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
在光储孤岛直流微电网中,需要最大化利用光伏发电,通常对光伏系统采用最大功率点跟踪(maximum power point tracking, MPPT)技术。但传统的MPPT控制速度慢、精度低,特别是在局部阴影情形下极易陷入局部最优解。基于此,首先提出一种将布...在光储孤岛直流微电网中,需要最大化利用光伏发电,通常对光伏系统采用最大功率点跟踪(maximum power point tracking, MPPT)技术。但传统的MPPT控制速度慢、精度低,特别是在局部阴影情形下极易陷入局部最优解。基于此,首先提出一种将布谷鸟搜索算法与电导增量法相结合的混合MPPT控制。利用布谷鸟搜索算法快速全局寻优,再使用电导增量法精确定位,实现快速而准确地跟踪最大功率点。储能单元是光储直流微电网的重要组成部分,其输出电流均分、荷电状态(stateof charge, SoC)均衡和直流母线电压稳定是主要控制目标。但电流均分受线路电阻差异的影响,进而影响SoC均衡和直流母线电压稳定,于是设计一种新的电压电流双环控制策略以实现上述目标。该策略在电压外环采用母线电压作为反馈值,在电流内环中设计了基于一致性算法的控制策略,将SoC与指数函数结合并引入加速因子,使得在充放电过程中实现SoC的快速均衡。所提控制策略既不需要下垂控制,也无需二次补偿控制,减轻了通信负担。最后在Matlab/Simulink中搭建直流微电网系统模型,验证所设计新的混合MPPT控制和电压电流双环控制策略的有效性。展开更多
光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(ma...光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(maximum power point tracking)控制策略。首先引入混沌Sine映射构造1种非线性随机递增惯性权重,并在粒子群的“个体认知”部分引入高斯扰动,同时利用对数函数构造学习因子,形成基于混沌映射和高斯扰动的改进粒子群算法;通过对6种典型单峰、多峰函数的测试,证明该算法收敛速度更快,不易陷入局部最优;将算法应用于MPPT控制中,并进一步通过不同算法MPPT控制进行对比仿真研究。对比仿真结果表明:在均匀光照强度、局部静态遮荫和动态遮荫3种情况下,基于混沌映射和高斯扰动的改进粒子群优化算法MPPT控制策略均具有更快的收敛速度和更小的搜索振荡幅度,能准确地搜寻到最大功率点,具有更高的寻优精度,从而提高了MPPT系统的发电效率。展开更多
针对神经网络最大功率追踪(maximum power point tracking,MPPT)算法由于缺乏实用性改进而难以应用于工程实践的问题,提出一种改进轻量级神经网络MPPT算法。其通过知识蒸馏算法减小神经网络复杂度及内存占用率,得到轻量级神经网络模型,...针对神经网络最大功率追踪(maximum power point tracking,MPPT)算法由于缺乏实用性改进而难以应用于工程实践的问题,提出一种改进轻量级神经网络MPPT算法。其通过知识蒸馏算法减小神经网络复杂度及内存占用率,得到轻量级神经网络模型,并结合优化变步长扰动观察法来修正模型精度问题所带来的预测误差;算法前期通过轻量级模型预测最大功率点电压范围并快速追踪进入范围,后期通过优化扰动观察法不断更新范围上下限,最终使上下限收敛至最大功率点。之后在MATALB/Simulink中建立仿真模型,最后搭建实物模型并进行对比实验。结果表明:所提算法追踪效率更高,纹波电压抑制更稳定,并且在嵌入式设备中资源占用率更小。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。
文摘在光储孤岛直流微电网中,需要最大化利用光伏发电,通常对光伏系统采用最大功率点跟踪(maximum power point tracking, MPPT)技术。但传统的MPPT控制速度慢、精度低,特别是在局部阴影情形下极易陷入局部最优解。基于此,首先提出一种将布谷鸟搜索算法与电导增量法相结合的混合MPPT控制。利用布谷鸟搜索算法快速全局寻优,再使用电导增量法精确定位,实现快速而准确地跟踪最大功率点。储能单元是光储直流微电网的重要组成部分,其输出电流均分、荷电状态(stateof charge, SoC)均衡和直流母线电压稳定是主要控制目标。但电流均分受线路电阻差异的影响,进而影响SoC均衡和直流母线电压稳定,于是设计一种新的电压电流双环控制策略以实现上述目标。该策略在电压外环采用母线电压作为反馈值,在电流内环中设计了基于一致性算法的控制策略,将SoC与指数函数结合并引入加速因子,使得在充放电过程中实现SoC的快速均衡。所提控制策略既不需要下垂控制,也无需二次补偿控制,减轻了通信负担。最后在Matlab/Simulink中搭建直流微电网系统模型,验证所设计新的混合MPPT控制和电压电流双环控制策略的有效性。
文摘光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(maximum power point tracking)控制策略。首先引入混沌Sine映射构造1种非线性随机递增惯性权重,并在粒子群的“个体认知”部分引入高斯扰动,同时利用对数函数构造学习因子,形成基于混沌映射和高斯扰动的改进粒子群算法;通过对6种典型单峰、多峰函数的测试,证明该算法收敛速度更快,不易陷入局部最优;将算法应用于MPPT控制中,并进一步通过不同算法MPPT控制进行对比仿真研究。对比仿真结果表明:在均匀光照强度、局部静态遮荫和动态遮荫3种情况下,基于混沌映射和高斯扰动的改进粒子群优化算法MPPT控制策略均具有更快的收敛速度和更小的搜索振荡幅度,能准确地搜寻到最大功率点,具有更高的寻优精度,从而提高了MPPT系统的发电效率。
文摘针对神经网络最大功率追踪(maximum power point tracking,MPPT)算法由于缺乏实用性改进而难以应用于工程实践的问题,提出一种改进轻量级神经网络MPPT算法。其通过知识蒸馏算法减小神经网络复杂度及内存占用率,得到轻量级神经网络模型,并结合优化变步长扰动观察法来修正模型精度问题所带来的预测误差;算法前期通过轻量级模型预测最大功率点电压范围并快速追踪进入范围,后期通过优化扰动观察法不断更新范围上下限,最终使上下限收敛至最大功率点。之后在MATALB/Simulink中建立仿真模型,最后搭建实物模型并进行对比实验。结果表明:所提算法追踪效率更高,纹波电压抑制更稳定,并且在嵌入式设备中资源占用率更小。
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。
