基于改进扰动观察法的最大功率点跟踪研究

基于光伏电池工程数学模型,分析了温度及光照强度对光伏电池输出特性的影响.针对常规扰动观察法和电导增量法难以兼顾动态性能和稳态性能的不足,提出一种改进的变步长扰动观察法,该算法可在光照强度发生突变时快速实现最大功率跟踪.比较了改进算法、扰动观察法和电导增量法3种算法的最大功率跟踪P-V仿真曲线,结果表明,采用改进算法可兼顾跟踪精度与响应速度,具有较好的动、稳态性能.     

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.     

基于扰动观察的改进MPPT算法研究

针对光伏电池最大功率点具有线性的特点,本文通过线性拟合把操作点锁定在最大功率点附近,再结合扰动观察法准确地追踪MPP点,从而提出改进的MPPT算法。相较于传统的扰动观察法而言,改进的MPPT算法能够更加快速、准确且少波动地追踪MPP点。最后,通过在Matlab上搭建仿真实验平台验证了所提出算法的有效性和优越性。     

基于拟牛顿法的同时扰动随机逼近算法

基于拟牛顿法原理,结合同时扰动随机逼近算法特性提出了一种搜索方向dk的计算方法,从而提高了同时扰动随机逼近算法的收敛速度和逼近精度.针对典型优化问题分别比较了改进后的同时扰动随机逼近算法、标准同时扰动随机逼近算法及二阶同时扰动随机逼近算法的优化性能,数值分析结果表明:改进后的算法在逼近精度上均优于其他两种算法,收敛速度介于其他两种算法之间.     

一种改进的光伏系统最大功率控制算法

为了提高太阳能发电效率,提出了一种新的太阳能最大功率跟踪方法。该改进算法由扰动观察法和二次插值法相结合进行最大功率点跟踪,利用二次插值法可以缩小搜索范围的特点,克服了扰动观察法在最大功率点附近产生的震荡现象,从而减小误判。通过MATLAB建模仿真的结果表明,改进算法能够快速地搜索到最大功率点,提高太阳能发电系统的稳定性。     

动态网络最短路径射线追踪算法中向后追踪方法的改进

动态网络最短路径射线追踪算法中的向后追踪方法能够解决线性走时插值算法(LTI)向后追踪过程不稳定的问题,但是其计算效率较低.综合利用节点次级源的位置信息以及波的传播规律,提出了改进方法,排除了动态网络最短路径射线追踪算法向后追踪过程中存在的大量冗余计算.数值算例表明,改进的向后追踪方法具有较高的计算效率,是动态网络最短路径射线追踪算法中向后追踪方法的几倍至几十倍;若将改进后的向后追踪方法应用于动态网络最短路径射线追踪改进算法,则该算法的计算效率将提高一倍左右.     

基于功率预测变步长扰动观察法的最大功率追踪

为解决传统扰动观察法误判、振荡和追踪速度慢的问题,提出一种基于功率预测变步长扰动观察法的控制策略.当采样频率固定,光强不变温度变化的情况下,单位时间内光伏电池的输出功率曲线可近似为线性变化.利用步长较大的传统扰动观察法的快速性追踪到最大功率点附近,然后进行线性化功率预测,进而精确地追踪到最大功率点.并在仿真平台中搭建仿真模型,结果表明新的控制策略提高了系统的跟踪速度和精度,优化了系统的输出性能.     

光伏电源最大功率跟踪的改进扰动观察法

本文通过设置光伏电源时间限定值、输出功率变化量的限定值和变步长扰动对现存的”扰动观察法”进行了改善,完成最大功率点跟踪,达到减少对光伏输出电压扰动次数、提高动态稳定性的目的,有效克服了现有“扰动观察法”在实际应用中存在的由于测量误差和计算误差造成的反复扰动、无法稳定工作的缺陷.通过Matlab建模仿真,对该方法进行了可行性研究.     

