蚁群算法优化RBF神经网络的光伏发电MPPT

针对如何提高光伏电池最大功率点预测跟踪精度的问题,讨论了光伏电池非线性输出特性。在此基础上,建立基于RBF神经网络的光伏电池最大功率点预测跟踪模型,以光照强度和温度为模型的输入,光伏电池的最大功率点电压为模型输出,并将RBF神经网络的中心参数采用蚁群算法进行优化,从而实现最大功率点预测跟踪。仿真结果表明,该方法比传统的RBF神经网络方法具有更高的预测精度,能更好地预测跟踪光伏电池的最大功率点。     

基于NACS-PSO算法的光伏系统 MPPT控制研究

对于局部遮阴下的光伏阵列,传统的最大功率点跟踪算法收敛速度慢、精度差、功率波动大且容易陷入局部最优。为此,提出一种基于新型自适应布谷鸟算法与粒子群算法相结合的复合算法。该方法在布谷鸟算法中引入自适应发现概率和自适应莱维飞行步长控制因子,同时加入对立种群策略,以提高算法收敛速度和全局寻优能力。在算法前期,用粒子群算法全局搜索快速找到全局最大功率点附近,后期用新型自适应布谷鸟算法在局部范围内精准寻优,以快速、准确和稳定地跟踪到全局最大功率点。仿真结果表明,本文提出的算法在四种光照模式下的收敛时间和跟踪误差分别为0.106 s和0.012%、0.108 s和0.034%、0.110 s和0.059%、0.106 s和0.031%,均优于其他算法,验证了本文算法在六种对比算法中,收敛速度最快、跟踪精度最高、功率波动最小、陷入局部最优的可能性最小。     

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。     

基于改进MPPT算法的光伏发电最大功率跟踪系统

针对光伏发电系统最大功率跟踪问题,提出了一种改进的自适应爬山算法,通过Matlab/Simulink进行仿真,并在硬件电路基础上对系统的性能进行了验证.仿真和实验结果表明.在此算法控制下,系统可稳定快速地追踪最大功率点,具有较高的跟踪精度结果,可在各种情况下,尤其对光照突变等恶劣情况下可实现光伏电池的最大功率跟踪,有较强的适应能力.     

基于改进花授粉算法的光伏MPPT控制研究

针对传统光伏最大功率点跟踪(MPPT)算法在解决局部遮荫环境下系统跟踪灵活性和时效性差,以及稳态输出振幅过大等问题,提出了基于改进花授粉算法(IFPA)的光伏最大功率跟踪控制策略。在对光伏阵列输出特性曲线进行分析的基础上,通过引入t-分布扰动机制和变异策略,分别对经典FPA算法的异花全局授粉过程与自花局部授粉过程进行优化,构建了基于IFPA的光伏最大功率点跟踪模型。以{3*2}的光伏阵列为例进行仿真实验,结果表明所研究模型在动态遮荫下的最大功率点跟踪速度较改进前大幅提高,系统在稳态时的震荡明显减小。     

基于滑模控制的光伏发电MPPT控制

为了快速进行最大功率点跟踪控制,提高太阳电池输出效率,将滑模控制应用在光伏系统最大功率点跟踪控制中,设计了基于光伏MPPT控制的滑模控制器。搭建太阳电池组件模型及Boost变换器和滑模MPPT控制模型,并在MATLAB仿真环境下进行了仿真,结果表明采用滑模MPPT控制可以快速地实现光伏系统的最大功率点跟踪控制,缩短系统调整时间,减小超调量与稳态误差。     

基于自适应占空比的光伏MPPT控制

传统光伏发电系统中最大功率跟踪算法难以同时兼顾跟踪速度和跟踪精度,对此提出一种基于变占空比的最大功率跟踪控制算法.通过 MATLAB/Simulink平台进行光伏发电最大功率追踪仿真验证,运用自适应占空比扰动技术实现对最大功率的实时跟踪并不断进行动态调整使输出功率保持最大,同时与常规扰动法进行对比.仿真结果显示,变占空比的光伏发电最大功率跟踪算法可提升能量转化效率.     

