关于多峰值最大功率点跟踪(maximum power point tracking,MPPT)算法的研究例如粒子群MPPT算法和全局扫描法以及其改进算法,往往只关注其静态搜索能力和辐照度突变情况下的扫描过程。但外界环境改变造成的特性曲线持续变化过程中的动态...关于多峰值最大功率点跟踪(maximum power point tracking,MPPT)算法的研究例如粒子群MPPT算法和全局扫描法以及其改进算法,往往只关注其静态搜索能力和辐照度突变情况下的扫描过程。但外界环境改变造成的特性曲线持续变化过程中的动态性能研究有些欠缺。为了提升多峰值MPPT算法的动态性能,文中提出一种基于功率闭环法的改进动态多峰值MPPT算法。该算法结合三点法和粒子群算法,快速搜索出全局最大功率点,动态响应能力好,具有较好的实际应用价值。通过实验室和实际电站测试验证了该算法的正确性和有效性。展开更多
针对现有光伏最大功率点跟踪MPPT(maximum power point tracking)技术在功率多峰值情况下的不足,提出一种基于电压-功率扫描的多峰快速MPPT方法。首先通过仿真分析了光伏陈列在局部阴影状态下的输出特性;然后提出通过对光伏输出端并联...针对现有光伏最大功率点跟踪MPPT(maximum power point tracking)技术在功率多峰值情况下的不足,提出一种基于电压-功率扫描的多峰快速MPPT方法。首先通过仿真分析了光伏陈列在局部阴影状态下的输出特性;然后提出通过对光伏输出端并联电容的电压-功率扫描实现现况下全局最大功率点识别的总体思路;紧接着给出了实现端口电压扫描的主电路拓扑,并对其进行了状态分析和控制算法设计;最后对所提方案进行了Mat?lab仿真与样机试验验证。结果表明,该方案能稳定、快速、有效地实现对当前全局最大功率点的追踪与锁定。展开更多
复杂环境条件下,光伏阵列由于被遮挡其输出特性呈现多峰值特性,传统最大功率点跟踪MPPT(maximum power point tracking)算法不再适用。为此,在研究光伏阵列多峰值输出特性的基础上,提出一种基于粒子群优化PSO(particle swarm optimizati...复杂环境条件下,光伏阵列由于被遮挡其输出特性呈现多峰值特性,传统最大功率点跟踪MPPT(maximum power point tracking)算法不再适用。为此,在研究光伏阵列多峰值输出特性的基础上,提出一种基于粒子群优化PSO(particle swarm optimization)算法和电导增量法INC(incremental conductance)的多峰值MPPT算法。该算法分成2步:第1步先由PSO算法将输入位置调整到最优值附近;第2步再由INC算法得到全局最优解,其中对传统PSO算法进行改进,INC算法采用变步长扰动。在Matlab中进行仿真,结果表明该算法可实现复杂环境条件下的最大功率跟踪,并具备较快的响应速度和稳定的寻优效果。展开更多
局部阴影条件下,光伏发电系统中P-U曲线会呈现多峰现象,传统的最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法易失效,粒子群(PSO)算法适用于复杂多极值系统的寻优,因而在多峰全局MPPT中得到应用。针对寻优过程中传统PSO算法搜...局部阴影条件下,光伏发电系统中P-U曲线会呈现多峰现象,传统的最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法易失效,粒子群(PSO)算法适用于复杂多极值系统的寻优,因而在多峰全局MPPT中得到应用。针对寻优过程中传统PSO算法搜索精度低以及易出现早熟现象的缺点,文中提出了自适应惯性权重粒子群(APSO)算法,在PSO算法中引入非线性惯性权重,以提高多峰全局寻优的精度与速度。最后利用MATLAB/Simulink对系统进行仿真,仿真结果表明:在均匀光照和可变阴影条件下,APSO算法能有效提高系统寻优的收敛速度与精度。展开更多
实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足...实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。展开更多
文摘关于多峰值最大功率点跟踪(maximum power point tracking,MPPT)算法的研究例如粒子群MPPT算法和全局扫描法以及其改进算法,往往只关注其静态搜索能力和辐照度突变情况下的扫描过程。但外界环境改变造成的特性曲线持续变化过程中的动态性能研究有些欠缺。为了提升多峰值MPPT算法的动态性能,文中提出一种基于功率闭环法的改进动态多峰值MPPT算法。该算法结合三点法和粒子群算法,快速搜索出全局最大功率点,动态响应能力好,具有较好的实际应用价值。通过实验室和实际电站测试验证了该算法的正确性和有效性。
文摘针对现有光伏最大功率点跟踪MPPT(maximum power point tracking)技术在功率多峰值情况下的不足,提出一种基于电压-功率扫描的多峰快速MPPT方法。首先通过仿真分析了光伏陈列在局部阴影状态下的输出特性;然后提出通过对光伏输出端并联电容的电压-功率扫描实现现况下全局最大功率点识别的总体思路;紧接着给出了实现端口电压扫描的主电路拓扑,并对其进行了状态分析和控制算法设计;最后对所提方案进行了Mat?lab仿真与样机试验验证。结果表明,该方案能稳定、快速、有效地实现对当前全局最大功率点的追踪与锁定。
文摘复杂环境条件下,光伏阵列由于被遮挡其输出特性呈现多峰值特性,传统最大功率点跟踪MPPT(maximum power point tracking)算法不再适用。为此,在研究光伏阵列多峰值输出特性的基础上,提出一种基于粒子群优化PSO(particle swarm optimization)算法和电导增量法INC(incremental conductance)的多峰值MPPT算法。该算法分成2步:第1步先由PSO算法将输入位置调整到最优值附近;第2步再由INC算法得到全局最优解,其中对传统PSO算法进行改进,INC算法采用变步长扰动。在Matlab中进行仿真,结果表明该算法可实现复杂环境条件下的最大功率跟踪,并具备较快的响应速度和稳定的寻优效果。
文摘局部阴影条件下,光伏发电系统中P-U曲线会呈现多峰现象,传统的最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法易失效,粒子群(PSO)算法适用于复杂多极值系统的寻优,因而在多峰全局MPPT中得到应用。针对寻优过程中传统PSO算法搜索精度低以及易出现早熟现象的缺点,文中提出了自适应惯性权重粒子群(APSO)算法,在PSO算法中引入非线性惯性权重,以提高多峰全局寻优的精度与速度。最后利用MATLAB/Simulink对系统进行仿真,仿真结果表明:在均匀光照和可变阴影条件下,APSO算法能有效提高系统寻优的收敛速度与精度。
