列MPPT研究

光伏发电系统具有非线性和时变不确定的特性,因此需要对其进行最大功率点跟踪(maximum power pointtracking,MPPT).现有的MPPT算法在收敛精度或收敛速度上存在一定的缺陷.采用智能探寻游动细菌觅食算法进行光伏电池阵列最大功率点跟踪研究.该算法使细菌提前探测下一位置的适应度大小,若是优于当前时刻,则继续游动,反之,则停止游动.这样可以避免游动到差环境下,大大加快了算法的运行速度,改善了运行过程的平稳性.仿真结果表明,智能探寻游动细菌觅食算法与现有细菌觅食算法相比,具有收敛速度快和平稳性好的优点.     

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PSO算法在光伏阵列多峰值中的应用

最大功率点跟踪(MPPT)能有效提高光伏利用效率,当局部阴影时,光伏阵列P-U曲线易呈现多极值问题,传统MPPT算法不适用于在多极值中寻优,因此算法易出现跟踪失效问题.粒子群算法(PSO)更适应复杂的多极值系统求最优解,但不易跳出局部寻优.通过正弦改进策略的动态惯性权重优化方式,应用正弦函数周期变化属性扰动粒子,并配合...     

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。     

改进乌鸦算法的光伏阵列MPPT研究

在局部遮阴或光照不均匀的情况下,光伏阵列的功率-电压(P-U)特性曲线会出现多个极值点.传统智能优化算法普遍存在收敛速度慢、精度低和易陷入局部最优等缺陷.为解决该问题,提出改进乌鸦算法(ICSA)的MPPT控制方法.在种群初始化上,引入基于反向学习的Tent混沌初始化策略,增加种群多样性,帮助跳出局部最优;在算法位置跟...     

基于改进蜉蝣算法的光伏阵列最优重构方法

部分遮蔽是导致光伏阵列输出功率损耗以及组件失配的主要原因之一。文中针对网状连接拓扑的光伏阵列提出了一种基于改进蜉蝣算法（IMA)的重构方法,通过改变光伏阵列内部的电气连接均匀分布光伏阵列上的阴影,以此来均衡光伏阵列的行电流。在10×10和10×7光伏阵列的10种阴影情况下,将IMA与数独重构方法及其他6个启发式算法分别通过失配损耗和功率提升百分比2个评估标准进行了比较,并给出了由IMA重构后的光伏阵列辐照分布图。结果表明,IMA可有效提高光伏阵列输出功率,降低失配损耗,输出PV曲线均趋向呈现单个峰值,并且重构结果均优于其他方法。此外,基于RTLAB平台上的硬件在环实验验证了硬件可行性。     

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...     

基于差分进化算法的阴影影响下光伏阵列MPPT控制研究

当光伏模块受到阴影影响时,其功率-电压（P-V）特性曲线有多个峰值点,传统最大功率跟踪控制（MPPT）算法,如扰动观察法（P&O）,由于采用局部搜索范围,无法准确跟踪全局最大功率点（GMPP）。提出一种基于差分进化（DE）最优算法的全局最大功率点跟踪方法,同时修正了算法的变异方向,使得所有变异算子总能收敛到最优,有助于算法快速收敛。采用Matlab/Simulink对所述算法进行了仿真分析,并与传统扰动观察法进行了对比,本文所述MPPT方法具有更高的效率和功率输出。     

基于神经网络的光伏阵列多峰MPPT的研究

为了减少神经网络训练数据的数量,根据局部阴影条件下光伏阵列的输出特性,提出基本阴影遮挡类型概念,使得神经网络仅需要训练少量数据,就可以准确地预测最大功率点电压。首先,通过实际光伏阵列数据测试仅训练基本阴影遮挡类型的BP神经网络对最大功率点电压的跟踪效果。然后,搭建光伏发电MPPT仿真系统,对比扰动法、固定电压法和BP神经网络结合扰动法在阴影类型、光照强度和温度三方面变化时对MPP的跟踪效果。最后,通过分析表明,经过基本阴影遮挡类型训练的BP神经网络结合扰动法能够有效地跟踪最大功率点,即基本阴影遮挡类型能够减少神经网络跟踪多峰MPP的训练数据获取量。     