基于电导增量法的模型预测控制光伏MPPT算法

由于外界环境的多变性与随机性,光伏系统的全局最大功率点总是飘忽不定的。为使光伏系统在外界复杂环境下能够获得最大功率输出,提出了一种基于电导增量法的模型预测控制光伏MPPT算法。该算法将电导增量法与模型预测算法相结合,完成对光伏发电系统在外界复杂多变环境下的快速跟踪。通过建立系统性能指标函数,评价与估算出未来控制变量的动作,预测出P-U曲线的方向。最后通过simulink仿真表明了文章所提方法在外界光照强度发生突变时与单独使用电导增量法相比较可以同时提高系统的跟踪速度和控制精度。     

基于一种数学算法的光伏电池MPPT控制方法

当外部环境和负载发生变化,光伏电池输出功率也随之变化,为了提高系统的光电转换效率及跟踪响应速度,提出了一种改进的基于数学方法的最大功率点跟踪方式———基于拉格朗日中值定理的变步长电导增量法。该方案通过判断曲线一点的导数与限定因子的大小,选择不同方式来改变占空比,从而达到提高系统的快速性与稳定性的目的。并在Matlab仿真环境下利用SimPowerSystem模块建立仿真模型。仿真结果表明,在系统发生突变的情况下,该算法能准确快速跟踪在MPPT处,证实了算法的实用性及可靠性。     

基于自适应占空比扰动算法的光伏发电系统MPPT控制

常规的扰动观察法在光伏阵列的最大功率点跟踪中应用广泛,算法简洁,容易实现,但由于采用固定步长扰动,不能同时获得较高的跟踪速度与稳态跟踪精度.针对这个矛盾,提出了一种新的自适应占空比扰动算法,运用Matlab/Simulink对光伏发电系统MPPT控制进行了建模与仿真,并研制了一台控制器,在BOOST变换器上与定步长扰动法进行了对比实验,仿真和实验结果证明该算法能准确快速地跟踪光伏阵列的最大功率点,大大提高了系统的动态和稳态性能.     

强跟踪UKF算法在光伏系统MPPT中的应用

强跟踪UKF算法是采用Unscented策略逼近非线性分布且强跟踪系统突变的状态估计算法,该算法兼具强跟踪算法鲁棒性强、Unscented变换精度高、实现简单的优点。针对光伏系统在部分遮蔽情况下最大功率点误判问题,结合恒压法与强跟踪UKF算法,提出了一种新的光伏系统MPPT策略。采用恒压法快速定位最大功率点的电压范围;在该电压范围用尽量小步长的控制电压,以相应瞬时功率作为被估量,采用STUKF算法精确估算最大功率点,确定相应控制电压;保证光伏系统MPPT跟踪速度基础上,提高跟踪精度,通过状态跟踪判断状态突变,避免了误判问题。仿真和实验验证了所提策略的正确性、有效性。     

基于改进变步长扰动算法的光伏系统MPPT控制

提出了一种恒压启动变系数变步长扰动算法,以功率随步长变化速度的平方作为步长计算的依据,辅以恒定电压启动,并在最大功率点(MPP)左侧采用绝对值较大的跟踪系数,在Matlab/Simulink环境下,仿真验证了算法的优越性,并制作控制器样机,通过与传统变步长算法比较测试,验证了算法的可行性及优越性。     

基于改进粒子群算法的多路光伏MPPT控制

针对建筑光伏(PV)发电和大规模集中式PV发电中多条升压支路并联的情况,提出自适应线性调整器重启粒子群算法优化(PSO)法,通过选择合适的开关管导通时间,使各光伏阵列运行于各自的最大功率点,从而实现多路功率最优控制,并且克服了传统最大功率点跟踪(MPPT)算法在复杂环境中易陷入局部最大功率点而失效的问题。最后,通过实验验证了所提控制策略的有效性。     

