分布式光伏发电系统多峰值MPPT优化研究

针对实际应用中环境复杂性导致光伏阵列的输出呈现多峰值现象,而传统控制方法在此情况下存在无法持续高效的跟踪到最大功率点的难题,将优化的多峰值支持向量机函数和具备快速收敛特性的猫群算法相融合,提出一种基于自适应权重迭代收敛的改进型猫群算法(IMCGA),并用于解决局部遮阴情况下的多峰值寻优问题,从而实现太阳能发电系统的最大功率跟踪功能。通过搭建光伏电池的数学模型,分析局部遮阴情况下光伏电池的多峰值输出特性;通过详细分析IMCGA智能算法中自适应权重和变异算子的优化构造,阐述IMCGA算法在局部遮阴的光伏系统最大功率点跟踪的实现过程。最后,通过与一系列传统控制算法进行对比仿真实验,显示所提出控制算法的优越性。     

新型自适应算法在复杂遮阴条件下MPPT中的应用

光伏阵列输出特性具有明显的非线性特征,并且当光伏阵列被部分遮挡时其输出特性出现多个峰值。传统变步长MPPT方法对均匀光照条件下的单峰值特性寻优问题取得了良好的效果,但其在处理多峰值寻优问题时可能会失效。针对上述情况,提出了一种新型自适应变步长MPPT方法。首先建立部分遮阴情况下光伏阵列数学模型,然后根据最大功率点所在电压区间与开路电压和短路电流呈现出的特殊规律,将多峰值寻优问题转化为单峰值寻优问题。找到其所在区间后启用改进自适应算法搜索全局最大功率点,仿真结果表明该算法在无遮阴和部分遮阴情况下均能有效找到全局最大功率点。     

结合混沌粒子群的分布式最大功率点跟踪

光伏阵列在局部阴影环境下输出特性呈现出多峰曲线,传统最大功率点跟踪(MPPT)算法在多峰寻优的过程中容易陷入局部极值,致使光伏阵列效率低下.为了提高局部阴影下光伏阵列的输出效率,提出一种基于分布式架构的混沌粒子群最大功率点跟踪(CPSO-DMPPT)算法,并通过PSIM平台对所提出的算法进行仿真验证.实验结果表明:CPSO-DMPPT算法能在多峰曲线中寻找到最优点,拥有更快速的响应速度和更优的全局搜索能力,其分布式架构可有效地提高光伏阵列的输出效率.     

复杂关照环境下光伏阵列MPPT算法

光伏阵列处于复杂光照环境时,其P-V（power-voltage）输出特性曲线会出现多个功率峰值点,传统的最大功率点跟踪（Maximum Power Point Tracking,MPPT）算法大多无法收敛于最大功率点,造成光伏阵列输出效率下降。为解决上述问题,首先对复杂光照环境下光伏阵列的输出特性进行了理论推导,建立了仿真模型,结合P-V特性曲线总结了功率峰值点的相关特性,提出了一种多重区间最大功率点跟踪算法。仿真结果表明,该算法能够快速、准确地跟踪光伏阵列的最大输出功率。     

基于分段控制的光伏全工况MPPT研究

光伏(PV)阵列输出特性随运行环境及自身工况的变化而变化.为满足不同工况下最大功率点跟踪(MPPT)控制需求,在对光伏阵列各工况下输出特性进行分析的基础上,提出了一种改进量子粒子群算法(QPSO)与扰动观察法相结合的MPPT分段控制方法.在跟踪控制初期,采用非一致性自适应变异DCWQPSO算法进行最大功率点全局搜索,使功率点快速收敛至最大功率点附近,提高跟踪速度;在跟踪控制后期,采用闭环模糊控制扰动观察法进行最大功率点局部搜索,提高跟踪精度.Matlab仿真结果表明,该分段控制方法在光伏阵列各工况下仅需0.32 s即可完成MPPT,并保持稳定,比其他控制方法具有更快的跟踪速度及更高的跟踪精度,可有效提高光伏发电效率.     

