基于改进粒子群算法的光伏最大功率跟踪研究

在局部阴影情况下,带有旁路二极管的光伏阵列P-U呈现多峰特性,导致常规的最大功率点跟踪方法失效。针对多峰值问题,在建立和分析光伏阵列P-U特性曲线的基础上,提出了采用自适应变异粒子群算法进行光伏阵列的最大功率点跟踪方法。该算法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,在传统粒子群算法基础上,通过引入自适应权因子和变异机制来加速算法收敛及防止算法陷入局部极值。仿真测试表明,提出的改进方法能够快速有效地实现光伏局部阴影下的最大功率点跟踪,相比于粒子群算法,可有效避免陷入局部极值点,收敛速度更快,且具有应对太阳光照变化的能力,提高了局部阴影时光伏发电的效率。     

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。     

基于人工鱼群算法的光伏阵列多峰MPPT控制策略

光伏系统在复杂应用环境下输出特性具有时变非线性、多功率极值和量测噪声的特点。人工鱼群算法具有良好的克服局部极值、获得全局最优值的能力,非常适合解决非线性多极值函数寻优问题。分析了复杂应用环境下光伏阵列输出特性,将最小二乘滤波与人工鱼群算法结合,应用于复杂应用环境下光伏最大功率点跟踪控制,削弱复杂应用环境影响,提高跟踪精度,最后通过仿真与实验验证该跟踪策略的有效性。     

遮蔽条件下的光伏阵列最大功率点跟踪算法

针对光伏发电系统在部分遮挡情况下所具有的高度非线性、时变不确定性和多个局部峰值等特点,研究了一种基于改进人工鱼群算法的最大功率点跟踪方法.此方法将人工鱼群算法与扰动观察法相结合,把最大功率点的搜索和跟踪分开进行,充分考虑到两者的相关性和独立性,有效地提高了光伏发电系统的发电效率.通过Matlab仿真实验表明:无论光伏阵列是否存在遮蔽现象,本算法均具有良好的最大功率点搜索和跟踪效果,避免了局部极值点的影响.     

改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪

针对光伏阵列处于局部遮阴情况下其P-U特性曲线呈现出多极值点特性,传统最大功率点跟踪(MPPT)算法由于搜索机制导致难以跳出局部最优准确跟踪到最大功率点问题,提出一种基于改进鲸鱼算法优化支持向量机回归(SVR)的最大功率点跟踪方法.该方法在普通鲸鱼算法的基础上引入对数权重因子与随机差分变异策略,增强了算法在全局搜索与局部开发协调性能、避免陷入局部最优的能力.利用该改进鲸鱼算法对SVR参数寻优,建立光伏阵列最大功率点电压预测模型,并与电导增量法(INC)相结合应用于MPPT控制.Matlab/Simulink仿真结果表明,所提的复合MPPT控制算法在各种局部遮阴及光照突变情况下都能够有效避免陷入局部寻优,迅速准确地跟踪到全局最大功率点(GMPP).     

基于多策略ABC算法的光伏MPPT控制

光伏阵列受到局部阴影的影响,其P-U特性曲线呈现多峰特性,采用传统最大功率跟踪算法易陷入局部最优。为保证光伏阵列输出最大功率,提出一种多策略融合的人工蜂群算法（MSFABC）。首先,一方面通过均匀化与随机化相结合的初始化策略以保证蜜源的多样性,另一方面执行精英个体引导和自适应权重因子调节的协同搜索策略,以平衡全局和局部搜索能力;其次,引入随机-定向的双变异策略,使蜂群个体根据其种类的角色特性发生相应变异,避免算法陷入局部最优;最后,将MSFABC算法应用于光伏MPPT中,与P&O、PSO和ABC算法对比。结果表明,静态和动态多峰条件下,MSFABC算法在保证较高跟踪精度的同时具有较快的跟踪速度以及较少的功率波动。     

