为解决局部阴影条件下传统智能算法最大功率点跟踪(maximum power point tracking, MPPT)波动剧烈、收敛效果不佳等问题,采用个体位置变异环形粒子群(particle swarm optimization, PSO)优化策略,实现惯性权重与学习因子非线性变化,提...为解决局部阴影条件下传统智能算法最大功率点跟踪(maximum power point tracking, MPPT)波动剧烈、收敛效果不佳等问题,采用个体位置变异环形粒子群(particle swarm optimization, PSO)优化策略,实现惯性权重与学习因子非线性变化,提高种群遍历性,均衡全局搜索与局部收敛能力,形成一种非线性变异改进环形粒子群(mutation improved ring particle swarm optimization, MIRPSO)MPPT新算法。将MIRPSO算法与传统PSO算法进行数字仿真对比与分析,实验结果表明:在多峰值寻优过程中,采用MIRPSO算法,最大功率追踪时间可缩短57.5%,追踪误差仅为2.5‰,功率振荡减弱,电能损失减小,在光照强度突变及温度持续变化时,同样可以重新准确定位到全局最大功率点。展开更多
文摘为解决局部阴影条件下传统智能算法最大功率点跟踪(maximum power point tracking, MPPT)波动剧烈、收敛效果不佳等问题,采用个体位置变异环形粒子群(particle swarm optimization, PSO)优化策略,实现惯性权重与学习因子非线性变化,提高种群遍历性,均衡全局搜索与局部收敛能力,形成一种非线性变异改进环形粒子群(mutation improved ring particle swarm optimization, MIRPSO)MPPT新算法。将MIRPSO算法与传统PSO算法进行数字仿真对比与分析,实验结果表明:在多峰值寻优过程中,采用MIRPSO算法,最大功率追踪时间可缩短57.5%,追踪误差仅为2.5‰,功率振荡减弱,电能损失减小,在光照强度突变及温度持续变化时,同样可以重新准确定位到全局最大功率点。
