实现光伏阵列最大功率点跟踪(Maximum power point tracking, MPPT)的传统算法已经较为成熟,但是在局部阴影出现后会发生寻优失效,难以实现全局最大功率跟踪(Global maximum power tracking, GMPPT)。为解决该问题,研究人员提出将粒子群...实现光伏阵列最大功率点跟踪(Maximum power point tracking, MPPT)的传统算法已经较为成熟,但是在局部阴影出现后会发生寻优失效,难以实现全局最大功率跟踪(Global maximum power tracking, GMPPT)。为解决该问题,研究人员提出将粒子群(Particle swarm optimization, PSO)等群搜索算法应用在MPPT控制过程中,虽然能够控制工作点稳定在全局最大功率点处,但由于该算法收敛能力依赖于核心参数,在应用过程中有一定概率会导致系统振荡。针对以上问题,在电导增量法(Incremental conductance, INC)的基础上提出跃变探索式电导增量法(Jump explore incremental conductance, JEINC),相较于传统电导增量法而言,具有较强的探索能力,能够在局部阴影下实现全局最大功率点跟踪控制,同时所提算法具有较好的收敛能力,在工作点位于最大功率点附近能够快速稳定。在三种光照环境下进行Matlab仿真,从稳定时间、暂态过程能量损耗率和振荡幅值三个方面验证了所提算法相较于电导增量法和粒子群算法的优越性。展开更多
局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPP...局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。展开更多
基于对现有多峰值最大功率点跟踪(maximum power point tracking,MPPT)方法不足的分析,提出一种基于功率闭环控制的动态MPPT跟踪策略。该方法采用功率闭环方式实现全局最大功率点的定位,利用功率闭环控制在P-U曲线上的局部不稳定现象实...基于对现有多峰值最大功率点跟踪(maximum power point tracking,MPPT)方法不足的分析,提出一种基于功率闭环控制的动态MPPT跟踪策略。该方法采用功率闭环方式实现全局最大功率点的定位,利用功率闭环控制在P-U曲线上的局部不稳定现象实现P-U曲线的快速全局扫描,克服了峰值点分布及算法参数取值对MPPT动态过程的影响。同时采用电压截止控制克服了功率闭环控制对系统整体稳定性的影响。采用基于粒子群(particle swarm optimization,PSO)算法的变步长跟踪策略消除了最大功率点跟踪的稳态功率震荡问题。最后,通过仿真与实验验证该方法的可行性和有效性,结果表明,该方法不依赖光伏阵列的已知信息,便可实现静态和动态环境下全局最大功率点跟踪,提高多峰值最大功率点跟踪的动态速度和稳态跟踪精度。展开更多
为提高局部阴影条件下光伏发电的能量利用率,提出一种改进型快速全局最大功率点跟踪(global maximum power point tracking,GMPPT)算法.首先,研究局部阴影条件下光伏阵列的输出特性,并根据光伏阵列输出曲线中膝点与开路电压的关系,将其...为提高局部阴影条件下光伏发电的能量利用率,提出一种改进型快速全局最大功率点跟踪(global maximum power point tracking,GMPPT)算法.首先,研究局部阴影条件下光伏阵列的输出特性,并根据光伏阵列输出曲线中膝点与开路电压的关系,将其划分为恒流区和恒压区;其次,分析传统的最大功率梯形(maximum power trapezium,MPT)算法和以MPT算法为基础的改进型快速GMPPT算法的工作原理,改进型快速GMPPT算法利用电压的动态上、下限来限定搜索区间,并跳过调整时间较长的恒流区,以提高跟踪速度;最后,通过仿真与实验验证算法的有效性.实验结果表明:改进型快速GMPPT算法的最短跟踪时间为4.0 s,扫描电压与能量损失分别为17.34 V和98.19 J;与传统全局扫描算法相比,跟踪时间缩短68.25%,扫描电压降低74.86%,能量损失减少58.19%;与MPT算法相比,跟踪时间缩短68.00%,扫描电压降低75.63%,能量损失减少62.31%.展开更多