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。     

基于混沌量子蜂群优化SVR的多峰MPPT算法研究北大核心

针对局部阴影条件下光伏阵列P—V曲线具有多峰特性,而传统的MPPT算法无法有效跟踪其最大功率点的问题,研究了一种多峰MPPT算法。采用混沌搜索和量子计算对传统蜂群算法进行改进,并将改进后的算法应用于支持向量回归机(SVR)的参数寻优,最终实现了基于混沌量子蜂群优化SVR的多峰MPPT算法。通过仿真和实验对算法的有效性进行了验证。实验结果表明:该算法在均匀光照或局部阴影条件下均能够准确跟踪全局最大功率点,有效克服了传统MPPT算法容易陷入局部极值的问题。     

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。     

基于混沌量子蜂群优化SVR的多峰MPPT算法研究

针对局部阴影条件下光伏阵列P—V曲线具有多峰特性,而传统的MPPT算法无法有效跟踪其最大功率点的问题,研究了一种多峰MPPT算法。采用混沌搜索和量子计算对传统蜂群算法进行改进,并将改进后的算法应用于支持向量回归机(SVR)的参数寻优,最终实现了基于混沌量子蜂群优化SVR的多峰MPPT算法。通过仿真和实验对算法的有效性进行了验证。实验结果表明:该算法在均匀光照或局部阴影条件下均能够准确跟踪全局最大功率点,有效克服了传统MPPT算法容易陷入局部极值的问题。     

基于光伏阵列输出特性的GMPPT算法研究

针对局部阴影条件下光伏阵列的P-V曲线呈现多峰值的情况,在研究光伏阵列输出特性的基础上提出了一种全局最大功率点追踪GMPPT(global maximum power point tracking)算法。该算法由均匀光照和局部阴影条件下的两个最大功率点追踪算法构成。通过所提出的局部阴影检测手段判别光伏阵列所处的光照条件,从而决定使用哪个子算法。最后将该算法在Matlab中进行仿真验证。仿真结果表明在局部阴影条件下该算法能快速地追踪到全局最大功率点,且避免了对整条P-V曲线的扫描。在均匀光照条件下要比传统的最大功率点追踪算法(扰动观察法)更快地定位到最大功率点。     

阴影影响下最大功率点跟踪控制(英文)

在阴影影响下,光伏阵列输出特性存在多个局部最大功率点,传统最大功率点跟踪算法不能区别真正的最大功率点。利用Matlab仿真软件对不同阵列在不同光照及温度下输出特性进行了仿真,归纳了光伏阵列在阴影下导数–电压输出特性的变化规律。研究了基于导数等效面积的最大功率点所在区间定位以及求导采样点确定方法,并在区间定位方法基础上了提出了多极值点最大功率点跟踪方法。建立基于状态方程的系统仿真模型对该文提出的算法进行了仿真验证,搭建实验平台对该文提出的最大功率点跟踪方法进行了验证。仿真与实验结果验证了所提方法的正确性。     

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Fibonacci算法的最大功率追踪法研究

提出一种基于Fibonacci搜索算法的光伏发电系统最大功率跟踪(MPPT)方法,它能在部分遮蔽条件下或日照突变情况下,通过简单有效的控制来跟踪实际的最大功率点。Fibonacci搜索算法经修改后,适用于时变的光伏组件的P-V特性。实验中用DSP实现最大功率跟踪(MPPT)算法,通过改变光伏组件表面的受光面积模拟自然界的光照变化。结果证明,该算法工作可靠,即使在部分遮蔽条件下也有较快的响应速度和较高的准确性。     

基于自适应可控开关矩阵的光伏阵列优化配置策略

针对光伏阵列在阴影或者组件故障情况下引起效率降低的问题,基于自适应粒子群优化算法(SA-PSO)提出将最大功率点跟踪与开关矩阵相结合的控制策略。同时给出了该算法的重启与终止条件,避免了开关的频繁使用与系统趋于稳定时的功率振荡。首先对算法的重启条件进行判断,如果是非自然重启,需要通过优化算法对异常情况下的最优模块阵列连接方案进行识别。然后利用可控开关矩阵实时优化光伏阵列配置方式。最后通过仿真验证了该方法在遮阴或故障情况下均可以快速准确地跟踪到全局最优MPP,有效提高光伏阵列的输出功率。     

