基于粒子群算法的MPPT控制策略研究

获取光伏电池板最大功率跟踪点的方法较多.常规算法存在控制精度差、最大功率点附近震荡、响应速度过慢、或成本过高等问题.将粒子群算法与光伏发电的最大功率点跟踪结合,提出利用粒子群算法来找光伏电池特性曲线中P-U的最高点,并且用算例证实了此方法的可行性.     

基于自适应粒子群算法在光伏阵列多峰值系统MPPT的控制

在局部阴影的条件下,由于光伏阵列的P-U曲线会存在多个峰值点,传统的扰动观测方法不能快速追踪到最大功率点。本文对粒子群算法的设计参数、执行流程等方面进行优化,提出了一种基于自适应粒子群算法对光伏并网系统MPPT的控制策略,最后进行了Matlab/Simulink仿真。结果表明,该控制策略可以快速、准确地搜寻到最大功率点,能够抑制复杂条件下环境因素的影响,提高算法的跟踪精度和光伏电池的整体工作效率。     

基于改进PSO算法在光伏阵列多峰MPPT的研究

针对传统的最大功率点跟踪算法在光伏阵列出现局部阴影时,其输出P-U特性曲线表现出的多峰现象,导致跟踪不能完成真正的最大功率点跟踪,从而造成系统的输出功率降低的问题;粒子群算法(PSO)在全局搜索具有很好的作用,把PSO应用在MPPT之中,但其收敛速度与精度方面具有一定的缺点,为了提高PSO算法的跟踪精度和收敛速度,提出了把非线性控制策略与PSO算法相结合;通过Matlab/Simulink进行仿真验证,结果表明:改进后的粒子群算法在有无阴影和环境发生变化的情况下均可快速且稳定准确地跟踪到最大功率点的有效性,提高了光伏系统的发电效率。     

适用于光伏多峰功率跟踪的改进型粒子群优化算法

针对在自然环境下光伏阵列上时常发生的局部阴影而引起P-V曲线由单峰转变成多峰状态,从而导致常规最大功率跟踪算法失效的问题,在研究传统粒子群算法的基础上,提出了一种改进型控制算法。该算法采用全局模式和局部模式两种运行手段定位最大峰值点,在对粒子群优化的速度更新方式上,去除了大量的随机变量干扰,使结构优化非常明显。改进后粒子群优化算法能够使功率跟踪避免陷入局部最优,使之找到真正的最大功率点。通过与传统粒子群算法对比仿真及试验,结果表明,在光伏阵列局部遮荫的情况下,改进后的粒子群优化算法可以快速准确地搜索到最大功率点,追踪精度高达95%,并且比传统的粒子群算法在搜索效率上提升28%,较好地避免了陷入局部最优。     

3步光伏最大功率点跟踪算法

光伏阵列的P-U特性曲线在局部阴影的情况下会呈现多个极值点,传统算法容易陷于局部极值,智能算法追踪耗时过多.在研究两类算法的基础上,提出一种基于扰动观察法和粒子群算法的3步最大功率点跟踪(MPPT)算法.该算法采用大步长扰动观察法缩小搜索范围并确定粒子数目;采用改进粒子群算法实现全局搜索寻找最优局部;采用逐步逼近的扰动观察法在最优局部内搜索最大功率点.仿真结果表明:该算法在均匀光照和局部遮阴情况下均能准确迅速地跟踪到最大功率点,相比于粒子群算法,追踪时间缩短35%,以上.     

光伏系统模糊PSO的MPPT控制

在局部阴影条件下,光伏阵列的功率–电压特性曲线呈现多峰状,传统最大功率点跟踪方法出现搜索精度低和收敛速度慢的问题.针对此问题提出一种基于模糊控制的粒子群优化算法,采用模糊控制器对粒子群优化算法的惯性权重ω进行优化,实时调整参数,使光伏阵列在光照强度变化时有较好的动态特性和稳态性能.分别采用常规PSO算法和模糊PSO算法在相同条件下对系统进行仿真,结果表明所提出的算法在局部阴影条件下能快速跟踪外部环境变化,且准确地工作在最大功率点.     

