基于电导增量法的改进型MPPT控制策略

光伏电池的输出特性受外界光强和温度的影响,利用最大功率点跟踪技术可有效提高光伏发电系统的效率。针对传统电导增量法跟踪速度慢及精度不佳的问题,提出了一种改进的最大功率点跟踪控制策略。该方法对传统电导增量法的步长进行了改进,并采用恒定电压启动以减小追踪时间,同时引入粒子群算法以减小稳态时的振荡。最后,分别以光照强度和温度的改变为例,进行了传统方法和所提方法的仿真对比,结果证明所提方法在温度一定,光强改变时追踪速度提高了33%,追踪精度随着光强增大而增大。     

改进电导增量法的光伏电池MPPT仿真

光伏发电系统的输出功率随着光照强度、环境温度和系统输出电压的不同而变化着,控制光伏阵列的工作点使其稳定的工作在当前的最大功率点处非常重要。首先对光伏电池进行机理建模．实验表明模型能够很好的反应实际的光伏电池工作特性。在介绍了几种传统的最大功率点跟踪（MPPT）控制算法的基础上,提出了一种新型的变步长电导增量法控制,其初始参考电压为当前光伏阵列开路电压的0．8倍,并且以计算得到的的步长进行继续跟踪。仿真结果表明,系统的跟踪速度增强并且有效的减小稳态震荡,具有良好的动态和稳态性能。     

基于功率预测与变步长电导增量法的MPPT仿真

传统电导增量法是太阳能光伏系统最大功率点追踪(MPPT)问题中应用最普遍的方法之一,但其存在着振荡和误判的问题,对太阳能系统的效率和稳定性有很大的影响。提出了一种新的MPPT算法:将功率预测法和电导增量法有机结合,同时应用变步长的理论来达到既减小振荡同时又克服误判的目的。与传统定步长电导增量法与变步长电导增量法相对比,在MATLAB 7中仿真的实验结果证明了该方法的可行性。     

基于改进电导增量法的光伏发电系统MPPT控制研究

提出了一种改进的电导增量法,该方法在远离最大功率点时采用在线固定参数法,而在最大功率点处采用电导增量法.通过仿真试验证明,该方法可以根据外部环境的变化,快速、准确地跟踪到最大功率点,并能有效地减少最大功率点处的功率振荡现象.     

基于DSP28335的光伏电池MPPT控制系统的研究

为实现最大功率点跟踪,分析了光伏电池的伏安特性,采用电导增量法,将DSP28335芯片用于MPPT控制器,选择Boost电路作为主电路,并且介绍了电压和电流的采样电路、Mosfet的驱动电路的设计.最后验证该系统确能快速稳定地跟踪到最大功率点.     

基于模型预测控制的VSC—HVDC自适应控制策略

VSC-HVDC系统具有良好的自换相能力,可直接向无源网络和弱交流网络供电。提出一种基于有限控制集模型预测控制的VSC-HVDC系统逆变侧自适应控制策略,克服传统的双闭环控制存在的PI参数整定困难、动态响应能力差等问题,同时实现多控制目标及约束的逆变站自适应性控制。首先,推导VSC-HVDC系统在dq0坐标系下的离散数学模型,并据此给出逆变侧定交流电压控制的预测模型以及相应的多目标优化性能函数。接着,通过引入增量算子和反馈校正环节设计出改进后的多步模型预测控制策略,从而提高预测模型的参数鲁棒性。最后,通过对VSC-HVDC供电系统进行不同运行工况下的仿真对比分析,论证所提控制策略的可行性和有效性。     

单周控制光伏并网系统的最大功率控制研究

单周控制的单级全桥光伏并网系统具有容量大、效率高、成本低等优点.但现有基于单周控制的光伏电池最大功率跟踪存在着难以搜索最大功率点、难以稳定工作在最大功率点以及搜索精度差等缺点.针对以上不足,提出了基于增量电导的光伏电池最大功率跟踪算法,该算法将光伏电池输出功率引入到单周控制的输入量中,同时优化了光伏电池输出电压的给定量.该算法在硬件上实现简单,仿真和实验结果表明该算法能够准确跟踪光伏电池最大功率点,并具有较高的精度和稳定性.     

基于Hammerstein模型的非线性预测函数控制

提出了只需线性动态优化的基于Hammerstein模型的非线性预测函数控制策略，其中非线性控制器由一个线性的预测函数控制器Hammerstein模型的非线性部分的反函数组成，实现了线性控制器的输出uPFC与闭环系统内部模型线性部分的输入完全一致，使模型的输出ym只依赖于uPFC，通过这种方式实现了非线性预测函数控制策略只需线性优化而不需要非线性滚动优化。过程的预测输出只需应用模型参数直接计算得到而不需要求解丢番图（Diophantine）方程。pH中和过程的计算机仿真结果表明，该控制算法比PID控制具有更好的控制品质。     

基于改进模糊控制的光伏MPPT策略研究

针对基于二维模糊控制的光伏系统最大功率点跟踪(MPPT)控制方法在外界环境急剧变化时响应较慢、输出不够平稳等不足,提出了改进的模糊控制算法.该算法在传统二维模糊控制的基础上增加了一个反馈输入量,改善了系统的动态性能.仿真结果表明,与二维模糊控制及常规扰动观察法相比,改进的模糊控制不仅能快速响应外界环境的变化,而且具有较好的控制精度.     