线性走时插值射线追踪算法的改进

在LTI(Linear Travel-time Interpolation)射线追踪算法基础上提出的扩张-收缩扫描算法能正确追踪直达波、绕射波和回波的射线路径,但其存在计算效率低、收敛速度慢的问题.采用交叉扫描方式对扩张-收缩扫描算法进行改进,并由此提出了基于交叉扫描方式的扩张-收缩扫描改进算法.理论分析及数值模拟结果表明：改进算法在保留了原扩张收缩扫描算法所有优点的同时,具有更高的计算效率;当模型网格尺寸划分较细时,改进算法在计算效率上的优势更为显著.     

线性走时插值射线追踪算法的改进

在LTI(Linear Travel-time Interpolation)射线追踪算法基础上提出的扩张-收缩扫描算法能正确追踪直达波、绕射波和回波的射线路径,但其存在计算效率低、收敛速度慢的问题.采用交叉扫描方式对扩张-收缩扫描算法进行改进,并由此提出了基于交叉扫描方式的扩张-收缩扫描改进算法.理论分析及数值模拟结果表明:改进算法在保留了原扩张收缩扫描算法所有优点的同时,具有更高的计算效率;当模型网格尺寸划分较细时,改进算法在计算效率上的优势更为显著.     

基于复合算法的光伏最大功率点追踪

由于光伏阵列在局部阴影情况下输出功率呈多峰值状态,而传统最大功率点追踪(MPPT:Maximum Power Point Tracking)控制无法解决多峰问题,会陷入局部最优,影响光伏发电效率,为此,提出一种复合算法应用于光伏最大功率点追踪。该方法将麻雀算法的初始种群进行优化,结合反向学习策略,加强了算法的全局搜索能力。当搜索到光伏发电最大功率点附近转换成扰动观察法,利用其快速收敛的特性快速搜索至最大功率点。利用Simulink仿真与硬件实验,验证所提出复合算法的全局搜索能力和快速收敛能力,与麻雀算法、扰动观察法相对比,复合算法的准确性和快速性具有显著提升。     

基于遗传算法与模式搜索法组合的MPPT技术

针对传统单一MPPT算法无法兼顾动态性和稳态性的问题,尝试将传统遗传算法与模式搜索法进行组合应用于光伏发电MPPT控制,技术原理是当系统靠近功率曲线两端时采用遗传算法跟踪,当系统位于最大功率点附近采用模式搜索法跟踪.通过MATLAB/Simulink仿真分析,分别对比研究了扰动观察法、电导增量法、模糊控制法与组合算法跟踪光伏发电最大功率的输出特性.研究结果表明,遗传算法和模式搜索法的组合算法与扰动观察法、电导增量法和模糊控制法等传统最大功率跟踪方法相比,具有响应速度快,控制精度高,稳定性良好等优点.     

局部阴影下光伏阵列最大功率点跟踪算法的研究

传统的最大功率点跟踪(MPPT)算法在光伏阵列多峰情况下容易陷入局部最优，蝴蝶优化算法有全局优化能力，但由于收敛精度较低而没有被广泛使用。提出了一种改进蝴蝶优化算法与扰动观察法相结合的MPPT算法，引入混沌映射理论和动态切换概率改进蝴蝶优化算法。先通过蝴蝶优化算法的全局搜索能力定位最大功率点范围，后切换小步长扰动观察法精准定位最大功率点。混合算法结合了蝴蝶优化算法和扰动观察法的优点，通过Simulink仿真实验，与传统蝴蝶优化算法、粒子群算法作对比，改进后的算法能够适应复杂多变的光照环境，且在收敛精度和速度方面均有一定优势。     

基于计算扰动修正的Wilson-θ法稳定性和精度分析

Wilson-θ法作为一种隐式时域逐步积分方法，由于在迭代过程中不满足下一时刻的动力平衡方程，应用时会存在振幅衰减以及周期延长等问题，使得它在一些情况下难以得到准确解.针对该问题，本文基于计算扰动的概念，提出了一种改进的Wilson-θ法(Wilson-Newmark法),引入计算扰动的概念来量化Wilson-θ法中每一步中存在的计算误差，并利用Newmark-β的计算方法对得到的计算扰动进行再分配，使得改进后的计算方法可以同时满足动力学平衡方程和运动约束.为了考察Wilson-Newmark方法的适用性，对不同θ取值下该算法的稳定性进行了分析.此外，还从振幅衰减、周期延长以及超调3个方面对比了算法的精度.结合数值算例结果，可以认为该方法具有良好的稳定性，且与原始Wilson-θ法相比，该方法的计算精度有显著提高.     

