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。     

光伏发电系统的一种模糊MPPT控制方法

为了提高光伏(photovoltaic,简称PV)发电系统的最大功率跟踪(maximum power point tracking,简称MPPT)速度,提出了一种模糊MPPT控制方法.该方法将传统的扰动观察法与模糊控制技术相结合,通过对寻优步长的模糊控制实现了最大功率点(maximum power point,简称MPP)的快速跟踪.最后,仿真实验验证了该模糊MPPT控制方法具有比传统扰动观察法更好的暂态性能和稳态性能.     

微元步长自适应增量电导法实现MPPT的控制

为了更大程度的提高光伏发电系统的最大输出功率,通过对光伏电池功率、电压(P-U)特性的数学建模分析,在增量电导法的基础上,提出最大功率跟踪控制算法(MPPT)——微元步长自适应增量电导法.改善了传统增量电导法步长选择不确定性的弊端.通过引入变步长控制因子k,以微元步长Δd自适应的跟踪最大功率点.在Matlab/Simulink环境下进行了仿真验证.结果表明该算法明显缩短了跟踪时间,并且有效地抑制了系统在最大功率点(MPP)附近的振荡现象,提高了系统的跟踪速度和精度.     

恒压法结合变步长电导增量法的最大功率点跟踪

针对光伏发电系统的最大功率点跟踪（MPPT）原理进行了详细的分析和阐述,介绍了常用的电导增量法的优缺点,在此基础上提出了基于恒压法结合变步长电导增量法的最大功率点跟踪算法。通过Matlab/simulink进行系统仿真,给出了光照突变时电导增量法和恒压法结合变步长电导增量法的最大功率点跟踪曲线。实验结果表明,该改进的算法具有更优的系统响应特性和稳态特性。     

电导增量法在光伏系统MPPT中的分析与改进策略

光伏发电系统的最大功率点跟踪控制技术是整个系统的核心控制技术之一。针对传统的电导增量法在光照强度突变的情况下存在误判的问题,提出一种基于观测最大功率点的改进型变步长电导增量法MPPT控制策略,在光强突变时,根据所处工作点实时修改变步长△U,从而快速、准确跟踪跟踪最大功率点。利用MATLAB/Simulink仿真平台搭建了基于观测最大功率点的改进型变步长控制策略仿真模型,结果显示,改进变步长电导增量法能够在光强突变时准确、快速跟踪最大功率点,避免了一定的能量损失。     

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。     

基于电导增量法与模糊控制组合的MPPT技术研究

通过对光伏电池特性的分析以及对电导增量法和模糊控制技术两种最大功率点跟踪（MPPT）方法的研究,提出了组合两种算法的MPPT技术．仿真结果和实验数据均表明,组合算法能使光伏发电系统快速、准确地跟踪最大功率点,提升了系统总体性能,具有良好的动态和稳态特性．     

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.     

一种优化变步长电导增量法的MPPT控制

由于光伏电池的输出特性会随着环境变化而改变,因此,合理的最大功率点跟踪(maximum power point tracking, MPPT)技术是提高光伏发电系统效率的关键.但在定步长算法中,跟踪速度和稳态精度之间存在固有矛盾,而传统变步长算法在光照变化下缺乏灵活性,起动速度慢,制约了MPPT的跟踪质量.针对此问题,提出一种优化的变步长电导增量法.该算法可根据工作点位置选取合理的跟踪比例系数,克服了传统变步长算法动态响应速度慢、精度不高的问题.在Matlab/Simulink下的仿真结果证实了该算法在变化的光照情况下的可行性.     

改进FA算法在阴影条件下光伏MPPT中的应用

为解决光伏阵列最大功率点在外部环境条件变化时难以进行有效的跟踪,以及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而且响应速度慢的问题,采用理论分析和仿真的方法,提出一种基于萤火虫算法(FA)的变步长MPPT算法,对传统FA算法的结构和参数进行分析改进,将萤火虫初始位置分散定位在可能的峰值点电压处,并设...     

阴影光照条件下光伏阵列的最大功率点跟踪方法

提出一种基于线性函数的自适应步长滞环比较法的最大功率点跟踪(MPPT)方法.首先,在阴影光照条件下,构建光伏电池的双二极管等效电路,在Matlab/Simulink仿真平台上对光伏阵列输出特性曲线进行仿真;然后,分析文中方法的工作过程,通过仿真和实验对比文中方法与扰动观测法的控制效果.结果表明:文中方法可以准确地跟踪到阴影光照条件下光伏阵列的最大功率点,提升MPPT的跟踪效果.     

基于新型电导增量法的MPPT控制策略

为了实现光伏系统开机过程和光照强度发生较大变化时对最大功率点(MPP)的快速追踪,提出了一种新型变步长与基于光照变化因子的补偿步长相结合的电导增量控制算法,并建立了该算法的数学模型及仿真模型。仿真结果表明提出的控制算法能够快速、准确地进行最大功率点的跟踪且能够消除振荡现象,表现出了良好的动态性能。     

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。     

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。     

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。     

Artificial Neural Network Maximum Power Point Tracker for Solar Electric Vehicle

This paper proposes an artificial neural network maximum power point tracker (MPPT) for solar electric vehicles. The MPPT is based on a highly efficient boost converter with insulated gate bipolar transistor (IGBT) power switch. The reference voltage for MPPT is obtained by artificial neural network (ANN) with gradient descent momentum algorithm. The tracking algorithm changes the duty-cycle of the converter so that the PV-module voltage equals the voltage corresponding to the MPPT at any given insolation, temperature, and load conditions. For fast response, the system is implemented using digital signal processor (DSP)The overall system stability is improved by including a proportional-integral-derivative (PID) controller, which is also used to match the reference and battery voltage levels. The controller, based on the information supplied by the ANN, generates the boost converter duty-cycle. The energy obtained is used to charge the lithium ion battery stack for the solar vehicle. The experimental and simulation results show that the proposed scheme is highly efficient.     

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。