基于改进扰动观察法的光伏MPPT控制算法研究

针对光伏系统输出功率低的现状，提出一种基于扰动观察法的变步长最大功率点追踪算法和Boost电路的改进方法。通过建立光伏仿真模型，在传统MPPT算法的基础上引入自适应步长因子，从而在保证追踪速度降低的同时，也使得输出功率稳定在最大功率点附近，选择合适的电感电容组成无源无损软开关引入Boost电路，降低DC/DC电路本身的功率损耗，最终从速度、精度、效率、功率大小和稳定性等多个维度进行了比较。该方法在提高功率追踪稳定性的同时，能够使追踪速度降低约20%，同时能够大幅度提高光伏系统的输出功率，达20%～30%。提高了MPPT追踪速度，增大了光伏系统整体输出功率。     

果蝇算法对多峰值光伏最大功率跟踪仿真研究

在实际应用中光伏阵列因为外界遮挡造成局部遮阴问题,造成光伏阵列的I—U和P—U的输出特性曲线呈现多峰值现象,常用的跟踪方法在速度、精度和最大功率点附近震荡性仍有较大改进空间。针对光伏阵列输出多个峰值特性,利用果蝇优化算法在多目标函数寻优上收敛速度极快的特点,提出一种改进的果蝇优化算法的全局最大功率跟踪。在Matlab中对建立光伏阵列的数学模型进行果蝇优化算法的仿真,通过仿真验证了该算法比PSO能准确、快速地追踪到全局最大功率点。为多峰最大功率追踪提供了新的思路。     

基于改进P&O与MPC算法的光伏MPPT控制研究

在光伏发电系统中,针对传统的最大功率点跟踪控制方法难以同时满足追踪精度与追踪速度的问题,提出了一种新的改进PO和MPC相结合的光伏MPPT控制方法,先将扰动之后的电压和电流作为参数输入MPC控制器,再由控制器的两步长函数分析预测出未来变量的动作并生成输出曲线。仿真结果表明,相较于传统的扰动观察法,该算法可以同时满足追踪精度与追踪速度的要求。     

基于模糊控制的光伏发电MPPT控制方法

为最大限度地提高光伏发电系统中光伏电池的光电转化效率,针对固定步长电导增量MPPT控制方法的缺点,提出了一种基于模糊控制的变步长电导增量MPPT改进算法。分析了光伏电池的特性并建立等效模型,搭建了基于Boost电路的光伏发电系统,根据系统输入输出设计相应的模糊控制规则,选择合适的隶属度函数,实现了最大功率跟踪的优化控制。通过仿真与分析,证明该方法优于传统的固定步长电导增量法,有利于提高控制精度、减小光伏电池输出功率的波动。     

基于Boost-Cuk拓扑的优化滑模控制MPPT技术

针对现有最大功率点跟踪(MPPT)控制方法的不足,结合光伏系统非线性和滑模控制动态响应速度快、鲁棒性好的特点,提出一种基于Boost-Cuk拓扑的优化滑模控制MPPT技术。光伏阵列DC/DC升压电路采用最新高增益Boost-Cuk拓扑结构,控制器采用优化滑模控制技术。为削弱功率抖振,系统稳定在最大功率点(MPP)时采用固定占空比控制,MPPT模式下采用优化滑模控制。在建立光伏发电系统平均状态数学模型的基础上对BoostCuk DC/DC变换电路以及优化滑模MPPT控制器进行了数字仿真和实验验证。仿真和实验结果表明,在光照强度变化情况下,采用Boost-Cuk拓扑的优化滑模控制器稳态抖振很小,能快速稳定地跟踪到MPP,控制算法实用有效。     

光伏阵列MPPT充电控制器的设计

针对实时追踪光伏阵列最大功率输出的问题,设计了一种通过检测光伏阵列输出电压和电流的大小,实时高速改变充电控制脉冲的占空比,从而实现最大功率点跟踪的充电控制器.采用CS51221芯片和DC - DC变换电路实现了这种控制方案,并对其进行了计算机仿真,仿真结果表明此方案能很好地实时追踪光伏阵列最大功率点,有效的提高能源的利...     

