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%.     

局部阴影条件下光伏阵列最大功率点跟踪研究

以1/4阴影覆盖下的光伏阵列为对象,用Matlab/Simulink仿真软件,通过构建阴影条件下光伏阵列数学模型,分别采用瞬时扫描法和扰动观察法进行最大功率点跟踪研究.结果表明:在1/4阴影覆盖情况下,扰动观察法只能跟踪到太阳能电池低压侧20V附近极大功率点,瞬时扫描法能跟踪到高压侧60V左右最大功率点.采用新型的瞬时扫描法能对局部阴影覆盖的光伏阵列实现更准确的最大功率点跟踪.     

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.     

高斯-赛德尔法求解光伏阵列最大功率点基准值

为了快速且准确地求解光伏电池模型参数,进而求解局部阴影条件下光伏阵列的最大功率基准点值,采用高斯-赛德尔法,从工程实际出发,根据局部阴影下的光照情况,把光伏阵列模型分解成光照均匀条件下的多个新光伏阵列模型,利用光伏电池数据手册可以快速且准确地求解模型参数。仿真结果表明:高斯-赛德尔法能够快速且准确地求解拆分后模型的光伏阵列最大功率点基准值;该方法适用于光伏阵列在局部阴影条件下的输出特性和各个峰值点最大功率基准值求解问题。     

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。     

阴影遮挡条件下光伏阵列建模及PSO优化控制算法的研究

基于现有五参数模型构建了阴影条件下的光伏阵列多峰输出特性模型,该模型能够仿真阴影条件下光伏阵列的I-U性能曲线.在此多峰模型基础上,搭建了MPPT控制模型,利用优化后的PSO算法实现多峰情况下的最大功率点追踪,并与原始PSO算法进行对比,仿真结果表明该算法能够快速且准确的追踪到多峰下的最大值.     

基于变尺度混沌优化搜索的局部阴影条件下光伏阵列MPPT研究

为提高混沌搜索在局部阴影条件下光伏阵列最大功率点跟踪中的速度和效率,提出一种变尺度混沌优化搜索方法。在搜索过程中首先采用Logistic映射产生混沌变量,将其映射到光伏阵列的输出电压空间;然后进行变尺度操作,将搜索区间缩小,直到搜索到最大功率点。研究结果表明:与传统混沌搜索方法相比,该混沌搜索方法能快速准确地跟踪最大功率点的变化,为局部阴影条件下光伏阵列最大功率点跟踪提供了一种新的有效方法。     

狼群搜索算法在光伏阵列MPPT中的应用

光伏阵列最大功率点在外部环境条件变化时往往难以进行有效地跟踪,而传统的最大功率点跟踪(MPPT)方法常常会导致搜索陷入局部极值并且响应速度慢。针对此问题,本文提出一种基于狼群搜索算法的最大功率点跟踪方法。仿真结果表明:该算法能够有效地进行全局最大功率点跟踪,验证了该算法的可行性。     

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.     

利用改进布谷鸟优化算法的光伏全局MPPT方法

光伏阵列一般由大量组件构成,受环境影响易出现局部阴影,导致P-V曲线出现多峰现象。传统的最大功率点追踪(Maximum power point tracking,MPPT)控制策略如扰动观察法容易陷入局部最优, 从而降低光伏系统的发电效率。为了解决该问题, 本文提出了一种融合正弦余弦算法和自适应策略的布谷鸟优化算法(Cuckoo Search Algorithm Fusing Sine Cosine Algorithm And Adaptive Strategy ,AFCS),并将其应用于光伏全局MPPT控制中,用于改善MPPT过程中的收敛速度与追踪精度。最后设置多种光照情况并用花朵授粉算法和粒子群算法进行对比,经过MATLAB/Simulink仿真验证,该算法拥有较快的收敛速度和较高的追踪精度, 在各个光照条件下均能快速追踪到光伏阵列最大功率点, 可以有效提高光伏系统的发电效率。     

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。     

光伏电池最大功率点跟踪

为了快速稳定地跟踪到光伏电池最大功率点,提出基于固定电压法和导纳增量法相结合的光伏电池最大功率点跟踪(MPPT)方案.固定电压法用来迅速跟踪近似最大功率点,导纳增量法则用来进行精确跟踪,仿真结果表明此方案能快速地跟踪到光伏电池的最大功率点.在此基础上加入环境判断因子,提高了光伏电池在多云天气情况下最大功率点跟踪的稳定性.     

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,提出了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。     

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.     

太阳能电池最大功率跟踪控制的研究(英文)

光伏电池输出功率随外部环境和负载的变化而变化,要提高光伏发电系统的输出效率须采用有效的最大功率点跟踪算法.针对光伏电池的非线性特性,提出了一个基于增量电导法、以升降压斩波器为核心的光伏能量转换系统.经PSIM和LabVIEW软件仿真证实,该方法能使系统稳定工作在最大功率点,同时能对外界环境的变化做出快速反应.     

短路电流法和变步长电导增量法结合的MPPT算法

最大功率跟踪技术被广泛的应用于光伏发电系统,从而使光伏阵列在阳光的照射下发出最大功率。变步长电导增量法因为易于应用且跟踪精度较高而被广泛采用,然而传统的变步长电导增量法在响应时间和功率振荡方面还存在一定的缺陷,本文提出了一种新颖的短路电流法与变步长电导增量法结合的算法,实验结果表明,采用新算法的光伏发电系统的稳态特征和暂态特性都表现优异。