The existing Maximum Power Point Tracking(MPPT)method has low tracking efficiency and poor stability.It is easy to fall into the Local Maximum Power Point(LMPP)in Partial Shading Condition(PSC),resulting in the degrad...The existing Maximum Power Point Tracking(MPPT)method has low tracking efficiency and poor stability.It is easy to fall into the Local Maximum Power Point(LMPP)in Partial Shading Condition(PSC),resulting in the degradation of output power quality and efficiency.It was found that various bio-inspired MPPT based optimization algorithms employ different mechanisms,and their performance in tracking the Global Maximum Power Point(GMPP)varies.Thus,a Cuckoo search algorithm(CSA)combined with the Incremental conductance Algorithm(INC)is proposed(CSA-INC)is put forward for the MPPT method of photovoltaic power generation.The method can improve the tracking speed by more than 52%compared with the traditional Cuckoo Search Algorithm(CSA),and the results of the study using this algorithm are compared with the popular Particle Swarm Optimization(PSO)and the Gravitational Search Algorithm(GSA).CSA-INC has an average tracking efficiency of 99.99%and an average tracking time of 0.19 s when tracking the GMPP,which improves PV power generation’s efficiency and power quality.展开更多
为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题,将布谷鸟搜索算法与最大似然算法相结合,利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时,改进了算法的...为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题,将布谷鸟搜索算法与最大似然算法相结合,利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时,改进了算法的位置迭代方式,加快了收敛速度。仿真结果表明,改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性,估计性能较好。展开更多
对光伏阵列进行最大功率点跟踪控制(Maximum Power Point Tracking,简称MPPT),是提高光伏发电系统输出功率的有效措施之一。文章以光伏阵列非线性输出特性为切入点展开研究,在分析了常规算法的优缺点基础上,针对其在最大功率点处(MPP)...对光伏阵列进行最大功率点跟踪控制(Maximum Power Point Tracking,简称MPPT),是提高光伏发电系统输出功率的有效措施之一。文章以光伏阵列非线性输出特性为切入点展开研究,在分析了常规算法的优缺点基础上,针对其在最大功率点处(MPP)动态和稳态性能不佳等问题,提出了一种基于布谷鸟搜索算法(CSA)和模糊PI(FPI)控制相结合的光伏阵列MPPT算法。在MATLAB/Simulink下进行了仿真建模,仿真结果表明该方法能够迅速准确地跟踪光伏阵列的最大功率点,防止算法跟踪方向误判情况的发生,具有快速跟踪性和鲁棒性;同时实验结果也证实了上述算法的正确性和有效性。展开更多
针对将连续域蚁群优化算法应用于最大似然(maximum likelihood,ML)估计中存在计算量过大的问题,提出一种基于改进蚁群优化(modified ant colony optimization,MACO)算法的最大似然波达方向(maximum likelihood direction of arrival,ML-...针对将连续域蚁群优化算法应用于最大似然(maximum likelihood,ML)估计中存在计算量过大的问题,提出一种基于改进蚁群优化(modified ant colony optimization,MACO)算法的最大似然波达方向(maximum likelihood direction of arrival,ML-DOA)估计方法.采用精英反向学习策略获得较优初始解群体,结合全局跨邻域搜索和高斯核函数局部搜索对蚁群的寻优方式进行优化,扩大了算法的搜索空间并加快了收敛速度,最终得到ML估计方法的非线性全局最优解.仿真结果表明,与基于粒子群优化(particle swarm optimization,PSO)算法、蚁群优化(ant colony optimization,ACO)算法的ML估计方法相比,ML-MACO算法的收敛速度是ML-ACO算法的4倍,计算量是ML-ACO算法的1/3,分辨成功率高于ML-PSO算法和ML-ACO算法,估计误差小于ML-PSO算法和ML-ACO算法.ML-MACO算法以更低的计算量保持了ML算法的优良估计性能,收敛性能更优且估计精度更高.展开更多
实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足...实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。展开更多
为提高水下目标波达角(direction of arrival,DOA)估计精度,提出一种基于布谷鸟搜索算法的最大似然DOA估计法.该方法将布谷鸟搜索算法中影响布谷鸟搜索路径的多个参数由固定值改为自适应的动态参数,不仅改进了算法的精度,而且大幅度地...为提高水下目标波达角(direction of arrival,DOA)估计精度,提出一种基于布谷鸟搜索算法的最大似然DOA估计法.该方法将布谷鸟搜索算法中影响布谷鸟搜索路径的多个参数由固定值改为自适应的动态参数,不仅改进了算法的精度,而且大幅度地提高算法的收敛速度.应用改进后的布谷鸟搜索算法优化基于分数低阶空时矩阵的最大似然DOA估计函数,使水下目标DOA估计在准确的前提下更加迅速.仿真结果表明,无论是在多途环境下还是无多途环境下,该方法都能有效地对水下目标进行DOA估计,而且具有很高的收敛速度,因此该方法具有一定的实际应用前景.展开更多