基于改进型动态阻抗匹配的MPPT控制算法研究

为能有效提高光伏发电系统的最大输出功率,根据光伏电池的输出特性和数学模型,提出了一种改进型等效阻抗匹配最大功率点跟踪(MPPT)算法。该算法通过数学推导设计了扰动控制器,使系统参数具有自适应调节能力,能对系统阻抗进行精确匹配。通过数学建模和Matlab模型仿真的方法,对光伏阵列的MPPT性能进行分析,并搭建实验平台进行实验验证。研究结果表明,改进型等效阻抗匹配法具有更快的追踪速度及良好的控制精度,并使整个系统在自身参数的设置方面体现出更加优异的鲁棒性。     

基于BP神经网络光柴孤网运行优化控制研究

光柴互补发电独立微电网系统,主要包括:光伏电池组发电、柴油机发电和负载等,光伏发电模型采用MPPT控制。在确保光伏最大功率输出的基础上,对原动机及其速度/功率反馈系统、同步发电机及其励磁控制系统进行分析,建立相应的数学模型。设计基于BP神经网络算法PID控制器,控制原动机的转速调整其输出功率,维持微网系统频率的恒定。仿真结果表明:该控制策略实现光伏最大功率输出,提高太阳能利用率。同时,保证微网系统的频率恒定。     

粒子群优化模糊控制器在光伏发电系统最大功率跟踪中的应用

针对采用干扰观察法时最大功率跟踪系统的输出功率在最大功率点附近小幅振荡的问题,设计了一种应用粒子群优化算法(particle swarm optimization,PSO)的模糊控制器,并将其应用于光伏发电系统的最大功率点跟踪(maximum power point tracking,MPPT)。该控制器采用粒子群算法优化模糊控制的隶属度函数,能够实时调整跟踪步长,保证系统在光照强度和温度变化时有较快的动态响应速度和较高的稳态精度。分别对采用干扰观察法、常规模糊控制方法和带粒子群优化的模糊控制器在相同情况进行了仿真和试验,结果证明了所提方法的有效性和鲁棒性。     

基于ILSLOA的局部遮荫下光伏发电最大功率追踪

针对光伏系统在局部遮荫情况(PSC)下的功率失配问题,提出了一种基于增强型狮群算法(ILSLOA)的最大功率点追踪控制方法,在基本狮群算法(BLOA)的基础上,引入反向搜索机制,利用反向搜索因子加快追踪速度,增强狮群算法的全局搜索能力,应用到最大功率点追踪中.设置多种光照模式进行仿真验证,并与粒子群算法(PSO)、BLOA进行比较.结果表明,所提方法追踪速度更快、精度更高,追踪过程波动更小.     

考虑局部阴影的光伏阵列最大功率点追踪优化控制策略

针对局部阴影下光伏阵列出现多峰值输出的情况,提出一种优化粒子群算法与模糊控制扰动观察法相结合的最大功率点追踪方法。利用优化粒子群算法在全局范围内寻找极值点及最大功率点;通过设置语言变量、定义模糊子集及模糊控制推理,进行跟踪调节和稳定控制,实现光伏系统最大功率输出。提高了搜寻精度,缩短了搜寻时间,避免了在最大功率点处的震荡。仿真结果验证了所提算法的有效性和合理性。     

基于BSO的局部阴影下光伏最大功率点追踪

为了减小局部遮阴情况PSC(partial shading condition)下光伏系统的功率失配损失,提高最大功率点追踪MPPT(maximum power point tracking)的追踪速度和准确性,提出了基于天牛群优化BSO(beetle swarm optimization)算法的MPPT控制方法。把由天牛须搜索BAS(beetle antennae search)借鉴粒子群的群体优化思想而得到的BSO方法应用到MPPT控制,利用天牛的个体进化和群体学习等优势来提高MPPT的追踪速度和精确度。设置了多种光照情况来作仿真验证,并用粒子群方法进行比较分析。结果表明,所提的方法追踪速度更快、精确度更高,且追踪过程更稳定、功率波动较小。     

考虑局部阴影的光伏阵列MPPT优化控制策略

针对局部阴影下光伏阵列出现多峰值输出的情况,提出一种优化粒子群算法与模糊控制扰动观察法相结合的最大功率点追踪方法。利用优化粒子群算法在全局范围内寻找极值点及最大功率点;通过设置语言变量、定义模糊子集及模糊控制推理,进行跟踪调节和稳定控制,实现光伏系统最大功率输出。提高了搜寻精度,缩短了搜寻时间,避免了在最大功率点处的震荡。仿真结果验证了所提算法的有效性和合理性。     

基于Ziegler-Nichols优化算法的火电机组负荷频率PID控制研究

随着风电和光伏接入电网的规模不断扩大,电网负荷峰谷差逐渐增加,电网的频率控制出现超调量过大、调节速度过慢等一系列问题。本文针对互联电力系统的负荷分配以及频率控制问题,提出考虑发电机组分配系数的互联电力系统负荷频率控制方法。首先,建立单个区域包含多个火电机组的两区域电网自动发电控制（AGC）系统仿真模型,根据各发电机组的煤耗特性建立经济性目标函数,并且获得最优的出力分配系数;然后,基于联络线功率和频率偏差控制（TBC-TBC）的控制模式,采用经Ziegler-Nichols相关算法优化后的PID控制,并对优化后PID控制器的鲁棒性进行分析研究;最后,基于两区域系统仿真模型,在一定的负荷扰动工况下进行仿真验证。仿真结果表明:该分配方法能够有效节省煤耗,本文算法优化后的PID控制器在频率恢复速度方面具有一定的优势,并且鲁棒性良好。     

