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。     

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.     

改进粒子群算法在光伏多峰值MPPT中的应用

光伏阵列在局部遮阴的情况下会呈现多峰值的特性,传统的最大功率点跟踪（MPPT）算法会陷入局部最优点,从而导致算法实效。粒子群算法较其他智能算法具有参数少、控制简单的优点,但存在收敛速度慢以及容易早熟收敛的缺点。针对这些问题,提出了改进的粒子群算法,将自适应的惯性权重法与异步变化的学习因子相结合来改善存在的问题。通过MATLAB将传统粒子群算法与改进的粒子群算法仿真对比来验证改进后算法的优越性。     

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。     

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。     

改进型模糊PID控制在光伏系统MPPT中的应用

介绍了一种带有自适应量化因子和比例因子的模糊PID控制方法在光伏发电系统最大功率点跟踪控制中的应用。分析了常规模糊PID控制的不足和量化因子及比例因子对跟踪控制的影响。实验结果表明,该方法设计的自适应MPPT控制器可以获得更好的整体系统性能,在任何环境下更好地使系统运行在最大功率点处,比传统的控制方法有更高的跟踪性能。     

光伏发电MPPT的灰色模糊PID控制

分析了光伏电池的输出特性.根据光伏电池的功率-电压曲线,在已有控制算法的基础上,采用灰色模糊/PID双模控制,即在外界环境或者负载发生变化,导致远离最大功率点时,采用模糊控制进行控制,使系统能够快速跟踪到最大功率点.由于模糊控制属于有差控制,在最大功率点附近仍然有震荡,造成一部分功率损失,所以当系统工作在最大功率点的附...     

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.     

基于模糊控制的MPPT方法的研究

针对太阳能光伏系统是一个强非线性系统,太阳电池的工作情况很难用精确的数学模型来描述。根据光伏电池最大功率点跟踪原理,比较常用的MPPT方法的优缺点,将模糊控制理论引入到MPPT控制中,使系统能够快速响应外部环境变化,减轻最大功率点附近的功率震荡。论文建立了光伏系统的仿真模型,采取模糊控制策略,实现最大功率点的跟踪控制。     

一种VWP分段模糊控制的光伏系统MPPT方法

当天气情况快速变化时,如何同时优化光伏(photovoltaic,PV)系统在最大功率跟踪(maximum power point tracking,MPPT)控制中的快速性、准确性和平稳性目前仍是一个难题.针对这一问题,提出了一种可变天气参数(variable weather parameter,VWP)分段模糊MPPT方法.该方法采用两条VWP直线将输出功率曲线分为三个跟踪区域,每个区域采用一个模糊控制器进行控制,其总体控制决策为:在控制量远离理想最大功率点(maximum power point,MPP)时采用大步长以确保跟踪的快速性,在控制量接近MPP时采用小步长以确保跟踪的准确性和平稳性.仿真实验证明,该控制方法比传统扰动观察法具有更好的快速性、准确性和平稳性.     

光伏系统功率扰动改进型MPPT算法研究

根据光伏电池的特性及影响光伏电池输出功率的主要因素,在比较了常用最大功率跟踪算法的恒定电压法和功率扰动法的原理及优缺点基础上,提出了一种改进型功率扰动最大功率跟踪算法.以求克服传统算法中定步长跟踪带来的无法快速跟踪光照突变,变步长算法中突变初期的扰动过大的问题,并对其有效性进行了仿真验证,具有较强的工程实用价值.     

Fuzzy Variable Structure Control of Photovoltaic MPPT System

In order to reduce chattering phenomenon of variable structure control, a fuzzy variable structure control method is adopted and applied in the photovoitaic maximum power point tracking （MPPT） control system. Firstly, the electric features of PV cells and a dynamic model of photovoitaic system with a DGDC buck converter are analysed. Then a hybrid fuzzy variable structure controller is designed. The controller is composed of a fuzzy variable structure control term and a supervisory control term. The former is the main part of the controller and the latter is used to ensure the stability of the system. Finally, the conventional variable structure control method and the fuzzy variable structure control method are applied respectively. The comparing of simulation results shows the superiority of the latter.     

光伏发电系统MPPT固定频率滑模控制

基于光伏电池的数学模型,采用Buck电路作为实现电路,以开关周期平均状态概念为基础,建立光伏发电系统的平均状态数学模型.基于滑模控制理论和光伏电池的工作特性,设计了光伏发电系统最大功率点跟踪固定频率滑模控制器,对控制器的固定频率滑模控制算法采用Lyapunov方法进行了存在性和稳定性分析.在理论分析基础上,对光伏发电系统及固定频率滑模控制器进行了数字仿真和实际物理系统实验.仿真和实验结果表明,所设计的固定频率滑模控制器抖振很小,能很好地实现光伏发电系统最大功率点跟踪,控制算法实用有效.     

基于模糊滑模控制的风力发电系统最大风能追踪

针对永磁同步风力发电系统,从空气动力学的基础理论入手,分析了机组运行时的最大风能追踪原理.根据已知的风力机特性和滑模变结构系统理论,推导出在切换面上的等效控制和切换面上滑模运动的状态方程.为了削弱抖振,采用基于最大风能追踪控制的模糊滑模控制方法,根据系统状态在线调整切换控制增益系数.通过Lyapunov稳定性定理得到系统渐进稳定的充分条件.构建系统模型并进行仿真比较,仿真运行结果证实了该控制策略的正确性和有效性.     

基于粒子群模糊聚类算法的边缘检测仿真

将粒子群优化算法与模糊C-均值(FCM)聚类算法相结合,并应用于图像边缘检测,以期解决标准FCM算法在图像边缘检测中对初始值敏感及容易陷入局部极小的两大缺陷.首先,基于数学测度概念构造一个描述边缘点信息的特征向量,将灰度图像中的每一个像素点看成是一个数据样本,将该点灰度值处理后构成其边缘点信息特征向量,形成具有三维特征的数据集;然后对这个数据集应用粒子群模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.仿真实验表明,此算法具有良好的抗噪性能,能够得到较好的边缘效果,提高了边缘定位的精度.     

基于遗传和粒子群结合的文化算法

针对粒子群优化(PSO)算法的"早熟"现象,给出了基于遗传和粒子群结合的文化演化算法.该算法将PSO/GA纳入文化算法框架,形成PSO的主群体空间和GA的信仰群体空间,两群体空间可以独立并行演化,并在适当的时机实现信仰群体空间对主群体空间的引导,达到改善粒子群优化算法全局搜索能力、提高计算精度的目的.仿真表明,该算法的优化性能和效率优于PSO算法、GA算法和GA-PSO混合算法.