A high performance maximum power point tracker for PV systems

The solar cell characteristics are non-linear and largely influenced by solar radiation, temperature and load condition. The power output of a PV array changes with varying temperature and irradiation. A maximum power point algorithm is investigated to obtain maximum power from a PV array on varying operating conditions. So far various methods have been proposed to achieve the maximum power from PV module. The incremental conductance (INC) and perturb and observe (P&O) algorithm are more noteworthy. In this paper two high performance and simple maximum power point tracker (MPPT) are proposed. These algorithms are modified P&O and INC algorithms. These modified algorithms are capable to track maximum power under rapidly changing atmospheric conditions with higher accuracy than their conventional methods. They increase the harvested power from PV array and thus improve the efficiency of MPPT algorithm. The algorithms using a high step-up-DC/DC converter are implemented on MATLAB/SIMULINK tool. The results demonstrate a good performance and accurate tracking under rapidly changing atmospheric conditions.     

Study on maximum power point tracking of photovoltaic array in irregular shadow

Traditional maximum power point tracking (MPPT) methods can hardly find global maximum power point (MPP) because output characteristics curve of photovoltaic (PV) array may have multi local maximum power points in irregular shadow, and thus easily fall into the local maximum power point. To address this drawback, Considering that sliding mode variable structure (SMVS) control strategy have such advantages as simple structure, fast response and strong robustness, and P&O method have the advantages of simple principle and convenient implementation, so a new algorithm combining SMVS control method and P&O method is proposed, besides, PI controller is applied to reduce system chattering caused by switching sliding surface. It is applied to MPPT control of PV array in irregular shadow to solve the problem of multi-peak optimization in partial shadow. In order to verity the rationality of the proposed algorithm, the experimental circuit is built, which achieves MPPT control by means of the proposed algorithm and P&O method. The experimental results show that compared with the traditional P&O algorithm, the proposed algorithm can fast track the global MPP, tracking speed increases by 60% and the relative error decreased by 20%. Moreover, the system becomes more stable near the MPP, the fluctuations of output power is greatly reduced, and thus make full use of solar energy.     

融合鱼群和微分进化的蚁群算法的无功优化

对于求解电力系统无功优化问题,提出了一种融合鱼群和微分进化的蚁群优化算法（FDEACO）。受人工鱼群觅食、聚群和追尾行为的启发,在基本蚁群算法的基础上,应用人工鱼群算法的追尾行为对蚁群在可行域上搜索到的解进行改进,加快了向最优解收敛的速度。在信息素更新机制里,通过引入微分进化算法的发散项,增加一个随机扰动,减小了算法陷入局部最优的可能性。在IEEE30测试系统上对新提出的算法进行校验,并与其它算法比较,证明FDEACO算法收敛速度快、全局寻优能力强。     

Reactive Power Optimization Using Hybrid CABC-DE Algorithm

Reactive power optimization is closely related to voltage quality and network loss, and it has great significance for the safety, reliability, and economical operation of the power system. Differential evolution (DE) algorithm has been currently applied to reactive power optimization. In order to mitigate the shortcomings of poor local search ability and premature convergence in DE, this paper presents a novel hybrid algorithm–chaotic artificial bee colony differential evolution (CABC-DE) algorithm, which improves the DE algorithm based on artificial bee colony algorithm and ideas of chaotic search. It introduces the observation bees' acceleration operation and the detective bees' chaotic search operation into CABC-DE. The validity of the proposed method is examined using IEEE-14 and IEEE-30 bus system. The experimental results show that CABC-DE algorithm is more effective than regular DE algorithm for reactive power optimization. The algorithm can save the search time greatly and get a better solution for optimization, thus making it suitable for solving reactive power optimization problems.