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PI控制与电导增量法的光伏MPPT跟踪技术

为了解决光伏MPPT算法跟踪速度和精度的问题,针对传统输出电导增量法所产生的系统振荡和误判等问题,提出一个改进型的控制算法。通过将单模糊控制和电导增量法相结合的混合计算,能够使工作地点离最大输出功率点更接近,从而减少了在最大功率点时容易振荡的问题。通过分析系统光伏电池的工作特点,从而建立了光伏电池输出功率的数学模型,并进一步在Matlab/simulink环境下建立了仿真模型,经过对单模糊控制定步长电导增量法与单模糊控制变步长电导增量法的比较,结果表明所提出的方法能够增强了系统追踪的稳定性,从而减小了系统振荡所带来的电能损失,并在日照强度变化时也可以较快地追踪到最大功率点。     

基于改进蜉蝣算法的光伏MPPT研究

针对光伏(PV)阵列难以兼顾局部遮荫情况(PSC)下准确跟踪多峰全局最大功率点(GMPP)和均匀辐照度情况(UIC)下快速完成单峰最大功率点跟踪(MPPT)的问题,提出一种基于改进蜉蝣算法(IMA)的PV MPPT方法。首先,分析了PV阵列在理想电流源区域的电流-电压(I-U)特性曲线,提出阴影检测机制对PV阵列的遮光情况进行监测以区分PV阵列功率-电压(P-U)曲线的多峰-单峰情况;然后,采用末位淘汰策略的IMA进行多峰MPPT,同时,利用二等分搜索策略的IMA快速实现单峰MPPT;最后,仿真和实验结果表明基于IMA的PV MPPT方法可有效判断多峰-单峰情况,并在单峰MPPT场景和多峰MPPT场景下均具有更高的跟踪时效和精确度。     

基于极值搜索算法的光伏系统MPPT控制

在分析太阳能光伏阵列工作特性和常规最大功率点跟踪(MPPT)及控制方法基础上,研究了一种基于极值搜索算法的光伏系统MPPT控制方法。该算法与现有方法比较,可在外部环境突变的情况下,快速准确地跟踪光伏阵列的最大功率,具有良好的动态性能。基于该方法设计出光伏发电MPPT的控制系统,并通过仿真与样机实验与常规MPPT算法进行了对比分析。分析结果显示,极值搜索算法可快速、精确地跟踪光伏系统最大功率点,且动态特性良好。     

基于改进鲸鱼优化算法的光伏发电系统MPPT控制研究

在局部阴影条件下,常规的最大功率点跟踪MPPT(maximum power point tracking)算法因含有容易陷入局部极值、跟踪精度低等弊端,使其无法及时、精确地跟踪光伏发电系统的最大功率点,因此,提出了一种基于改进型鲸鱼优化算法的光伏发电系统MPPT控制策略。首先,采用混沌映射初始化种群,增加种群的多样性。其次,通过引入非线性收敛因子使局部寻优能力和全局搜索能力达到均衡。最后,通过引入非线性时变的自适应权重使系统及时跳出局部最优解,并提高搜索的精度。经仿真验证,与粒子群优化算法、狮群优化算法、传统的鲸鱼优化算法等相比,改进的鲸鱼算法在跟踪速度、精度、稳定性等方面均有更显著的效果。     

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。     

基于边界扫描的MPPT光伏并网控制

光伏发电的随机性和无功负荷极大地影响配电网的运行质量。为了提高配电网的电能质量和并网设备利用率,将配电网静止同步补偿器(Distribution Static Synchronous Compensator,DSTATCOM)与光伏并网逆变器相结合实现无功补偿。并在此基础上,提出一种基于边界扫描的MPPT方法,速度快、精度高,能减少直流电压的震荡。最后,通过仿真验证了新型MPPT光伏并网方法的有效性和良好的动静态性能。