局部阴影条件下光伏阵列MPPT模糊控制最优算法

针对局部阴影条件下,光伏阵列功率-电压(P-V)特性曲线呈现多个峰值,导致最大功率跟踪(MPPT)算法易陷入局部最优解问题,本文提出了基于负载电压反馈与模糊控制相结合的MPPT算法.通过负载电压闭环控制算法使系统输出功率快速稳定到最大功率点附近,再利用模糊控制算法跟踪到最大功率点.负载电压反馈算法解决了多峰场景下的局部最优解问题,模糊控制算法提高了算法收敛速度.同时,本文算法避免了粒子群算法在粒子切换过程中开关器件上过冲电压过大问题.Matlab仿真和硬件实验验证了本文算法的可行性和实用性.     

基于自适应ASO算法的微电网优化调度

为了提高微电网的运营经济性和能源利用效率,提出了一种基于自适应原子搜索优化算法（Adaptive Atomic Search Optimization Algorithm,AASO）的微电网优化调度策略。在原子搜索优化算法（ASO）的基础上引入自适应思想,提高算法的收敛速度和精度,加强全局寻优能力。搭建一个包括光伏、风力等多种分布式发电设备的微电网数学模型,以微电网的经济环保性作为优化目标,并在孤岛和并网运行模式下进行算例寻优求解。结果表明,该算法在微电网优化调度上的寻优能力和收敛速度,均强于粒子群优化（PSO）算法,有效提高了微电网运行的经济环保性。     

基于改进MPPT算法的光伏并网控制策略研究

研究了光伏并网发电系统的控制策略,并进行了一定改进.结合恒定电压跟踪法与增量电导法两种控制方法,提出了一种改进的最大功率点跟踪（MPPT）算法.当外界环境变化时,通过直接控制直流斩波器开关占空比,以达到快速准确的功率跟踪效果.系统通过双闭环并网控制,使并网逆变器在保持并网电流质量的同时更好地控制直流电压.在MATLAB/SIMULINK软件平台上搭建光伏并网发电系统的仿真模型,并验证了改进的MPPT算法及并网控制策略的有效性.     

基于改进莱维飞行粒子群算法的光伏系统MPPT方法

在光伏发电系统的MPPT控制中,标准粒子群算法存在跟踪精度不高,易收敛于局部极值点的问题。为了提升MPPT的准确度,引入了改进的莱维飞行粒子群算法(LFPSO),优化了算法流程及收敛条件,提升了算法的准确度,并减少了莱维飞行过程所需的额外控制时间。通过仿真表明:新算法能够显著提高跟踪的精确度,可以很好地收敛到全局最优点。     

基于反馈策略的自适应粒子群优化算法

为了克服常规粒子群优化（SPSO）算法在多峰函数寻优应用中容易出现早熟的缺点，提出了一种基于反馈策略的自适应粒子群优化（APSO）算法.考虑到进化过程中群体多样性损失过快，采用种群分布熵和平均粒距两个种群多样性参数，来均衡算法的勘探和开发能力.基于惯性权值随种群多样性变化而变化的动态分析，建立了惯性权值与平均粒距之间的线性函数关系，并将该函数关系融入到APSO算法中.测试结果表明，与常规粒子群优化算法相比，该算法在多峰函数寻优时，成功率和精确度都有显著提高，且全局收敛速度快；在求解异或（XOR）分类问题时成功概率提高，收敛速度加快，APSO算法对神经网络的训练更加有效.     

基于改进扰动法的光伏电池MPPT仿真研究

根据光伏电池的特性,搭建了其仿真模型,能够模拟不同日照和温度条件下电池的输出特性.针对占空比扰动法的不足,提出了一种基于模糊- PI控制的占空比扰动法进行最大功率点跟踪,并在Matlab环境下进行了仿真验证.仿真结果表明,与占空比扰动法相比,该方法在外界环境变化时能够快速跟踪光伏电池的最大功率点,有效提高最大功率点的跟踪精度,具有良好的动态和稳态性能.     

