结合量子粒子群算法的光伏多峰最大功率点跟踪改进方法

光伏阵列在局部阴影时的P-U曲线呈现多峰特性,需要设计光伏多峰最大功率点跟踪方法,以实现光伏发电最大功率输出,提高光伏发电效率。相比粒子群优化算法,量子粒子群优化算法具有收敛速度更快和全局收敛性等优势。提出了一种基于量子粒子群优化算法的光伏多峰最大功率点跟踪改进方法。该方法采用量子粒子群优化算法实现最大功率点的全局搜索;根据光伏阵列在局部阴影时P-U曲线上功率极值点的分布特点初始化种群中的粒子总数及其电压;并根据量子粒子群优化算法收敛时粒子自身最优位置的特点,提出了更适合光伏多峰最大功率点跟踪的收敛判据。仿真测试表明,提出的改进方法能够快速有效地实现光伏多峰最大功率点跟踪,收敛速度更快,避免了不收敛的问题,且具有应对光照情况变化的能力,提高了局部阴影时光伏发电的效率。     

部分遮挡条件下光伏阵列最大功率点跟踪方法

针对光伏阵列在部分阴影遮挡条件下具有多个局域最大功率点的最大功率点跟踪问题,在详细分析光伏阵列I-V特性的基础上,提出一种新颖的全局最大功率点跟踪方法。该方法根据光伏阵列最大功率点附近电压随电流的增加迅速下降的特点,先以大步长扫描方法锁定到各局域峰点附近,然后再采用PO法以小步长跟踪该峰点,最后通过比较搜索到的各个局域峰点的功率来确定全局最大功率点。仿真和实验结果表明所提方法能够准确而迅速地跟踪到全局最大功率点,有效提高光伏阵列在部分阴影遮挡条件下的并网发电输出效率。     

光伏列阵的全局最大功率点追踪研究

针对光伏电池的最大功率点跟踪(MPPT)影响着光伏系统的发电效率,对光伏阵列的功率输出特性曲线进行了建模仿真分析,根据MPPT的目标是保持光伏阵列输出电压一直保持在最大功率点处,重点分析在光伏阵列出现局部阴影情况时的,光伏阵列的P-V输出特性为多峰曲线情况下,提出了一种基于改进的模拟退火粒子群算法的最大功率点跟踪控制方法,将模拟退火算法思想融入到粒子群算法中,改善粒子的探索能力,提升了最大功率点跟踪算法的收敛速度和精确性。     

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。     

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法EI北大核心CSCD

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。     

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。     

光照不均匀情况下光伏阵列最大功率跟踪控制

当光伏阵列受到不均匀光照时,输出的功率电压曲线含有多个局域峰值。针对此光照不均匀情况,建立光伏阵列多峰数学模型,并提出一种最大功率跟踪控制方法。采用连续函数构建光照不均匀情况下光伏阵列输出功率电压曲线;依次从该曲线的两侧或中部迭代搜索各局部最大功率点,确保在各种光照情况下均获得全局最大功率;通过Matlab仿真实例验证了所提多峰数学模型和最大功率跟踪控制方法的正确性。     

局部阴影下光伏阵列MPPT控制方法的研究

光伏阵列在局部阴影条件下,其输出P-V特性曲线将呈现多个功率峰值。为了追踪到全局最大功率点,对局部阴影条件下光伏阵列输出P-V特性曲线进行了深入分析,对各功率极值点对应电压和被遮挡的光伏组件个数及光照强度之间的关系进行了研究。得出了相邻功率极值点对应电压之差的最小值为0.8Uoc(Uoc为单个光伏组件的开路电压)等规律,在这些规律的基础上,提出了一种新的最大功率点跟踪方法,能够快速、准确地跟踪到全局最大功率点。应用MATLAB软件搭建了仿真模型,仿真结果验证了所提出方法的正确性和有效性。     

