阐述了采用最大功率跟踪控制(Maximum Power Point Tracking,简称MPPT)的原因,比较了几种MPPT实现方法的优缺点。基于增量电导法(Incremental Conductance,简称INC)研究了MPPT参考电压初值的设置方法,提出在MPPT参数初始化程序中,将参...阐述了采用最大功率跟踪控制(Maximum Power Point Tracking,简称MPPT)的原因,比较了几种MPPT实现方法的优缺点。基于增量电导法(Incremental Conductance,简称INC)研究了MPPT参考电压初值的设置方法,提出在MPPT参数初始化程序中,将参考电压初值设定为当前光强和温度对应的开路电压的76%,可使系统开机后能快速跟踪到太阳能电池最大功率点。最后通过原理样机验证了所提MPPT初值设置方法正确性和有效性。展开更多
在出现局部阴影的情况下,光伏阵列的输出特性具有高度的非线性、时变性以及功率极值点增加的特性,因此,导致传统的最大功率点跟踪(maximum power point tracking,MPPT)算法失效。针对这一问题,提出了一种基于粒子群优化算法和变步长电...在出现局部阴影的情况下,光伏阵列的输出特性具有高度的非线性、时变性以及功率极值点增加的特性,因此,导致传统的最大功率点跟踪(maximum power point tracking,MPPT)算法失效。针对这一问题,提出了一种基于粒子群优化算法和变步长电导增量法的改进MPPT算法。首先分析太阳能电池数学模型,选择Simulink的PV Array模块模拟太阳能电池,搭建完整仿真电路模型。然后编写基于粒子群优化算法和变步长电导增量法的改进MPPT算法程序。最后在温度为25℃,光照强度为1000 W/m2条件下,对比不同方法的仿真结果。实验结果表明:所提算法能够在系统的快速启动以及光照情况发生变化时完成最大功率点的快速定位,并可以根据设定的情况将最大功率点稳定在一个较为精确的范围。展开更多
针对秸秆发酵制取燃料乙醇过程的关键参量乙醇质量浓度难以用传统物理传感器实时在线测量,给发酵过程的监测与控制带来困难这一难题,采用混沌果蝇优化算法(chaos fruit fly optimization algorithm,CFOA)优化最小二乘支持向量机(least s...针对秸秆发酵制取燃料乙醇过程的关键参量乙醇质量浓度难以用传统物理传感器实时在线测量,给发酵过程的监测与控制带来困难这一难题,采用混沌果蝇优化算法(chaos fruit fly optimization algorithm,CFOA)优化最小二乘支持向量机(least square support vector machine,LSSVM)的关键参数,避免了普通交叉验证法选取参数的耗时性和盲目性,建立混沌果蝇最小二乘支持向量机软测量模型,实现乙醇质量浓度的在线实时测量.实验仿真表明:基于CFOA的LSSVM模型平均误差为4.55%,明显优于LSSVM模型,表明该软测量建模方法预测能力强,测量精度高.展开更多
文摘阐述了采用最大功率跟踪控制(Maximum Power Point Tracking,简称MPPT)的原因,比较了几种MPPT实现方法的优缺点。基于增量电导法(Incremental Conductance,简称INC)研究了MPPT参考电压初值的设置方法,提出在MPPT参数初始化程序中,将参考电压初值设定为当前光强和温度对应的开路电压的76%,可使系统开机后能快速跟踪到太阳能电池最大功率点。最后通过原理样机验证了所提MPPT初值设置方法正确性和有效性。
文摘在出现局部阴影的情况下,光伏阵列的输出特性具有高度的非线性、时变性以及功率极值点增加的特性,因此,导致传统的最大功率点跟踪(maximum power point tracking,MPPT)算法失效。针对这一问题,提出了一种基于粒子群优化算法和变步长电导增量法的改进MPPT算法。首先分析太阳能电池数学模型,选择Simulink的PV Array模块模拟太阳能电池,搭建完整仿真电路模型。然后编写基于粒子群优化算法和变步长电导增量法的改进MPPT算法程序。最后在温度为25℃,光照强度为1000 W/m2条件下,对比不同方法的仿真结果。实验结果表明:所提算法能够在系统的快速启动以及光照情况发生变化时完成最大功率点的快速定位,并可以根据设定的情况将最大功率点稳定在一个较为精确的范围。
文摘针对秸秆发酵制取燃料乙醇过程的关键参量乙醇质量浓度难以用传统物理传感器实时在线测量,给发酵过程的监测与控制带来困难这一难题,采用混沌果蝇优化算法(chaos fruit fly optimization algorithm,CFOA)优化最小二乘支持向量机(least square support vector machine,LSSVM)的关键参数,避免了普通交叉验证法选取参数的耗时性和盲目性,建立混沌果蝇最小二乘支持向量机软测量模型,实现乙醇质量浓度的在线实时测量.实验仿真表明:基于CFOA的LSSVM模型平均误差为4.55%,明显优于LSSVM模型,表明该软测量建模方法预测能力强,测量精度高.