改进猎人猎物优化算法的光伏发电MPPT控制策略

光伏发电在局部遮挡时的功率-电压（P-U）特性曲线呈现多峰状态,导致传统MPPT控制策略易陷入局部最大功率点。提出了一种改进猎人猎物优化算法的MPPT控制策略。该优化算法引入非线性收敛因子,提高了算法全局探索与局部开发的能力。结合黄金正弦算法更新位置,提高了算法的寻优速度。在算法搜索后期利用莱维飞行策略避免算法陷入局部最优。经仿真验证,结果表明,与猎人猎物优化算法、布谷鸟算法和传统扰动观察法相比,所提算法跟踪速度快、收敛精度高且有效抑制了系统功率输出的振荡,能够满足光伏发电局部遮挡MPPT的要求。     

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...     

一种高效光伏多峰MPPT控制算法

在局部阴影条件下,光伏阵列的输出功率会出现多峰现象,传统MPPT控制方法搜索全局最大功率点会发生寻优失效。提出了一种高效的光伏多峰MPPT控制算法。该算法基于天牛须搜索算法,通过引入随时间变化的自适应步长因子,在算法初期自动的选取较大的搜索步长,使之保持较高的全局搜索能力;中期逐渐增大步长的衰减速度,加快算法收敛;后期逐渐减小步长的衰减速度,以提高收敛精度。Matlab结果表明,该算法可有效地减小搜索时间和搜索震荡,显著提高收敛速度,同时又可大大地提高搜索精度,准确搜索到光伏最大输出功率。     

基于特征构造和改进PSO算法的分布式光伏功率预测

分布式光伏由于其历史数据缺乏,光伏出力的预测精度不高,提出改进粒子群优化算法(PSO)+长短时记忆网络(LSTM)与注意力机制结合的神经网络模型。构造基于聚类算法的特征工程扩充数据集;给出局部最优判据改进粒子群算法并应用于模型的超参数优化,提升模型泛化性;采用注意力机制与LSTM相结合的架构进行短期功率预测。在澳大利亚公开数据集上的实验表明,新的特征工程与光伏出力具有相关性,预测精度相比传统LSTM模型精度提高17.4%,且改进PSO算法相比标准算法收敛性更好。     

改进海鸥优化算法在光伏系统MPPT中的应用

针对光伏阵列处于阴影状况下功率电压(P-U)特性曲线的非线性、多极值特点以及传统最大功率跟踪算法无法取得良好效果的问题,提出了一种改进海鸥优化算法的最大功率跟踪方法。该方法对海鸥优化算法的附加控制因子进行改进,提出非线性搜索控制应用到最大功率点跟踪(MPPT)中;并将混沌序列引入算法,增加种群位置的多样性,以此来克服过早收敛的缺陷,增强算法在全局搜索与跳出局部搜索的能力。建立仿真模型,在不同环境下与SOA、PSO进行对比,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。     

光伏发电及MPPT算法简介

对光伏发电系统类型、组成、常用MPPT算法等进行了解,然后对最大功率跟踪常用算法的原理及其优点、缺点进行分析。     

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。     

基于改进花授粉算法的光伏MPPT控制研究

针对传统光伏最大功率点跟踪(MPPT)算法在解决局部遮荫环境下系统跟踪灵活性和时效性差,以及稳态输出振幅过大等问题,提出了基于改进花授粉算法(IFPA)的光伏最大功率跟踪控制策略。在对光伏阵列输出特性曲线进行分析的基础上,通过引入t-分布扰动机制和变异策略,分别对经典FPA算法的异花全局授粉过程与自花局部授粉过程进行优化,构建了基于IFPA的光伏最大功率点跟踪模型。以{3*2}的光伏阵列为例进行仿真实验,结果表明所研究模型在动态遮荫下的最大功率点跟踪速度较改进前大幅提高,系统在稳态时的震荡明显减小。     

基于改进电导增量法的光伏阵列MPPT

以太阳能发电最大功率跟踪单元为研究对象,采用改进电导增量法,通过理论分析和Matlab模型仿真的方法,对光伏阵列的最大功率跟踪(MPPT)性能进行分析与实验验证。研究结果表明,改进的电导增量法具有良好的控制精度,加入恒压启动过程后,使新算法兼具快速的跟踪效果。     

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。