基于改进多种群遗传算法的光伏阵列多峰值MPPT研究

光伏阵列在实际工作条件下因灰尘、受照不均匀等影响而功率输出呈现多峰特性,传统的最大功率点跟踪（maximum power point tracking,MPPT）算法不能实现全局寻优,无法精确跟踪到最大功率点。遗传算法可以有效解决多峰寻优问题,但一般遗传算法在跟踪过程中会出现早熟、准确率较低等问题,为此,提出一种多种群遗传算法（multiple population genetic algorithm,MPGA）与扰动法相结合的算法来解决此类问题。在光伏电池拓扑模型中,采用优化双二极管代替单二极管模型,并在Matlab/Simulink下进行建模仿真。结果表明：该算法可以准确快速高效地找到局部阴影条件下光伏阵列的最大功率点。     

不规则阴影影响下光伏阵列最大功率点跟踪方法

在不规则阴影影响下,光伏阵列输出特性曲线存在多个局部最大功率点,传统最大功率点跟踪算法在此情况下难以找到全局的最大功率点,从而陷入局部最优值。为解决该问题,根据滑模变结构控制在非线性系统控制中具有响应速度快、鲁棒性强等优点和扰动观察法具有算法简洁、跟踪效率高的特点,提出了将滑模变结构控制和扰动观察法相结合的算法,将其应用到不规则阴影影响下光伏阵列的最大功率跟踪控制中,用于解决局部遮阴下多峰寻优的问题。为了验证该算法的有效性,建立了不规则阴影影响下光伏阵列的实验电路。通过与传统扰动观察法的比较,实验结果表明:在光伏阵列被部分遮蔽的情况下,该算法可以快速跟踪到全局最大功率点,使系统稳定地工作在最大功率点附近,减小输出功率的波动,从而有效地利用太阳能。     

基于模糊逻辑双环控制的光伏发电系统最大功率跟踪算法

根据光伏阵列非线性伏安特性,提出了基于模糊逻辑双环控制光伏阵列最大功率跟踪算法,使得光伏阵输出功率接近于理论最大值。系统主要由单相逆变器、控制器和交流水泵机组组成,主控制环实现光伏阵列最大功率跟踪初级模糊控制算法,输出为最大功率点处电压。该电压作为逆变控制器参考输入电压,内环模糊控制用于控制变频器输出频率,进一步控制交流水泵机组的输出功率,实现了更高精度的跟踪光伏阵列最大功率点跟踪。实验结果表明,所提出算法能有效提高光伏阵列的输出效率。     

基于模糊逻辑双环控制的光伏发电系统最大功率跟踪算法

根据光伏阵列非线性伏安特性,提出了基于模糊逻辑双环控制光伏阵列最大功率跟踪算法,使得光伏阵输出功率接近于理论最大值.系统主要由单相逆变器、控制器和交流水泵机组组成,主控制环实现光伏阵列最大功率跟踪初级模糊控制算法,输出为最大功率点处电压.该电压作为逆变控制器参考输入电压,内环模糊控制用于控制变频器输出频率,进一步控制交流水泵机组的输出功率,实现了更高精度的跟踪光伏阵列最大功率点跟踪.实验结果表明,所提出算法能有效提高光伏阵列的输出效率.     

基于局部阴影下光伏阵列电流特性的最大功率点跟踪算法

光伏发电作为目前太阳能利用的主要形式,容易受到局部阴影的影响,其P-V输出特性曲线呈现多峰特点,使得常规的最大功率点跟踪方法难以准确跟踪到全局最大功率点。通过充分利用局部阴影下光伏阵列最大功率点电流与短路电流之间近似的比例关系,提出一种三步骤全局最大功率点跟踪算法,该算法能够快速准确地跟踪到系统全局最大功率点,且不需要任何附加硬件电路。以1k W的Boost变换器为实验平台,将所提出算法和常规全局搜索法的跟踪过程进行比较,证明了该算法的有效性。     

