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。     

基于改进粒子群算法光伏最大功率跟踪

不断变化的外部环境对光伏列阵的输出有着特殊的影响,为减小能量损失,须对光伏阵列进行最大功率点跟踪（maximum power point tracking,MPPT）。粒子群优化算法（particle swarm optimization,PSO）在多峰值寻优中具有良好的性能,然而粒子在寻优的过程中经常出现过早收敛的现象,导致其寻优精度有所欠缺。为了解决以上的缺陷,本文提出一种改进的自适应粒子群(improved particle swarm optimization,IPSO)与布谷鸟搜索（cuckoo search,CS）混合算法应用于最大功率点跟踪。并在MATLAB/Simulink平台中搭建仿真模型对混合算法进行验证,并与其他方法进行比较,仿真结果证明,本算法有良好的响应速度和较高的优化精度。     

基于改进粒子群算法光伏的最大功率跟踪

不断变化的外部环境对光伏列阵的输出有着特殊的影响,为减小能量损失,须对光伏阵列进行最大功率点跟踪(maximum power point tracking,MPPT)。粒子群优化算法(particle swarm optimization,PSO)在多峰值寻优中具有良好的性能,然而粒子在寻优的过程中经常出现过早收敛的现象,导致其寻优精度有所欠缺。为解决以上的缺陷,提出一种改进的自适应粒子群(improved particle swarm optimization,IPSO)与布谷鸟搜索(cuckoo search,CS)混合算法应用于最大功率点跟踪。并在MATLAB/Simulink平台中搭建仿真模型对混合算法进行验证,并与其他方法进行比较,仿真结果证明,改进算法有良好的响应速度和较高的优化精度。     

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。     

基于知识推理和二阶振荡粒子群算法的桩基础优化设计

为辅助设计者准确高效地完成桩基础设计工作,降低工程造价,基于知识推理和二阶振荡粒子群算法开发出一套桩基础优化设计系统.系统通过结合C#语言和CLIPS推理机实现桩基础埋深推理功能,进而求出当前场地条件下的最优桩长.选择以工程造价为目标函数设计优化数学模型,根据已知的最优桩长简化优化变量.选用二阶振荡粒子群算法作为优化算法,结合桩基础规范设计约束条件,编制出桩基础优化程序.最后以某十层实验教学楼为例进行分析,证明了本优化算法的可行性.     

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.     

基于改进萤火虫算法的光伏最大功率点跟踪

光伏电池的最大功率点跟踪是实现光伏系统高效发电的关键技术.分析光伏阵列的输出特性,提出一种改进的萤火虫算法(IFA).将混沌理论与正态分布引入传统萤火虫算法(FA),提高全局搜索范围并避免陷入局部最优;在MATLAB中搭建模型进行仿真.结果表明:该改进算法在均匀光照、局部遮阴和温度突变时均能快速精准地实现对全局最大功率...     

粒子群优化算法用于二阶状态变量滤波器的设计

用粒子群优化算法设计了高Q值二阶状态变量滤波器,有效地解决了基本遗传算法设计电路存在的收敛速度慢、易早熟的问题.用Pspice对设计出的滤波器进行仿真,得到了令人满意的结果.结果表明,在平均收敛代数和平均收敛时间两个重要指标上,粒子群优化算法明显优于基本遗传算法.     

光伏发电非线性步长最大功率跟踪算法

针对光伏发电最大功率跟踪速度慢、损耗大的问题,提出一种非线性步长最大功率跟踪算法.将matlab仿真结果与实验测得数据进行对比表明:在光照强度、温度等外界环境改变的情况下,系统能快速稳定的跟踪到最大功率点,减少了波动造成的损耗,有效提高了光伏发电系统的效率.     

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。     

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。     

光伏电池最大功率跟踪器的研究与开发

介绍一种采用双CPU结构的光伏电池最大功率跟踪器的软、硬件设计,提出一种改进的、具有在线调整功能的自适应扰动观察法,用于MPPT（Maximum Power Point Tracking）控制,使得跟踪的动、稳态性能在一定程度上都有所提高.最后,给出仿真与实验结果.     

基于改进灰狼优化的开关磁阻风力发电最大功率点跟踪控制策略

以中小型开关磁阻风力发电机为研究对象,针对发电过程中,在不同风速条件下最大功率点跟踪控制快速性和准确性的需求,提出一种基于自适应加权灰狼优化PID算法的最大功率点跟踪控制策略。当外界风速发生变化时,根据实时风速计算出风力机最佳转速,其与实际转速的差值作为加权自适应灰狼优化PID控制算法的输入,作为转速闭环的PID控制参数,从而输出电压脉宽调制的最优占空比,实现变风速下的最大功率点跟踪控制。仿真结果表明,与传统PID控制相比,自适应加权灰狼优化PID算法能够在风速变化情况下,更加快速准确地实现最大功率点跟踪控制。     

双门限值变步长光伏最大功率点跟踪

针对传统的干扰观察法和变步长干扰观察法的不足,提出了双门限值变步长光伏最大功率点跟踪法.该方法分别将功率曲线的斜率值乘以和除以输出电流而得到2个步长选择标准,每一标准下设一门限值.利用Matlab/Simulink工具建立相应的光伏阵列控制模型,对该方法和变步长干扰观察法的仿真.结果表明：该方法跟踪速度快、稳定性高,特别是当光强突变时也能快速地追踪到最大功率点.     

基于混合优化算法的最大功率点追踪方法

针对部分阴影条件下粒子群优化（PSO）算法追踪最大功率点时间较长与功率波动大的问题,提出一种基于万有引力与粒子群混合优化(GPSHO)算法的最大功率点追踪（MPPT）方法。该方法将万有引力搜索算法引入粒子群算法,在迭代过程中通过调节PSO算法的惯性权重、认知因子和社会因子提高算法的收敛速度,实现追踪全局最大功率点。仿真与实验结果表明:该方法能够在不同光照情况下精准地追踪全局最大功率点,其搜索速度大约比基于自适应惯性权重粒子群(APSO)算法的MPPT方法快１倍,功率振荡亦更小。     

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。     

风力发电系统最大功率点跟踪控制策略研究

为了最大限度地捕获到风能,变速风电系统一般采用最大功率点跟踪（MPPT）的控制策略.MPPT有三种控制方法：即最佳叶尖速比控制、功率信号回馈控制和爬山搜寻控制.前两种方法需要准确测量风速或需要事先测量风力机功率曲线,在实际执行中存在困难,爬山搜寻法与风轮的空气动力学特性没有关系,并且可以用软件来实现.着重研究了爬山搜索...     

改进型变步长光伏最大功率点快速跟踪

介绍硅太阳能电池Matlab/Simulink仿真模型,通过该模型得到太阳能电池模型的输出特性曲线和最大功率点跟踪(maximum power point tracking,MPPT)曲线;其次介绍MPPT原理,对传统的扰动观察(perturbation andobservation,P&O)法进行研究,提出一种基于功率斜率曲线的判断标准.基于改进的变步扰动法,利用Matlab/Simulink工具,建立相应的电池控制模块,最后给出仿真曲线.该方法能够适应光强和温度的快速变化,快速跟踪最大功率点,比传统的扰动观察法更好地满足跟踪速度和跟踪稳定性的要求.     

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...