基于GWO算法光伏阵列多峰值的MPPT

针对因遮挡处于部分阴影条件下的光伏阵列, 其功率特性曲线由单峰曲线变为叠峰曲线, 使最大功率点跟踪(MPPT)算法失效, 而其他智能算法(如粒子群优化(PSO)算法)存在参数较多、 收敛速度慢、 振荡幅度大等问题, 将收敛速度快、 求解精度高的灰狼优化(GWO)算法应用于光伏阵列多峰值MPPT算法中. 先建立处于局部遮挡情形下光伏阵列的数学模型, 再解析基于GWO算法的MPPT算法原理. 仿真实验结果表明: GWO算法可快速跟踪到最大功率点; GWO算法比PSO算法的跟踪速度提高1倍, 跟踪效率提高0.1%.     

基于二阶振荡粒子群优化算法的最大功率跟踪

最大功率点跟踪(maximum power point tracking,MPPT)是光伏系统保持高效运行的有效方法。在光伏阵列发生局部遮挡时,其功率-电压曲线会出现多峰现象,传统粒子群算法(particle swarm optimization,PSO)在此情况下进行MPPT容易陷入局部最优问题,导致收敛精度降低。为解决以上问题,本文提出一种二阶振荡粒子群算法应用于最大功率点跟踪,并针对多峰函数特点进行优化,在对粒子种群初始化时采用分散定位逼近极值的方式增加粒子群的全局搜索能力,提出有效的终止策略防止系统反复波动。在Matlab/Simulink平台进行仿真对比分析的结果表明：改进算法可有效提升MPPT控制的效率和动态品质。     

光伏并网发电系统最大功率输出控制研究

针对光伏并网发电系统功率输出低的问题,提出从优化最大功率点跟踪和并网控制2个方面综合考虑的方案。对于光伏阵列的最大功率输出,提出一种改进的模拟退火-粒子群优化算法(PSO-SA);对于并网功率控制,提出多参数逆变器复合控制以及直流侧电压和幅值稳定的控制策略,通过Matlab/Simulik软件搭建相关模型并进行仿真。研究结果表明:模拟退火-粒子群优化算法(PSO-SA)能够解决遮荫情况下全局最大功率点跟踪问题,避免光伏阵列陷入局部最大功率点,减少光电转换系统的能量损失;多参数逆变器复合控制以及直流侧电压和幅值稳定的控制策略能实现光伏并网发电最大功率稳定输出,使能源利用率最高。仿真结果验证了这些方案的可行性和有效性。     

粒子群优化光伏系统最大功率跟踪设计

局部阴影条件下光伏阵列的P-V特性会出现多个极值点,使常规的最大功率跟踪算法失效。本文提出基于粒子群优化算法的最大功率控制方法,来解决局部遮阴下的最大功率跟踪问题。     

基于改进PSO算法在局部遮阴下光伏系统MPPT中的应用

在局部遮阴条件下，光伏阵列的功率输出曲线存在多个峰，为确保光伏系统能够更好地工作在最大功率点，提出一种改进粒子群(PSO)算法.自适应调整惯性权重和学习因子，并引入差分进化(DE)算法中的变异、交叉等操作来丰富粒子多样性，使算法不仅有更快的收敛速度，而且在遮阴条件下也能精准追踪到最大功率点.在Simulink中搭建系统仿真模型进行仿真试验.结果表明，改进粒子群算法能够明显提高追踪最大功率点的速度和精度.     

光伏最大功率点跟踪变步长电导增量法的算法优化

根据光伏(photovoltaic,PV)系统输出电压-功率(U-P)曲线在最大功率点(maximum power point,MPP)两侧斜率变化的规律有所不同,MPP左侧曲线变化舒缓,右侧相对陡直的特点,在光伏最大功率点跟踪(maximum power point tracking,MPPT)控制方法的研究基础之上,结合现有一些变步长电导增量法,提出了一种在MPP左侧利用指数函数来调整跟踪电压步长;在MPP右侧利用对数函数来调整跟踪电压步长的分段式变步长电导增量优化算法。仿真实验结果表明该方法良好地实现了对光伏系统最大功率点的跟踪,有效地降低了跟踪过程中MPP附近由步长振荡引起的功率损耗,提高了PV系统的功率输出效率。     

遮挡条件下的光伏阵列最大功率点跟踪

光伏发电系统在遮挡条件下会出现阴影效应,为了解决光伏阵列最大功率点跟踪方法精度低的问题,提出一种光伏阵列最大功率点跟踪方法.根据光伏发电系统的结构和局部遮挡条件下的最大功率点输出特性,由光伏电池等效电路建立光伏电池的数学模型,采用人工鱼群算法实现光伏阵列最大功率的轨迹跟踪,并在Matlab实验平台上测试其有效性.该方法克服了传统方法的局限性,能够对光伏阵列最大功率点进行高精度跟踪,提高了光伏阵列最大功率点的跟踪效率,改善了光伏发电系统的工作性能.     

