光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(ma...光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(maximum power point tracking)控制策略。首先引入混沌Sine映射构造1种非线性随机递增惯性权重,并在粒子群的“个体认知”部分引入高斯扰动,同时利用对数函数构造学习因子,形成基于混沌映射和高斯扰动的改进粒子群算法;通过对6种典型单峰、多峰函数的测试,证明该算法收敛速度更快,不易陷入局部最优;将算法应用于MPPT控制中,并进一步通过不同算法MPPT控制进行对比仿真研究。对比仿真结果表明:在均匀光照强度、局部静态遮荫和动态遮荫3种情况下,基于混沌映射和高斯扰动的改进粒子群优化算法MPPT控制策略均具有更快的收敛速度和更小的搜索振荡幅度,能准确地搜寻到最大功率点,具有更高的寻优精度,从而提高了MPPT系统的发电效率。展开更多
在分布式光伏电源逐步走向规模化与智能化的背景下,提升最大功率点追踪(Maximum Power Point Tracking,MPPT)的响应效率与输出稳定性,已成为光伏并网控制中的关键技术问题。文章围绕扰动观察法在动态环境下的局限性,设计了一种基于动态...在分布式光伏电源逐步走向规模化与智能化的背景下,提升最大功率点追踪(Maximum Power Point Tracking,MPPT)的响应效率与输出稳定性,已成为光伏并网控制中的关键技术问题。文章围绕扰动观察法在动态环境下的局限性,设计了一种基于动态功率斜率与斜率加速度判断的改进型MPPT算法,结合实时采样预处理机制与自适应步长控制策略,构建分布式光伏电源输出优化路径,并配套升压型直流-直流电路进行并网匹配。实验结果显示,该方法在跟踪速度、稳态波动控制及转换效率方面均优于传统策略。展开更多
为了解决传统光伏阵列最大功率点追踪(maximum power point tracking,MPPT)算法易陷入局部最大功率点(local maximum power point,LMPP)的问题,本文提出一种基于自适应位置调节的飞蛾扑火(adaptive position adjustment for moth-flame ...为了解决传统光伏阵列最大功率点追踪(maximum power point tracking,MPPT)算法易陷入局部最大功率点(local maximum power point,LMPP)的问题,本文提出一种基于自适应位置调节的飞蛾扑火(adaptive position adjustment for moth-flame optimization algorithm,AMFO)MPPT控制方法,该方法在飞蛾的位置更新机制中引入自适应位置插值策略和自适应权重因子策略,提高了算法的求解精度和优化速度,使之不易陷入局部最大功率点。将改进后的算法应用于光伏系统MPPT中,仿真实验结果表明:改进后的算法相较于传统的飞蛾扑火优化(moth-flame optimization,MFO)算法、灰狼优化(grey wolf optimizer,GWO)算法和粒子群优化(particle swarm optimization,PSO)算法,在均匀光照和局部遮阴条件下的追踪速率和精度均有较大提升。展开更多
局部遮阴条件下光伏阵列的功率-电压特性曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking, MPPT)技术无法准确追踪到全局最大功率点。针对该问题提出一种基于改进算术优化算法(improved arithmetic optimization alg...局部遮阴条件下光伏阵列的功率-电压特性曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking, MPPT)技术无法准确追踪到全局最大功率点。针对该问题提出一种基于改进算术优化算法(improved arithmetic optimization algorithm, IAOA)的MPPT控制方法。首先,采用Sobol序列生成均匀分布的初始种群,增加种群多样性。其次,为了平衡算术优化算法(arithmetic optimization algorithm, AOA)的全局搜索和局部开发能力,对AOA中数学优化器加速函数的权重进行重构。最后,在AOA的位置更新中引入Lévy飞行策略,并将准反向学习用于每次更新后的最佳解,增强了算法的收敛速度和跳出局部最优的能力。仿真和实验结果表明,将改进后的算法应用于MPPT控制中,能够在不同的局部遮阴及光照突变条件下准确、快速地跟踪到全局最大功率点,且功率振荡小。展开更多
文摘光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(maximum power point tracking)控制策略。首先引入混沌Sine映射构造1种非线性随机递增惯性权重,并在粒子群的“个体认知”部分引入高斯扰动,同时利用对数函数构造学习因子,形成基于混沌映射和高斯扰动的改进粒子群算法;通过对6种典型单峰、多峰函数的测试,证明该算法收敛速度更快,不易陷入局部最优;将算法应用于MPPT控制中,并进一步通过不同算法MPPT控制进行对比仿真研究。对比仿真结果表明:在均匀光照强度、局部静态遮荫和动态遮荫3种情况下,基于混沌映射和高斯扰动的改进粒子群优化算法MPPT控制策略均具有更快的收敛速度和更小的搜索振荡幅度,能准确地搜寻到最大功率点,具有更高的寻优精度,从而提高了MPPT系统的发电效率。
文摘在分布式光伏电源逐步走向规模化与智能化的背景下,提升最大功率点追踪(Maximum Power Point Tracking,MPPT)的响应效率与输出稳定性,已成为光伏并网控制中的关键技术问题。文章围绕扰动观察法在动态环境下的局限性,设计了一种基于动态功率斜率与斜率加速度判断的改进型MPPT算法,结合实时采样预处理机制与自适应步长控制策略,构建分布式光伏电源输出优化路径,并配套升压型直流-直流电路进行并网匹配。实验结果显示,该方法在跟踪速度、稳态波动控制及转换效率方面均优于传统策略。
文摘为了解决传统光伏阵列最大功率点追踪(maximum power point tracking,MPPT)算法易陷入局部最大功率点(local maximum power point,LMPP)的问题,本文提出一种基于自适应位置调节的飞蛾扑火(adaptive position adjustment for moth-flame optimization algorithm,AMFO)MPPT控制方法,该方法在飞蛾的位置更新机制中引入自适应位置插值策略和自适应权重因子策略,提高了算法的求解精度和优化速度,使之不易陷入局部最大功率点。将改进后的算法应用于光伏系统MPPT中,仿真实验结果表明:改进后的算法相较于传统的飞蛾扑火优化(moth-flame optimization,MFO)算法、灰狼优化(grey wolf optimizer,GWO)算法和粒子群优化(particle swarm optimization,PSO)算法,在均匀光照和局部遮阴条件下的追踪速率和精度均有较大提升。