光伏阵列受局部阴影、个别光伏组件故障等影响,输出P-U特性呈多峰现象,此时传统最大功率点跟踪(MPPT)往往无法跟踪到真正的全局最大功率点(MPP)。为了避免由此导致的光伏阵列输出功率大幅度损失,在深入研究阴影条件下光伏阵列多峰功率...光伏阵列受局部阴影、个别光伏组件故障等影响,输出P-U特性呈多峰现象,此时传统最大功率点跟踪(MPPT)往往无法跟踪到真正的全局最大功率点(MPP)。为了避免由此导致的光伏阵列输出功率大幅度损失,在深入研究阴影条件下光伏阵列多峰功率特性的基础上,提出一种自适应全局MPPT方法。当光伏阵列的输出P-U特性发生变化时,该方法能自适应调整跟踪策略寻找到全局MPP。20 k Wp光伏阵列仿真实验和统计分析结果表明,该方法在超过90%的阴影案例中,能准确快速平稳地跟踪到真正的全局MPP,且对开路电压和短路电流估测误差具有鲁棒性。实验测试结果表明:该MPPT方法能在局部阴影发生前后跟踪到光伏阵列的全局MPP。由于原理简单、所需传感器数量少、MPPT跟踪性能优异,自适应MPPT方法具有较好的应用前景。展开更多
文摘实现光伏阵列最大功率点跟踪(Maximum power point tracking, MPPT)的传统算法已经较为成熟,但是在局部阴影出现后会发生寻优失效,难以实现全局最大功率跟踪(Global maximum power tracking, GMPPT)。为解决该问题,研究人员提出将粒子群(Particle swarm optimization, PSO)等群搜索算法应用在MPPT控制过程中,虽然能够控制工作点稳定在全局最大功率点处,但由于该算法收敛能力依赖于核心参数,在应用过程中有一定概率会导致系统振荡。针对以上问题,在电导增量法(Incremental conductance, INC)的基础上提出跃变探索式电导增量法(Jump explore incremental conductance, JEINC),相较于传统电导增量法而言,具有较强的探索能力,能够在局部阴影下实现全局最大功率点跟踪控制,同时所提算法具有较好的收敛能力,在工作点位于最大功率点附近能够快速稳定。在三种光照环境下进行Matlab仿真,从稳定时间、暂态过程能量损耗率和振荡幅值三个方面验证了所提算法相较于电导增量法和粒子群算法的优越性。
文摘局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。
文摘基于对现有多峰值最大功率点跟踪(maximum power point tracking,MPPT)方法不足的分析,提出一种基于功率闭环控制的动态MPPT跟踪策略。该方法采用功率闭环方式实现全局最大功率点的定位,利用功率闭环控制在P-U曲线上的局部不稳定现象实现P-U曲线的快速全局扫描,克服了峰值点分布及算法参数取值对MPPT动态过程的影响。同时采用电压截止控制克服了功率闭环控制对系统整体稳定性的影响。采用基于粒子群(particle swarm optimization,PSO)算法的变步长跟踪策略消除了最大功率点跟踪的稳态功率震荡问题。最后,通过仿真与实验验证该方法的可行性和有效性,结果表明,该方法不依赖光伏阵列的已知信息,便可实现静态和动态环境下全局最大功率点跟踪,提高多峰值最大功率点跟踪的动态速度和稳态跟踪精度。
文摘为提高局部阴影条件下光伏发电的能量利用率,提出一种改进型快速全局最大功率点跟踪(global maximum power point tracking,GMPPT)算法.首先,研究局部阴影条件下光伏阵列的输出特性,并根据光伏阵列输出曲线中膝点与开路电压的关系,将其划分为恒流区和恒压区;其次,分析传统的最大功率梯形(maximum power trapezium,MPT)算法和以MPT算法为基础的改进型快速GMPPT算法的工作原理,改进型快速GMPPT算法利用电压的动态上、下限来限定搜索区间,并跳过调整时间较长的恒流区,以提高跟踪速度;最后,通过仿真与实验验证算法的有效性.实验结果表明:改进型快速GMPPT算法的最短跟踪时间为4.0 s,扫描电压与能量损失分别为17.34 V和98.19 J;与传统全局扫描算法相比,跟踪时间缩短68.25%,扫描电压降低74.86%,能量损失减少58.19%;与MPT算法相比,跟踪时间缩短68.00%,扫描电压降低75.63%,能量损失减少62.31%.
文摘光伏阵列受局部阴影、个别光伏组件故障等影响,输出P-U特性呈多峰现象,此时传统最大功率点跟踪(MPPT)往往无法跟踪到真正的全局最大功率点(MPP)。为了避免由此导致的光伏阵列输出功率大幅度损失,在深入研究阴影条件下光伏阵列多峰功率特性的基础上,提出一种自适应全局MPPT方法。当光伏阵列的输出P-U特性发生变化时,该方法能自适应调整跟踪策略寻找到全局MPP。20 k Wp光伏阵列仿真实验和统计分析结果表明,该方法在超过90%的阴影案例中,能准确快速平稳地跟踪到真正的全局MPP,且对开路电压和短路电流估测误差具有鲁棒性。实验测试结果表明:该MPPT方法能在局部阴影发生前后跟踪到光伏阵列的全局MPP。由于原理简单、所需传感器数量少、MPPT跟踪性能优异,自适应MPPT方法具有较好的应用前景。
