排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
针对在局部阴影情况下光伏阵列的功率-电压(P-U)特性曲线呈多峰特性,粒子群算法应用于局部阴影下的最大功率点跟踪(MPPT)跟踪,存在搜索速度慢、精度低的缺点。提出自适应惯性权重粒子群优化(PSO)算法的最大功率点跟踪算法,自动更新惯性权重w和学习因子C1、C2,通过仿真实验,优化前的全局最大功率点(GMPP)跟踪时间是0.045 s,输出功率为468 W。优化后的自适应粒子群算法GMPP跟踪时间为0.020 s,输出功率稳定在为480 W,光伏阵列的输出功率跟踪误差小于30%。在所搭建辐照度突变模型仿真中,在4.022 s突变到300 W/m2时经过0.05 s又重新跟踪到了新的最大功率点稳定在0.075 MW。最后通过实验平台验证,优化后的自适应粒子群优化算法与传统的粒子群优化算法相比,追踪时间减少了55.5%,误差小于5%,验证了该算法可行性和实用性。 相似文献
3.
光伏发电出力受天气变化影响,具有波动性、随机性等特点,并网后会对电网的安全稳定运行造成影响。储能技术的发展使平抑光伏出力波动成为可能。以研究新型电力系统中储能技术平抑光伏出力波动为目标,从各类储能技术的特点以及应用情况出发,对储能技术平抑光伏出力波动方法进行分析。在储能技术的特点及应用方面,重点分析了秒级、分钟级、小时级三个时间尺度下储能技术的特点,指出每个时间尺度储能技术的共性,分析单一储能和混合储能的特点及其在平抑波动方面的应用情况,总结出了该领域目前主要研究热点。在平抑波动方面,分析了平抑光伏出力波动的控制方法,归纳了各种方法的技术特性和应用效果。通过对储能技术研究进展的总结,以及对储能技术平抑光伏出力波动研究重点的分析,可为相关技术应用提供参考。 相似文献
4.
1