局部阴影遮挡(Partial Shading Condition,PSC)使得最大功率点追踪(Maximum Power Point Tracking,MPPT)的追踪速度和精度难以得到保证。对布谷鸟搜索算法(Cuckoo Search Algorithm,CSA)和自适应变步长的改进扰动观察法(Improved Pertur...局部阴影遮挡(Partial Shading Condition,PSC)使得最大功率点追踪(Maximum Power Point Tracking,MPPT)的追踪速度和精度难以得到保证。对布谷鸟搜索算法(Cuckoo Search Algorithm,CSA)和自适应变步长的改进扰动观察法(Improved Perturbation and Observation,IP&O)进行了研究并应用到光伏的MPPT控制中。利用CSA出色的全局搜索能力快速收敛到全局最大功率点(Maximum Power Point,MPP)附近,然后利用IP&O出色的局部搜索能力快速、准确地收敛到MPP。最后设置了几种光照情况进行仿真,并用扰动观察法和粒子群(Particle Swarm Optimization,PSO)方法进行对比。通过仿真验证了所提出的方法具有更快的追踪速度和更高的精确度。展开更多
基金supported by the Natural Science Foundation of Gansu Province(Grant No.21JR7RA321)。
文摘The existing Maximum Power Point Tracking(MPPT)method has low tracking efficiency and poor stability.It is easy to fall into the Local Maximum Power Point(LMPP)in Partial Shading Condition(PSC),resulting in the degradation of output power quality and efficiency.It was found that various bio-inspired MPPT based optimization algorithms employ different mechanisms,and their performance in tracking the Global Maximum Power Point(GMPP)varies.Thus,a Cuckoo search algorithm(CSA)combined with the Incremental conductance Algorithm(INC)is proposed(CSA-INC)is put forward for the MPPT method of photovoltaic power generation.The method can improve the tracking speed by more than 52%compared with the traditional Cuckoo Search Algorithm(CSA),and the results of the study using this algorithm are compared with the popular Particle Swarm Optimization(PSO)and the Gravitational Search Algorithm(GSA).CSA-INC has an average tracking efficiency of 99.99%and an average tracking time of 0.19 s when tracking the GMPP,which improves PV power generation’s efficiency and power quality.
文摘为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题,将布谷鸟搜索算法与最大似然算法相结合,利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时,改进了算法的位置迭代方式,加快了收敛速度。仿真结果表明,改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性,估计性能较好。
文摘对光伏阵列进行最大功率点跟踪控制(Maximum Power Point Tracking,简称MPPT),是提高光伏发电系统输出功率的有效措施之一。文章以光伏阵列非线性输出特性为切入点展开研究,在分析了常规算法的优缺点基础上,针对其在最大功率点处(MPP)动态和稳态性能不佳等问题,提出了一种基于布谷鸟搜索算法(CSA)和模糊PI(FPI)控制相结合的光伏阵列MPPT算法。在MATLAB/Simulink下进行了仿真建模,仿真结果表明该方法能够迅速准确地跟踪光伏阵列的最大功率点,防止算法跟踪方向误判情况的发生,具有快速跟踪性和鲁棒性;同时实验结果也证实了上述算法的正确性和有效性。
文摘针对将连续域蚁群优化算法应用于最大似然(maximum likelihood,ML)估计中存在计算量过大的问题,提出一种基于改进蚁群优化(modified ant colony optimization,MACO)算法的最大似然波达方向(maximum likelihood direction of arrival,ML-DOA)估计方法.采用精英反向学习策略获得较优初始解群体,结合全局跨邻域搜索和高斯核函数局部搜索对蚁群的寻优方式进行优化,扩大了算法的搜索空间并加快了收敛速度,最终得到ML估计方法的非线性全局最优解.仿真结果表明,与基于粒子群优化(particle swarm optimization,PSO)算法、蚁群优化(ant colony optimization,ACO)算法的ML估计方法相比,ML-MACO算法的收敛速度是ML-ACO算法的4倍,计算量是ML-ACO算法的1/3,分辨成功率高于ML-PSO算法和ML-ACO算法,估计误差小于ML-PSO算法和ML-ACO算法.ML-MACO算法以更低的计算量保持了ML算法的优良估计性能,收敛性能更优且估计精度更高.
文摘为提高水下目标波达角(direction of arrival,DOA)估计精度,提出一种基于布谷鸟搜索算法的最大似然DOA估计法.该方法将布谷鸟搜索算法中影响布谷鸟搜索路径的多个参数由固定值改为自适应的动态参数,不仅改进了算法的精度,而且大幅度地提高算法的收敛速度.应用改进后的布谷鸟搜索算法优化基于分数低阶空时矩阵的最大似然DOA估计函数,使水下目标DOA估计在准确的前提下更加迅速.仿真结果表明,无论是在多途环境下还是无多途环境下,该方法都能有效地对水下目标进行DOA估计,而且具有很高的收敛速度,因此该方法具有一定的实际应用前景.
文摘局部阴影遮挡(Partial Shading Condition,PSC)使得最大功率点追踪(Maximum Power Point Tracking,MPPT)的追踪速度和精度难以得到保证。对布谷鸟搜索算法(Cuckoo Search Algorithm,CSA)和自适应变步长的改进扰动观察法(Improved Perturbation and Observation,IP&O)进行了研究并应用到光伏的MPPT控制中。利用CSA出色的全局搜索能力快速收敛到全局最大功率点(Maximum Power Point,MPP)附近,然后利用IP&O出色的局部搜索能力快速、准确地收敛到MPP。最后设置了几种光照情况进行仿真,并用扰动观察法和粒子群(Particle Swarm Optimization,PSO)方法进行对比。通过仿真验证了所提出的方法具有更快的追踪速度和更高的精确度。
