光伏发电系统的发电效率与最大功率点的捕捉与跟踪技术密切相关。当辐照度、温度及其他外部环境变化时,光伏电池的开路电压、短路电流和最大功率点电压及电流也随之变化。为提高光伏发电效率,寻求光伏电池的最优工作状态,大多数的最大...光伏发电系统的发电效率与最大功率点的捕捉与跟踪技术密切相关。当辐照度、温度及其他外部环境变化时,光伏电池的开路电压、短路电流和最大功率点电压及电流也随之变化。为提高光伏发电效率,寻求光伏电池的最优工作状态,大多数的最大功率点跟踪(Maximum power point tracking,MPPT)主要作用于DC-DC变换器的输入端,该方式在MPPT时会受到变换器损耗的影响,降低最大功率点寻优精度。基于Boost电路,在DC-DC变换器的输出端搭建MPPT系统,通过调节输出电压参数来实现对效果变化的控制,且在MPPT系统引入了导纳微分法(Admittance differentiation method,ADM),实现对MPPT控制器的重构,实施中搭建不同的仿真模型,再借助仿真模型达到对ADM的修正与优化,综合论证该方法具有更优的指标和更好的效果。展开更多
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
光伏阵列P-U特性曲线在局部遮阴状态下呈现多峰状态,传统的最大功率追踪算法容易陷入局部最优状态。针对此问题,提出了一种基于改进麻雀搜索算法的最大功率点跟踪(maximum power point tracking,MPPT)方法。在麻雀搜索算法中引入遗传算...光伏阵列P-U特性曲线在局部遮阴状态下呈现多峰状态,传统的最大功率追踪算法容易陷入局部最优状态。针对此问题,提出了一种基于改进麻雀搜索算法的最大功率点跟踪(maximum power point tracking,MPPT)方法。在麻雀搜索算法中引入遗传算法和Lévy飞行策略,使算法的全局搜索能力得以增强,并且可以跳出局部最优解。在MATLAB/Simulink中建立仿真模型,并与粒子群优化算法和原始麻雀搜索算法进行比较。仿真结果表明,基于改进麻雀搜索算法的MPPT方法在不同光照条件下均显示出更高的效率和稳定性。展开更多
针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)...针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)最大功率点跟踪策略。首先,采用RBF神经网络对各种气象条件下的光伏电池输出电压进行预测;其次,设计非线性积分滑模面以改善传统滑模控制存在稳态误差及超调量大的问题;最后,设计新型指数趋近律,在加快收敛速度的同时有效削弱了系统高频抖振;通过Lyapunov函数分析非线性反步积分滑模控制的可达性与稳定性,并在静态、动态和遮光条件下进行仿真试验。仿真试验结果表明,在温度和光照强度发生变化的工况下,相比于传统滑模控制,基于RBF神经网络的非线性反步积分滑模控制能在各种气象条件下快速、准确地跟踪光伏系统最大功率点,具有较强的鲁棒性。展开更多
随着全球能源危机加剧和环境保护意识增强,太阳能作为一种清洁、可再生的能源,其开发利用受到了广泛关注。光伏发电系统作为太阳能利用的主要方式之一,其效率直接关系太阳能的利用率。最大功率点跟踪(Maximum Power Point Tracking,MPPT...随着全球能源危机加剧和环境保护意识增强,太阳能作为一种清洁、可再生的能源,其开发利用受到了广泛关注。光伏发电系统作为太阳能利用的主要方式之一,其效率直接关系太阳能的利用率。最大功率点跟踪(Maximum Power Point Tracking,MPPT)技术是提高光伏发电系统效率的关键技术之一。聚焦太阳能光伏系统(Photovoltaic System,PV)中的MPPT控制策略,分析不同控制方法的优缺点,并提出改进策略,以提高光伏发电系统效率与稳定性。展开更多
目的光伏电池在实际应用中接收的光照可能会被遮挡,光伏阵列会在局部遮阴条件下运行,造成光伏系统输出功率出现多峰值的情况。针对传统最大功率点追踪(Maximum Power Point Tracking,MPPT)算法全局追踪能力弱,以及难以兼顾追踪速度和精...目的光伏电池在实际应用中接收的光照可能会被遮挡,光伏阵列会在局部遮阴条件下运行,造成光伏系统输出功率出现多峰值的情况。针对传统最大功率点追踪(Maximum Power Point Tracking,MPPT)算法全局追踪能力弱,以及难以兼顾追踪速度和精度的问题,提出了猎人猎物优化算法(Hunter-Prey Optimization,HPO)与变步长扰动观察法(Improved Perturbation and Observation,IP&O)的结合算法。方法首先利用HPO算法,初始化种群之后得到光伏系统的初始最大功率,并将其定义为整个算法的全局最优值;之后每次更新输出功率都要与最优值比较,保留功率较大的作为全局最优值;当满足算法切换条件时,认为HPO算法已经追踪到最大功率点附近,切换到IP&O算法在最大功率点附近扰动,直至输出最优值;当光伏系统接收到光照发生变化时,可以通过重启条件快速重启HPO-IP&O算法。结果为验证所提算法的可靠性,在MATLAB/Simlink中建立光伏系统仿真模型;在不同的光照条件下,分别将粒子群算法(Particle Swarm Optimization,PSO)、鲸鱼算法(Whale Optimization Algorithm,WOA)和所提算法对比;仿真结果表明:HPO-IP&O算法不会陷入局部极值,同时其追踪精度也优于WOA算法,但是与PSO算法相差不大;在追踪速度上,HPO-IP&O算法均快于WOA和PSO算法,且功率越大,HPO-IP&O所用时间越短。结论HPO-IP&O算法解决了传统MPPT算法易陷入局部最优值、无法兼顾追踪速度和精度的问题,通过仿真实验验证了所提算法在不同光照条件下的可行性和可靠性。展开更多