黄河水院光伏发电系统最大功率跟踪控制研究

分析了最大功率点跟踪的基本扰动观测法的原理和优缺点,提出了一种改进算法,即加入步长变化的环节,在工作点远离最大功率点区间时,设定扰动步长相对较大;在工作点接近最大功率点区间时,设定步长相对较小。通过仿真实验对改进算法进行了验证,得出该算法既能在稳态时减小功率损失,又能在外界条件剧烈变化时提高动态响应和系统稳定性,从而达到预定控制效果。     

基于遗传编码的光伏MPPT模式搜索跟踪控制

为解决当前太阳能光伏发电系统中最大功率点跟踪（MPPT）问题,采用遗传算法编码技术与模式搜索相结合的MPPT算法,利用遗传编码灵活、随机、采用并行搜索机制且不受适应度函数连续可微影响的特点进行粗搜索.当外界条件发生变化时,其自适应的特点使得粗搜索的范围迅速调整,在此基础上采用模式搜索增强细搜索功能,旨在从速度和精度两方面提高算法搜索性能.仿真及实验表明,与传统爬山法和单一遗传算法控制相比,该方法不但能够克服MPP振荡带来的功率损失,而且能够提高跟踪效率,当外界条件改变时,仍然能够表现出快速稳定而且准确的跟踪效果.     

基于遗传模拟退火算法的最大功率点跟踪研究

通过分析太阳能光伏发电系统的工作特征和现有的最大功率点跟踪(MPPT)方法,提出了一种基于遗传模拟退火算法的光伏发电系统MPPT方法.该算法将遗传算法和模拟退火算法相结合,通过将局部搜索过程引入遗传算法,从而使两种算法的搜索能力得到互相补充.针对某光伏发电系统的MPPT问题,通过仿真,将遗传模拟退火算法和遗传算法进行比较.仿真结果显示,遗传模拟退火算法和传统的遗传算法相比,能更快速、精确地跟踪到光伏系统的最大功率点.     

一种新型的光伏电源最大功率点跟踪方法研究

介绍了一种基于DSP的新型光伏电源MPPT控制方法,即将太阳能电池板和MPPT系统作为一个整体,直接根据负载的功率变化来控制Cuk变换器的占空比以实现最大功率点跟踪．实验表明：该系统在日照强度及环境温度大范围变化时仍然可以快速、准确地跟踪到太阳能电池的最大功率点,并具有较好的稳定性．     

太阳能池板最大功率跟踪技术的研究

针对光伏发电技术中太阳能池板的最大功率工作点展开研究,阐述了太阳能池板的发电原理及数学模型的建立.针对太阳能池板输出特性及最大功率跟踪的方法,对比分析了传统的恒定电压法、扰动观察法和电导增量法,总结优缺点后提出了改进型变步长电导增量法.在距离最大功率点较远的时候,采用较大的步长,缩减追踪时间,在最大功率点附近时,减小步长,增大追踪精度.利用Matlab仿真软件对传统和所提出的变步长电导增量法进行了仿真,仿真结果对比证明变步长增量法收敛速度快,效果良好.最后通过光伏发电并网试验系统进行了4.4 kW太阳能池板最大功率跟踪技术实验,跟踪实验误差为3％,符合微电网技术要求.     

光伏发电系统最大功率点跟踪算法的研究

在光伏发电系统中,光伏电池输出特性受光照强度及环境温度影响很大,具有明显的非线性特征。为了提高光伏电池的利用效率,需要对光伏电池的最大功率点进行快速准确地跟踪控制。本研究对短路电流法与扰动观察法进行了详细的分析,最后结合两种方法的优点,提出了双模式最大功率点跟踪方法,该方法具有跟踪外部环境变化快,最大功率点无振荡现象,对光伏电池利用率高的优点。此外,日照变化剧烈情况下该方法不会失去MPPT控制的能力。     

基于自适应的配电网分布式电源优化配置研究

针对分布式电源接入配电网引起的电压越限和电能质量下降等问题,提出了一种具备自适应特性的分布式电源优化配置方法. 建立了光伏、风电两种典型分布式电源的数学模型,分析其功率输出特性. 构建了同时考虑发电成本、环境成本、有功网损折算成本三项指标的分布式电源优化配置模型. 针对多目标函数和多约束条件的优化配置模型,应用自适应粒子群算法求解,实现学习因子和惯性权重自适应调整以提高算法的寻优性能,由此得到分布式电源的最佳接入位置和容量. 最后,以IEEE33节点配电系统为例进行仿真验证. 结果表明,自适应粒子群算法与传统粒子群算法和混沌粒子群算法相比,求解得到的优化配置方案可达到更好的供电可靠性和经济性要求.