基于OMP算法的快速压缩感知图像重构

针对正交匹配追踪(OMP)算法在压缩感知理论下的重构效果和所需时间相互矛盾的问题,基于子空间追踪(SP)算法的回溯思想,使用共轭梯度下降算法代替最小二乘法对正交匹配追踪(OMP)算法进行改进.并且对所改进算法的重构精度、重构稳定性进行了仿真实验,结果表明所提算法能保证重构质量良好并且有更好的重构速度和稳定性.     

模糊k-prototypes聚类算法的一种改进算法

模糊k-prototypes算法是当前聚类分析中最有效算法之一．简述了模糊k-prototypes算法的发展进程和主要性质；并在此基础上．指出它在处理数值型和分类型混合数据时的不足，进而提出一种改进算法；最后，将算法应用到英语借词之中，给出计算结果．结果表明，改进算法具有较好的稳定性和较高的精确度．     

光伏发电系统最大功率点跟踪控制的研究

针对扰动观察法的速度和精度在很大程度上受扰动初始值和扰动步长的影响,且在最大功率点附近存在功率振荡现象等问题,提出一种改进扰动观察法。首先当日照变化较快时,利用短路电流使输出功率能够快速跟踪在最大功率点附近,然后采用可变步长的扰动观察法使光伏电池稳定在最大功率点。通过仿真实验证明该改进方法明显缩短了最大功率点的跟踪时间,并且基本消除了功率振荡现象,提高了最大功率点跟踪控制技术。     

模糊控制的占空比扰动观察法在光伏MPPT中的应用

本文针对传统的光伏发电最大功率点跟踪(MPPT)技术需要检测光伏电池的输出电压、电流两个变量,研究了一种只需检测输出电流实现MPPT的算法。同时,由于传统占空比扰动观察法会使系统在最大功率点附近振荡而造成功率损耗,研究将模糊控制器应用于占空比扰动观察法中。通过理论分析及仿真研究结果表明,新的算法能快速、准确地实现光伏电池MPPT,并减少了系统成本和功率损耗。     

语音矢量量化全局最优问题的研究

为提高运算速度和识别率,采用编码器扰动在线简化算法解决矢量量化编码时“全局”最优问题.这种算法无需计算扰动前后的目标函数差(ΔE).扰动是全局且永远被接受,在一个温度下无需进行多次扰动以达到热平衡,而且随着码本容量(M)的增加,计算时间要大大缩短,该算法提高了运算速度和识别率,能较好地解决了矢量量化陷入局部最小点问题.     

具有随机扰动机制的改进QPSO算法及其应用

针对原始量子粒子群优化算法(QPSO)在面对复杂多模函数时容易出现早熟和收敛精度低的 情况,提出了一种具有随机扰动机制的改进 QPSO 算法(MQPSO)。在改进算法设计时,首先借鉴了遗传算 法中交叉算子的思想,并结合随机扰动操作,对单个粒子的历史最优位置和全局最优位置进行了重新设定, 以增强算法在迭代后期的收敛性能,同时维持种群的多样性;其次,对QPSO算法中的重要参数收缩-扩张因 子,进行了非线性调整,以提高算法的全局收敛速度和精度。 通过8个测试函数,将 MQPSO 算法与4个现有的改进算法从平均值、标准差和最好取值三个方面进行了对比;进而根据中国证券市场中 15 只股票的历史 数据,分别运用粒子群优化算法、量子粒子群优化算法、布谷鸟搜索、蝙蝠算法和 MQPSO 算法对一类具有最小最大风险的投资组合优化模型进行数值求解。实验表明:MQPSO算法无论在基准测试中还是在仿真应用上,其计算结果在收敛精度和稳定性方面均优于其他群智能算法。