单相光伏两级并网系统的MATLAB仿真研究

为了寻找更好的实现光伏发电系统最大功率点追踪控制方法,根据太阳电池的内部结构和伏安特性建立了太阳电池的等效电路,利用MATLAB语言建立了太阳电池板仿真模型。在分析已有最大功率追踪方法的基础上,提出了一种基于平均值控制的最大功率追踪方法,并对后级并网逆变电路进行理论分析和仿真实验,实验结果证明了所提出方法具有良好的实用性。通过对并网逆变器的控制实现了低谐波含量、高功率因数的并网要求。     

参与微电网频率调节的光伏发电系统模糊自适应功率控制

针对光伏在微电网中渗透率不断提高导致系统惯量和频率响应能力不足的问题，提出一种模糊自适应功率控制策略。首先，每相邻两组光伏阵列分别通过前级Buck-Boost型DC/DC变换器并联后再通过DC/AC逆变器接入微电网，其中一组光伏阵列运行在最大功率点追踪模式，并为另一台运行在模糊自适应功率追踪模式的DC/DC变换器提供最大功率参考；其次，考虑到光伏发电运行中负荷变动、辐照度波动等多种因素导致的系统频率波动，设计了模糊自适应控制器，以相邻光伏阵列提供的最大功率参考和当前系统频率为输入，决策输出功率储备因子，并结合最大功率参考生成光伏输出功率指令，实现光伏发电输出功率的自适应调节。最后，光伏阵列运行在模糊自适应功率追踪模式具有上下灵活调节的功率储备，通过自适应增加或减少功率储备实现微电网频率的双向调节。该控制策略减少了最大功率点估计器使用、无需详细的光伏模型且易于实现，基于IEEE 13节点测试系统的仿真结果验证了所提控制策略能够有效抑制微电网频率的波动。     

基于简化蚁群算法的光伏MPPT跟踪控制

近年来,光伏发电因太阳能绿色无污染等原因被高度关注,光伏发电的核心技术问题是如何提高光伏发电效率,即提高光伏发电系统的"最大功率点"跟踪速度,进而提升平均发电功率。根据光伏电池原理提出MPPT控制方法,根据智能仿生优化算法蚁群算法,提出一种简化的蚁群优化算法,并将简化蚁群算法应用在MPPT控制中,通过不断迭代使占空比更新,从而找到最大功率点并稳定跟踪。并通过数值仿真实验,验证所提出的优化算法在光伏MPPT控制中具有较快的收敛速度,同时与传统扰动观测法相比具有较高的精准度和较小的搜索振荡;在搭建的光伏发电系统真实实验平台上也验证了简化蚁群算法的可行性。     

全工作区域的光伏MPPT系统采样周期优化方法

光伏最大功率点追踪(MPPT)系统的采样周期对系统的追踪速度和稳定性有重要影响。采样周期选择不当可能导致系统震荡、MPPT算法误判或追踪时间过长。优化采样周期至关重要,提出了一种采样周期的优化方法,研究光伏组件内阻的变化规律,建立基于Boost变换器的MPPT系统小信号模型;对系统进行动态性能分析,提出了系统在各工作点下的稳定时间计算方法,进而提出采样周期的优化方法;分析了Boost变换器硬件参数与稳定时间的关系。仿真表明,所提出的计算方法能准确计算系统在各工作点的稳定时间,优化方法能提高系统的稳定性和追踪速度。     

基于改进FOA优化BP神经网络算法的光伏系统MPPT研究

针对基于BP神经网络的光伏系统MPPT策略在光照强度突变时存在较大误差的问题,提出了一种改进的果蝇优化算法用于BP神经网络的权值和阈值优化,并建立了基于IFOA-BP神经网络算法的光伏系统MPPT控制的仿真模型。测试和仿真结果表明,IFOA的收敛速度和求解精度较改进前均有明显提升;IFOA优化后的BP神经网络收敛速度加快,预测误差减少;较之于电导增量法,IFOA-BP神经网络的MPPT策略在稳态条件下能明显抑制功率波动,在外界条件发生突变时,能迅速准确地追踪到最大功率点,具有良好的稳态精度和动态特性。     

一种变步长扰动最大功率跟踪方法

为了有效利用太阳能电池的发电性能,提出了一种变步长扰动最大功率跟踪方法。以光伏电池的输出功率为判断依据,在详细分析输出功率特性的基础上,提出变步长扰动的控制方法,通过调节占空比的步长来实现最大功率点跟踪。给出了详细的控制流程图,并建立了变步长扰动的最大功率跟踪的MATLAB仿真模型。试验结果表明,算法可以根据外界环境的变化快速追踪到最大功率点,保证在最大功率点处运行的稳定性,有效提高光伏电池的利用率。