光伏阵列多峰最大功率点分布特点研究

基于光伏阵列的通用数学模型,借助计算机仿真和统计分析技术,对局部阴影条件下光伏阵列的输出特性进行了研究。统计分析结果表明,多峰功率-电压(P-U)特性曲线上相邻最大功率点(MPP)的电压间距较大,而且大部分案例中全局MPP位于电压轴右半边;全局MPP两侧的局部MPP功率呈单调递减趋势的概率较大;负载线与电流-电压(I-U)特性曲线的交点与全局MPP山峰有密切联系。根据统计分析结果,总结了多峰最大功率点跟踪(MPPT)算法设计时可借鉴的经验。     

基于储能型准Z源光伏并网逆变器的改进型自适应粒子群最大功率点跟踪算法研究

在解决光伏电池阵列在局部阴影条件下的多峰寻优问题中,传统的粒子群(PSO)最大功率点跟踪(MPPT)算法存在稳定性差、振荡严重、跟踪速度慢等缺点.针对上述缺点,结合准Z源逆变器的优点并在准Z源阻抗网络电容上并联储能单元,提出了一种基于储能型准Z源光伏并网逆变器的改进型自适应粒子群最大功率点跟踪算法.该算法不再依赖迭代次数,而是直接采用个体最优功率和全局最优功率更新惯性权重和学习因子并引入电压窗口限制,有效地提高了跟踪速度和减小了功率振荡.仿真结果验证了该优化算法在储能型准Z源光伏并网逆变器应用中具有较好的多峰值光伏曲线全局最大功率点跟踪能力,提高了光伏阵列的发电效率,具有较好的可行性.     

GSO的局部阴影光伏阵列MPPT控制的研究

在若干个串联太阳电池两端并联旁路二极管消除光伏阵列处于局部阴影时形成的"热斑效应"的同时,P-U特性输出曲线会呈现出多个峰值。因此,传统最大功率跟踪方法可能会失效。针对多峰值问题,在建立和分析特性输出曲线的基础上,将改进的萤火虫群算法应用到局部阴影下光伏阵列最大功率点跟踪中。仿真表明,此方法能够快速准确的跟踪到全局最大功率点,保证了功率的高效利用。并与粒子群算法进行对比,验证了此方法的优越性。     

光伏系统在部分遮挡条件下的GMPPT算法研究

光伏系统在部分遮挡条件下的输出功率-电压(P-V)特性曲线呈多峰状,此时传统的最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法失效,极大地降低了光伏系统能量转换效率.通过对光伏阵列在部分遮挡条件下的P-V特性进行较为深入的实验分析及研究,基于实验分析及研究结果,设计并提出一种全局最大功率点跟踪(Global Maximum Power Point Tracking,GMPPT)算法以弥补传统MPPT算法的缺陷和不足.测试结果表明该算法可以快速实现在部分遮挡条件下全局最大功率点的追踪.     

粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用

局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。     

基于CSA算法的光伏阵列多峰最大功率跟踪研究

在实际工程应用中,由于受复杂的环境变化影响,光伏阵列功率-电压曲线通常呈多峰值状态,使用传统方法进行最大功率跟踪时,追踪速度和准确度都无法得到满足.为解决这些不足,提出了一种基于布谷鸟搜索算法与扰动观测法相结合的光伏阵列最大功率跟踪算法,在算法前期利用布谷鸟搜索算法突出的全局搜索能力迅速找到全局最大功率点所处的大致区域...     

部分遮阴条件下光伏阵列最大功率点跟踪方法

在部分遮阴情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。提出了一种基于电导增量法的全局搜索（Global search based on Incremental conductance,GSINC）方法来实现最大功率点跟踪,该方法保证不会陷入局部最优且不会错过任何极值点。最后通过仿真验证了该算法能快速且准确的跟踪最大功率点,有效提高了光伏阵列输出效率。