文摘光伏发电系统的发电效率与最大功率点的捕捉与跟踪技术密切相关。当辐照度、温度及其他外部环境变化时,光伏电池的开路电压、短路电流和最大功率点电压及电流也随之变化。为提高光伏发电效率,寻求光伏电池的最优工作状态,大多数的最大功率点跟踪(Maximum power point tracking,MPPT)主要作用于DC-DC变换器的输入端,该方式在MPPT时会受到变换器损耗的影响,降低最大功率点寻优精度。基于Boost电路,在DC-DC变换器的输出端搭建MPPT系统,通过调节输出电压参数来实现对效果变化的控制,且在MPPT系统引入了导纳微分法(Admittance differentiation method,ADM),实现对MPPT控制器的重构,实施中搭建不同的仿真模型,再借助仿真模型达到对ADM的修正与优化,综合论证该方法具有更优的指标和更好的效果。
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。
文摘光伏阵列P-U特性曲线在局部遮阴状态下呈现多峰状态,传统的最大功率追踪算法容易陷入局部最优状态。针对此问题,提出了一种基于改进麻雀搜索算法的最大功率点跟踪(maximum power point tracking,MPPT)方法。在麻雀搜索算法中引入遗传算法和Lévy飞行策略,使算法的全局搜索能力得以增强,并且可以跳出局部最优解。在MATLAB/Simulink中建立仿真模型,并与粒子群优化算法和原始麻雀搜索算法进行比较。仿真结果表明,基于改进麻雀搜索算法的MPPT方法在不同光照条件下均显示出更高的效率和稳定性。
文摘针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)最大功率点跟踪策略。首先,采用RBF神经网络对各种气象条件下的光伏电池输出电压进行预测;其次,设计非线性积分滑模面以改善传统滑模控制存在稳态误差及超调量大的问题;最后,设计新型指数趋近律,在加快收敛速度的同时有效削弱了系统高频抖振;通过Lyapunov函数分析非线性反步积分滑模控制的可达性与稳定性,并在静态、动态和遮光条件下进行仿真试验。仿真试验结果表明,在温度和光照强度发生变化的工况下,相比于传统滑模控制,基于RBF神经网络的非线性反步积分滑模控制能在各种气象条件下快速、准确地跟踪光伏系统最大功率点,具有较强的鲁棒性。
文摘随着全球能源危机加剧和环境保护意识增强,太阳能作为一种清洁、可再生的能源,其开发利用受到了广泛关注。光伏发电系统作为太阳能利用的主要方式之一,其效率直接关系太阳能的利用率。最大功率点跟踪(Maximum Power Point Tracking,MPPT)技术是提高光伏发电系统效率的关键技术之一。聚焦太阳能光伏系统(Photovoltaic System,PV)中的MPPT控制策略,分析不同控制方法的优缺点,并提出改进策略,以提高光伏发电系统效率与稳定性。
文摘目的光伏电池在实际应用中接收的光照可能会被遮挡,光伏阵列会在局部遮阴条件下运行,造成光伏系统输出功率出现多峰值的情况。针对传统最大功率点追踪(Maximum Power Point Tracking,MPPT)算法全局追踪能力弱,以及难以兼顾追踪速度和精度的问题,提出了猎人猎物优化算法(Hunter-Prey Optimization,HPO)与变步长扰动观察法(Improved Perturbation and Observation,IP&O)的结合算法。方法首先利用HPO算法,初始化种群之后得到光伏系统的初始最大功率,并将其定义为整个算法的全局最优值;之后每次更新输出功率都要与最优值比较,保留功率较大的作为全局最优值;当满足算法切换条件时,认为HPO算法已经追踪到最大功率点附近,切换到IP&O算法在最大功率点附近扰动,直至输出最优值;当光伏系统接收到光照发生变化时,可以通过重启条件快速重启HPO-IP&O算法。结果为验证所提算法的可靠性,在MATLAB/Simlink中建立光伏系统仿真模型;在不同的光照条件下,分别将粒子群算法(Particle Swarm Optimization,PSO)、鲸鱼算法(Whale Optimization Algorithm,WOA)和所提算法对比;仿真结果表明:HPO-IP&O算法不会陷入局部极值,同时其追踪精度也优于WOA算法,但是与PSO算法相差不大;在追踪速度上,HPO-IP&O算法均快于WOA和PSO算法,且功率越大,HPO-IP&O所用时间越短。结论HPO-IP&O算法解决了传统MPPT算法易陷入局部最优值、无法兼顾追踪速度和精度的问题,通过仿真实验验证了所提算法在不同光照条件下的可行性和可靠性。
