针对目前跟踪式太阳能光伏电池发电系统跟踪误差较大、抗干扰性较差、系统耗能较高等问题,融合大功率点追踪(maximum power point tracking,MPPT)和智能寻光感知技术设计了套太阳能光伏电池跟踪系统,实现了光电转化效率的大化。运用投...针对目前跟踪式太阳能光伏电池发电系统跟踪误差较大、抗干扰性较差、系统耗能较高等问题,融合大功率点追踪(maximum power point tracking,MPPT)和智能寻光感知技术设计了套太阳能光伏电池跟踪系统,实现了光电转化效率的大化。运用投影原理研制了寻光传感器,加入光强感测单元构成智能寻光感知模块,消除气候条件影响实现系统全天候的运行工作。为降低系统功耗,将跟踪方式设计为离散式,系统空闲时断电待机。对实现大功率点跟踪的扰动观察法进行优化改进,提出差别化扰动方式避免了扰动观察法在大功率点附近产生震荡及光强变化时的误动作。经实验验证,该系统跟踪分辨力可达到0.344?,系统误差小于2.5°,系统充电效率提高40%以上。展开更多
为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algori...为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algorithm,SSA)的复合IP&O-SSA。该算法对SSA加入了Tent序列初始化,对预警者加入了Levy飞行策略,再对P&O进行了自适应和滤波处理。该算法采用双层控制结构,先通过改进后的SSA进行全局搜索到最大功率点附近,再通过改进后的IP&O进行小步平缓搜索到跟踪最大功率点。通过在Simulink仿真标准环境、局部遮荫、环境突变3种情形,仿真结果表明:在标准环境下,该算法最先跟踪到最大功率点,收敛时间比改进前的扰动观察(P&O)和SSA缩短了3 ms、16 ms,跟踪效率高达99.99%;局部遮荫条件下,只有P&O会陷入局部最优,无法有效跟踪到系统的最大功率点,相较于改进前的SSA,该文算法的平均收敛时间缩短了8 ms,同时跟踪效率高达99.68%,提升了0.09%。验证了该算法适用于日常大部分应用情景,为提升光伏阵列的发电效率提供了理论控制算法基础,为之后的光伏阵列并网减少了不必要的功率损耗。展开更多
文摘针对目前跟踪式太阳能光伏电池发电系统跟踪误差较大、抗干扰性较差、系统耗能较高等问题,融合大功率点追踪(maximum power point tracking,MPPT)和智能寻光感知技术设计了套太阳能光伏电池跟踪系统,实现了光电转化效率的大化。运用投影原理研制了寻光传感器,加入光强感测单元构成智能寻光感知模块,消除气候条件影响实现系统全天候的运行工作。为降低系统功耗,将跟踪方式设计为离散式,系统空闲时断电待机。对实现大功率点跟踪的扰动观察法进行优化改进,提出差别化扰动方式避免了扰动观察法在大功率点附近产生震荡及光强变化时的误动作。经实验验证,该系统跟踪分辨力可达到0.344?,系统误差小于2.5°,系统充电效率提高40%以上。
文摘为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algorithm,SSA)的复合IP&O-SSA。该算法对SSA加入了Tent序列初始化,对预警者加入了Levy飞行策略,再对P&O进行了自适应和滤波处理。该算法采用双层控制结构,先通过改进后的SSA进行全局搜索到最大功率点附近,再通过改进后的IP&O进行小步平缓搜索到跟踪最大功率点。通过在Simulink仿真标准环境、局部遮荫、环境突变3种情形,仿真结果表明:在标准环境下,该算法最先跟踪到最大功率点,收敛时间比改进前的扰动观察(P&O)和SSA缩短了3 ms、16 ms,跟踪效率高达99.99%;局部遮荫条件下,只有P&O会陷入局部最优,无法有效跟踪到系统的最大功率点,相较于改进前的SSA,该文算法的平均收敛时间缩短了8 ms,同时跟踪效率高达99.68%,提升了0.09%。验证了该算法适用于日常大部分应用情景,为提升光伏阵列的发电效率提供了理论控制算法基础,为之后的光伏阵列并网减少了不必要的功率损耗。
