局部遮阴时,光伏阵列输出的功率-电压曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking,MPPT)算法会失效。提出两步型控制模型:第一步由粒子群算法(particle swarm optimization,PSO)寻找最大功率点,第二步通过电导...局部遮阴时,光伏阵列输出的功率-电压曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking,MPPT)算法会失效。提出两步型控制模型:第一步由粒子群算法(particle swarm optimization,PSO)寻找最大功率点,第二步通过电导增量法(incremental conductance,INC)控制系统稳定输出。此外还研究以下几点:模型的参考曲线更改为光伏阵列功率-占空比(P-D)输出特性曲线(由标准Boost电路调节占空比测得);改进传统PSO算法结构,限制了最大搜索速度;分析模型最适合的粒子数目和粒子搜索顺序。最后在复杂环境下对系统进行仿真和实验。展开更多
局部阴影会导致光伏(photovoltaic,PV)阵列的输出功率下降,功率电压曲线呈现多个局部峰值情况,且光伏阵列的各个并联支路功率特性复杂化,没能完全工作在最大功率点(maximum power point,MPP),常规全局最大功率点追踪(global maximum pow...局部阴影会导致光伏(photovoltaic,PV)阵列的输出功率下降,功率电压曲线呈现多个局部峰值情况,且光伏阵列的各个并联支路功率特性复杂化,没能完全工作在最大功率点(maximum power point,MPP),常规全局最大功率点追踪(global maximum power point tracking,GMPPT)方法效果不佳,因此有必要对光伏阵列结构进行优化,提高光伏系统的转换效率。在电路的串并联理论的基础上,对光伏阵列支路在局部阴影条件下的输出功率进行详细分析,采用支路串联电压源的光伏阵列结构,实现光伏支路最大功率的优化控制方法。通过对光伏支路进行电压补偿,使得每条支路都能工作在最大功率点,达到光伏阵列的最大功率输出。仿真和实验结果表明:通过对光伏支路串联电压源,提高了光伏阵列的输出功率。展开更多
针对光伏阵列的输出特性在局部阴影情况下具有高度非线性、时变性以及多个局部功率极值点等特点,并导致传统MPPT(maximum power point tracking)算法失效的问题,提出一种基于粒子群优化算法和变步长扰动观察法的改进MPPT算法。其中粒子...针对光伏阵列的输出特性在局部阴影情况下具有高度非线性、时变性以及多个局部功率极值点等特点,并导致传统MPPT(maximum power point tracking)算法失效的问题,提出一种基于粒子群优化算法和变步长扰动观察法的改进MPPT算法。其中粒子群优化算法用于系统启动和光照情况发生突变后迅速定位近似最大功率点,变步长扰动观察法则根据实际状况使光伏阵列精确稳定在最大功率点,以克服使用数学模型与实际输出特性偏差或微小扰动所导致的功率损失。通过建立Matlab/Simulink模型进行仿真实验,实验结果表明所提算法使光伏阵列在不同阴影情况下以及发生光照强度突变时都具有迅速精确的跟踪能力。展开更多
为了减小局部遮阴情况PSC(partial shading condition)下光伏系统的功率失配损失,提高最大功率点追踪MPPT(maximum power point tracking)的追踪速度和准确性,提出了基于天牛群优化BSO(beetle swarm optimiza?tion)算法的MPPT控制方法....为了减小局部遮阴情况PSC(partial shading condition)下光伏系统的功率失配损失,提高最大功率点追踪MPPT(maximum power point tracking)的追踪速度和准确性,提出了基于天牛群优化BSO(beetle swarm optimiza?tion)算法的MPPT控制方法.把由天牛须搜索BAS(beetle antennae search)借鉴粒子群的群体优化思想而得到的BSO方法应用到MPPT控制,利用天牛的个体进化和群体学习等优势来提高MPPT的追踪速度和精确度.设置了多种光照情况来作仿真验证,并用粒子群方法进行比较分析.结果表明,所提的方法追踪速度更快、精确度更高,且追踪过程更稳定、功率波动较小.展开更多
文摘局部遮阴时,光伏阵列输出的功率-电压曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking,MPPT)算法会失效。提出两步型控制模型:第一步由粒子群算法(particle swarm optimization,PSO)寻找最大功率点,第二步通过电导增量法(incremental conductance,INC)控制系统稳定输出。此外还研究以下几点:模型的参考曲线更改为光伏阵列功率-占空比(P-D)输出特性曲线(由标准Boost电路调节占空比测得);改进传统PSO算法结构,限制了最大搜索速度;分析模型最适合的粒子数目和粒子搜索顺序。最后在复杂环境下对系统进行仿真和实验。
文摘局部阴影会导致光伏(photovoltaic,PV)阵列的输出功率下降,功率电压曲线呈现多个局部峰值情况,且光伏阵列的各个并联支路功率特性复杂化,没能完全工作在最大功率点(maximum power point,MPP),常规全局最大功率点追踪(global maximum power point tracking,GMPPT)方法效果不佳,因此有必要对光伏阵列结构进行优化,提高光伏系统的转换效率。在电路的串并联理论的基础上,对光伏阵列支路在局部阴影条件下的输出功率进行详细分析,采用支路串联电压源的光伏阵列结构,实现光伏支路最大功率的优化控制方法。通过对光伏支路进行电压补偿,使得每条支路都能工作在最大功率点,达到光伏阵列的最大功率输出。仿真和实验结果表明:通过对光伏支路串联电压源,提高了光伏阵列的输出功率。
文摘针对光伏阵列的输出特性在局部阴影情况下具有高度非线性、时变性以及多个局部功率极值点等特点,并导致传统MPPT(maximum power point tracking)算法失效的问题,提出一种基于粒子群优化算法和变步长扰动观察法的改进MPPT算法。其中粒子群优化算法用于系统启动和光照情况发生突变后迅速定位近似最大功率点,变步长扰动观察法则根据实际状况使光伏阵列精确稳定在最大功率点,以克服使用数学模型与实际输出特性偏差或微小扰动所导致的功率损失。通过建立Matlab/Simulink模型进行仿真实验,实验结果表明所提算法使光伏阵列在不同阴影情况下以及发生光照强度突变时都具有迅速精确的跟踪能力。
文摘为了减小局部遮阴情况PSC(partial shading condition)下光伏系统的功率失配损失,提高最大功率点追踪MPPT(maximum power point tracking)的追踪速度和准确性,提出了基于天牛群优化BSO(beetle swarm optimiza?tion)算法的MPPT控制方法.把由天牛须搜索BAS(beetle antennae search)借鉴粒子群的群体优化思想而得到的BSO方法应用到MPPT控制,利用天牛的个体进化和群体学习等优势来提高MPPT的追踪速度和精确度.设置了多种光照情况来作仿真验证,并用粒子群方法进行比较分析.结果表明,所提的方法追踪速度更快、精确度更高,且追踪过程更稳定、功率波动较小.
