针对原始加入动量项最小均方MLMS(momentum least mean square)算法在低信噪比情况下,容易产生稳态失调,提出一种引入动态因子的改进MLMS算法。该算法采用动态因子来控制步长对瞬时误差信号的敏感性,并且采用当前误差信号e(n)和上一次...针对原始加入动量项最小均方MLMS(momentum least mean square)算法在低信噪比情况下,容易产生稳态失调,提出一种引入动态因子的改进MLMS算法。该算法采用动态因子来控制步长对瞬时误差信号的敏感性,并且采用当前误差信号e(n)和上一次误差信号e(n-1)的自相关估计来调整步长迭代,增强了算法对噪声的抗干扰性,提高了谐波检测的精度。该算法在稳态精度上优于原始算法,MATLAB仿真结果验证了该算法的有效性和可行性。展开更多
为减小光伏电池因环境变化造成的功率损失,提高系统的光电转换效率及跟踪响应速度,在传统电导增量法的基础上结合自适应变步长最小均方差LMS(least mean squre)算法,提出了一种自适应变步长最大功率跟踪算法,并在Matlab环境下利用SimPow...为减小光伏电池因环境变化造成的功率损失,提高系统的光电转换效率及跟踪响应速度,在传统电导增量法的基础上结合自适应变步长最小均方差LMS(least mean squre)算法,提出了一种自适应变步长最大功率跟踪算法,并在Matlab环境下利用SimPowerSystem功能模块建立了光伏电池的数学模型及自适应变步长算法的控制器模型。仿真结果表明,该算法在光照、温度等系统参数扰动的情况下都能快速找到新的工作点,表现出良好的动态及稳态特性,证实了算法的正确性和有效性。展开更多
文摘针对原始加入动量项最小均方MLMS(momentum least mean square)算法在低信噪比情况下,容易产生稳态失调,提出一种引入动态因子的改进MLMS算法。该算法采用动态因子来控制步长对瞬时误差信号的敏感性,并且采用当前误差信号e(n)和上一次误差信号e(n-1)的自相关估计来调整步长迭代,增强了算法对噪声的抗干扰性,提高了谐波检测的精度。该算法在稳态精度上优于原始算法,MATLAB仿真结果验证了该算法的有效性和可行性。
文摘为减小光伏电池因环境变化造成的功率损失,提高系统的光电转换效率及跟踪响应速度,在传统电导增量法的基础上结合自适应变步长最小均方差LMS(least mean squre)算法,提出了一种自适应变步长最大功率跟踪算法,并在Matlab环境下利用SimPowerSystem功能模块建立了光伏电池的数学模型及自适应变步长算法的控制器模型。仿真结果表明,该算法在光照、温度等系统参数扰动的情况下都能快速找到新的工作点,表现出良好的动态及稳态特性,证实了算法的正确性和有效性。