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。     

基于曲线拟合模型的预测控制算法

针对不确定滞后系统提出一种基于曲线拟合模型的预测控制算法,该算法用神经网络在线辨识过程时滞,采用变步长四阶龙格库塔法与GM(2,1)灰色模型相结合作为预测模型,并应用单神经元控制器来克服误差及干扰等不确定因素所带来的影响,仿真结果表明了该预测控制算法的响应速度快、鲁棒性强,具有很强的实用性.     

经济性预测控制的切换控制策略优化算法设计

针对经济性预测控制优化问题,设计了切换控制策略的优化算法。首先,离线计算具有耗散性的Hessian矩阵指标;其次,在线优化阶段,根据系统状态所处的不同可行域,分别在经济指标优化和Hessian矩阵对应的动态指标优化之间进行切换,从而驱动系统状态收敛到稳态工作点,取得了较优的经济性能;最后,仿真结果验证了方法的有效性。     

基于PSO与LMI优化的非线性模型预测控制

将微粒群算法(PSO)与线性矩阵不等式(LMI)用于输入受限非线性预测控制器的设计,提出了基于PSO与LMI联合优化的非线性预测控制算法。算法采用双模控制策略,利用LMI离线优化确定终端不变区域,以扩大非线性优化的求解范围,降低算法的保守性。利用PSO在线优化求解非线性预测控制输入,以避免求解非线性规划问题,同时对算法的稳定性进行了分析。仿真结果表明了该算法是有效的、可行的。     

基于模型算法的预测控制系统仿真软件设计

介绍了基于PC机平台的模型算法控制(MAC)系统仿真软件的开发与实现过程.该软件包含了模型算法控制MAC及在此基础上改进的增量模型算法控制IMAC两种预测控制算法,可以用这两种不同的方法实现对预测控制系统的综合性仿真,包括控制器参数调整的作用等.利用该软件可对模型算法控制系统的作用机理做进一步仿真分析,并有助于定性分析出两种算法中设计参数的调整对系统性能的影响以及不同算法之间的优劣.     

基于差分算法的预测控制

针对参数可变的非线性模型,提出了一种基于差分算法的预测控制。利用神经网络依据系统的输入 输出数据建立预测模型,并利用差分算法对其进行滚动优化,从而提高控制系统的性能。最后,分别运用遗传算法 和差分算法实现滚动优化进行预测控制仿真,并对两种方法的仿真结果进行比较。仿真结果表明,采用差分进化算 法进行滚动优化的预测控制总体效果相对较好。     

预测控制算法及其在倒立摆中的应用

基于神经网络模型的预测控制算法,是利用前向神经网络建立非线性被控对象的模型,以滚动优化、反馈校正实现对系统的控制。将其应用于倒立摆系统中,实现了对摆角和位移的同时控制。理论分析与仿真结果表明,该算法可避免对受控对象做复杂的数学分析。具有收敛速度快,鲁棒性较强的特点。     

Buck型DC-DC变换器的预测控制优化算法设计

针对Buck型DC-DC变换器对象,以驱动系统输出电压快速跟踪设定电压值为控制目标,设计了预测控制优化算法对输出电压进行优化控制。首先采用线性矩阵不等式(LMIs)技术和不变集方法,将Buck变换器的控制问题转化为半正定规划问题,随后基于预测控制的滚动优化思想对Buck变换器输出电压设计无穷时域性能优化算法。基于该优化算法和3个不同的采样周期,对Buck型变换器的电压输出进行了仿真控制,结果表明,Buck型变换器的输出电压能较快地收敛至设定电压值,取得了更优的控制性能,验证了该算法的有效性。     

基于典型工业过程控制模型的预测函数控制

针对典型工业过程控制模型，介绍并分析了预测函数控制的基本原理和特点，给出了工业过程控制中典型的一阶加纯滞后系统的预测函数控制算法．该算法原理简单，易于工程实现，具有较高的实际应用价值．通过仿真研究表明了预测函数控制在工业过程控制系统中应用的可行性和有效性，具有较强的鲁棒性和抗干扰能力．     

基于微粒群优化和模拟退火的约束广义预测控制算法

提出一种基于微粒群优化和模拟退火的约束广义预测控制算法,将微粒群优化和模拟退火引入到广义预测控制的滚动寻优过程中,增强对约束边界的搜索能力,并将约束条件构成约束违反度函数和适应度函数一起判断最优解的优劣,该算法可以有效地提高广义预测控制处理约束的能力.通过对一个工业对象的仿真,验证了该算法的可行性和有效性.