光伏系统多目标粒子群优化模糊MPPT控制

针对光伏发电系统遭受部分阴影时呈现多峰值、非线性和时变不确定等特性,提出了基于多目标粒子群优化(multi-objective particle swarm optimization,MO-PSO)模糊算法,对最大功率点(maximum power point,MPP)进行追踪控制.该算法对模糊控制的模糊集、模糊规则分别进行多目标粒子群算法优化,同时最小化两个目标函数,以提高光照强度变化时系统对最大功率点跟踪(maximum powerpoint tracking,MPPT)的暂态响应速度和稳态精度.通过对干扰观察法、常规模糊控制方法和多目标粒子群优化模糊控制的仿真波形比较,验证了所提控制策略的有效性.     

光伏并网发电系统MPPT算法研究

针对光伏并网发电系统最大功率点跟踪(MPPT)问题进行研究,在详细分析光伏电池阵列的基础上,对常用的最大功率点跟踪算法进行了分析,提出了逐次逼近型算法,并对该算法与其他常用算法进行了比较。结果表明,该算法可以快速、准确地追踪到最大功率点,具有很好的效果。     

粒子群优化算法在多峰值MPPT控制中的应用

光伏发电系统的多峰值特性,出现在局部遮阴环境下包含多组光伏电池的发电系统中。传统的最大功率跟踪(MPPT)算法会导致最大功率点(MPP)搜索陷入局部极值,不能最大发挥光伏阵列的输出能力。基于粒子群优化算法的MPPT控制有效地解决了多峰值特性下的最大功率搜索问题,提高了响应速度和控制精度。仿真结果证明了优化算法较传统算法在多峰值情况下控制的优越性。     

基于三次插值法的光伏最大功率点跟踪策略

针对光伏发电系统最大功率点跟踪(MPPT)算法的跟踪速度、精准度及稳定性不理想的问题,提出了一种基于三次插值法改进的自适应爬山法。该方法是通过利用三次插值法改进的自适应爬山法,能够快速准确地达到对最大功率点进行跟踪。利用MATLAB/Simulink搭建了光伏发电系统MPPT跟踪控制仿真模型。仿真结果表明,该算法能够显著提高MPPT跟踪的速度、准确度和稳定性。     

基于拟合曲线法和最优梯度法相结合的MPPT算法

MPPT(最大功率点跟踪)技术是光伏电池工作效率的关键,本文在对传统MPPT算法分析的基础上,提出了一种改进的最大功率点跟踪算法。该算法首先利用数值计算中函数极值的求取方法拟合出太阳能电池的输出特性曲线,在拟合曲线的基础上再通过最优梯度法进行MPP点的跟踪,大大提高了系统的追踪性能和效率。通过在Matlab/Simulink平台搭建光伏电池模型,进行算法仿真,验证了所提算法的有效性。     

基于改进黄金分割法的MPPT算法研究

光伏发电系统中最大功率点跟踪技术是提高光伏发电效率的主要技术,基于在线短路电流法和黄金分割法,提出一种全新的MPPT算法,即改进黄金分割法;与传统MPPT算法相比,该算法既保证了最大功率跟踪的快速性,又保证了其精确性;最后,通过Matlab仿真模型进行仿真,结果验证了该算法的优越性.     

基于LabVIEW的光伏发电系统MPPT算法研究

针对光伏阵列的非线性问题,提出了一种快速、稳定且能够全局寻优的最大功率点跟踪算法。该算法首先将粒子群优化算法改进,使其能够在一定的迭代次数下稳定、全局地更新所有粒子的速度和位置,接近最大功率点;第二步采用以Fibonacci数列作为步长改变依据的变步长扰动观察法并将其优化,使其快速得到功率的最佳解。利用LabVIEW软件搭建了模型并仿真,验证了算法在精度与速度上的大幅度提升,确定了算法的先进性和可行性。