光伏阵列P-U特性曲线在局部遮阴状态下呈现多峰状态,传统的最大功率追踪算法容易陷入局部最优状态。针对此问题,提出了一种基于改进麻雀搜索算法的最大功率点跟踪(maximum power point tracking,MPPT)方法。在麻雀搜索算法中引入遗传算...光伏阵列P-U特性曲线在局部遮阴状态下呈现多峰状态,传统的最大功率追踪算法容易陷入局部最优状态。针对此问题,提出了一种基于改进麻雀搜索算法的最大功率点跟踪(maximum power point tracking,MPPT)方法。在麻雀搜索算法中引入遗传算法和Lévy飞行策略,使算法的全局搜索能力得以增强,并且可以跳出局部最优解。在MATLAB/Simulink中建立仿真模型,并与粒子群优化算法和原始麻雀搜索算法进行比较。仿真结果表明,基于改进麻雀搜索算法的MPPT方法在不同光照条件下均显示出更高的效率和稳定性。展开更多
针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)...针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)最大功率点跟踪策略。首先,采用RBF神经网络对各种气象条件下的光伏电池输出电压进行预测;其次,设计非线性积分滑模面以改善传统滑模控制存在稳态误差及超调量大的问题;最后,设计新型指数趋近律,在加快收敛速度的同时有效削弱了系统高频抖振;通过Lyapunov函数分析非线性反步积分滑模控制的可达性与稳定性,并在静态、动态和遮光条件下进行仿真试验。仿真试验结果表明,在温度和光照强度发生变化的工况下,相比于传统滑模控制,基于RBF神经网络的非线性反步积分滑模控制能在各种气象条件下快速、准确地跟踪光伏系统最大功率点,具有较强的鲁棒性。展开更多
针对局部遮阴条件下光伏阵列多峰值特性引起的最大功率点跟踪(maximum power point tracking,MPPT)算法容易陷入局部最优等问题,提出基于混沌改进灰狼优化算法与扰动观测法的MPPT算法(CGWO-P&O)。引入混沌映射策略对灰狼种群进行初...针对局部遮阴条件下光伏阵列多峰值特性引起的最大功率点跟踪(maximum power point tracking,MPPT)算法容易陷入局部最优等问题,提出基于混沌改进灰狼优化算法与扰动观测法的MPPT算法(CGWO-P&O)。引入混沌映射策略对灰狼种群进行初始化,增加种群多样性与分布均匀性,均衡灰狼优化算法的全局搜索和局部搜索能力,避免陷入局部最优;利用扰动观测法克服灰狼优化算法搜索速度慢等问题,提高后期对最大功率点的逼近速度。仿真结果表明:CGWO-P&O算法显著提高了对光伏系统最大功率点的跟踪速度和跟踪精度,有效解决了复杂遮阴条件下功率多峰值带来的局部最优等问题。展开更多
针对光照强度不均匀造成光伏阵列的输出曲线为多峰曲线,传统最大功率点跟踪(Maximum Power Point Tracking,MPPT)控制算法不能跟踪到全局最大功率的问题,文章提出一种基于改进麻雀搜索算法(Improved the Sparrow Search Algorithm,ISSA...针对光照强度不均匀造成光伏阵列的输出曲线为多峰曲线,传统最大功率点跟踪(Maximum Power Point Tracking,MPPT)控制算法不能跟踪到全局最大功率的问题,文章提出一种基于改进麻雀搜索算法(Improved the Sparrow Search Algorithm,ISSA)和扰动观察法(Perturbation and Observation Method,P&O)的光储发电系统MPPT控制方法。首先,在跟踪前期,采用混沌映射方式增加ISSA种群多样性,提升算法广泛搜索能力。为了防止算法陷入局部最优,利用萤火虫扰动算法对麻雀个体进行扰动更新;其次,在跟踪后期,使用P&O防止系统在最大功率点附近振荡,保证最大功率点稳定输出;最后,经过算例分析,所提MPPT控制方法实现了不同场景下的快速跟踪、精准输出,能够很好应用地于光储混合发电系统中。展开更多
文摘光伏阵列P-U特性曲线在局部遮阴状态下呈现多峰状态,传统的最大功率追踪算法容易陷入局部最优状态。针对此问题,提出了一种基于改进麻雀搜索算法的最大功率点跟踪(maximum power point tracking,MPPT)方法。在麻雀搜索算法中引入遗传算法和Lévy飞行策略,使算法的全局搜索能力得以增强,并且可以跳出局部最优解。在MATLAB/Simulink中建立仿真模型,并与粒子群优化算法和原始麻雀搜索算法进行比较。仿真结果表明,基于改进麻雀搜索算法的MPPT方法在不同光照条件下均显示出更高的效率和稳定性。
文摘针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)最大功率点跟踪策略。首先,采用RBF神经网络对各种气象条件下的光伏电池输出电压进行预测;其次,设计非线性积分滑模面以改善传统滑模控制存在稳态误差及超调量大的问题;最后,设计新型指数趋近律,在加快收敛速度的同时有效削弱了系统高频抖振;通过Lyapunov函数分析非线性反步积分滑模控制的可达性与稳定性,并在静态、动态和遮光条件下进行仿真试验。仿真试验结果表明,在温度和光照强度发生变化的工况下,相比于传统滑模控制,基于RBF神经网络的非线性反步积分滑模控制能在各种气象条件下快速、准确地跟踪光伏系统最大功率点,具有较强的鲁棒性。
文摘针对局部遮阴条件下光伏阵列多峰值特性引起的最大功率点跟踪(maximum power point tracking,MPPT)算法容易陷入局部最优等问题,提出基于混沌改进灰狼优化算法与扰动观测法的MPPT算法(CGWO-P&O)。引入混沌映射策略对灰狼种群进行初始化,增加种群多样性与分布均匀性,均衡灰狼优化算法的全局搜索和局部搜索能力,避免陷入局部最优;利用扰动观测法克服灰狼优化算法搜索速度慢等问题,提高后期对最大功率点的逼近速度。仿真结果表明:CGWO-P&O算法显著提高了对光伏系统最大功率点的跟踪速度和跟踪精度,有效解决了复杂遮阴条件下功率多峰值带来的局部最优等问题。
文摘针对光照强度不均匀造成光伏阵列的输出曲线为多峰曲线,传统最大功率点跟踪(Maximum Power Point Tracking,MPPT)控制算法不能跟踪到全局最大功率的问题,文章提出一种基于改进麻雀搜索算法(Improved the Sparrow Search Algorithm,ISSA)和扰动观察法(Perturbation and Observation Method,P&O)的光储发电系统MPPT控制方法。首先,在跟踪前期,采用混沌映射方式增加ISSA种群多样性,提升算法广泛搜索能力。为了防止算法陷入局部最优,利用萤火虫扰动算法对麻雀个体进行扰动更新;其次,在跟踪后期,使用P&O防止系统在最大功率点附近振荡,保证最大功率点稳定输出;最后,经过算例分析,所提MPPT控制方法实现了不同场景下的快速跟踪、精准输出,能够很好应用地于光储混合发电系统中。
