针对传统的最大功率点跟踪MPPT(maximum power point tracking)方法在部分遮阴条件下陷入局部最优而失效,且常见的智能优化算法往往存在收敛精度差、收敛速度慢、系统稳定性不高等问题,提出1种基于旗鱼优化SFO(sailfish optimization)...针对传统的最大功率点跟踪MPPT(maximum power point tracking)方法在部分遮阴条件下陷入局部最优而失效,且常见的智能优化算法往往存在收敛精度差、收敛速度慢、系统稳定性不高等问题,提出1种基于旗鱼优化SFO(sailfish optimization)算法与扰动观察P&O(perturbation and observation)法混合控制的光伏系统最大功率跟踪策略。SFO算法同时使用旗鱼(捕食者)和沙丁鱼(猎物)2个种群,可保证粒子在全局空间探索。所提混合算法先利用SFO算法快速跟踪到最大功率点附近,再利用小步长P&O法对最大功率点进行精细搜索,最后利用分段步长的方法同时兼顾MPPT搜索速度和搜索精度的要求。仿真结果表明,所提混合控制策略有效提升了控制系统的响应速度及跟踪精度,提升了系统的稳定性。展开更多
在光伏发电系统中,光伏电池的利用率除了与光伏电池的内部特性有关外,还受外界环境(如光照强度、负载和温度等因素)的影响。在不同的外界条件下,光伏电池可以工作于不同且唯一的最大功率点(Maximum Power Point,MPP)。应通过调节使光伏...在光伏发电系统中,光伏电池的利用率除了与光伏电池的内部特性有关外,还受外界环境(如光照强度、负载和温度等因素)的影响。在不同的外界条件下,光伏电池可以工作于不同且唯一的最大功率点(Maximum Power Point,MPP)。应通过调节使光伏电池运行在MPP,最大限度地将光能转化为电能。基于已有研究提出了基于功率预测的变步长扰动最大功率点跟踪方法,并在Matlab/Simulink环境下进行了仿真验证。仿真结果表明在日照强度迅速变化时,与变步长扰动观测法相比,所提方法可以较快地跟踪到MPP且波形抖动非常小,有效提高了系统的跟踪速度和精度,并且能够保证实际电压跟随环境改变后的理论最大功率点的电压。展开更多
文摘针对传统的最大功率点跟踪MPPT(maximum power point tracking)方法在部分遮阴条件下陷入局部最优而失效,且常见的智能优化算法往往存在收敛精度差、收敛速度慢、系统稳定性不高等问题,提出1种基于旗鱼优化SFO(sailfish optimization)算法与扰动观察P&O(perturbation and observation)法混合控制的光伏系统最大功率跟踪策略。SFO算法同时使用旗鱼(捕食者)和沙丁鱼(猎物)2个种群,可保证粒子在全局空间探索。所提混合算法先利用SFO算法快速跟踪到最大功率点附近,再利用小步长P&O法对最大功率点进行精细搜索,最后利用分段步长的方法同时兼顾MPPT搜索速度和搜索精度的要求。仿真结果表明,所提混合控制策略有效提升了控制系统的响应速度及跟踪精度,提升了系统的稳定性。
文摘在光伏发电系统中,光伏电池的利用率除了与光伏电池的内部特性有关外,还受外界环境(如光照强度、负载和温度等因素)的影响。在不同的外界条件下,光伏电池可以工作于不同且唯一的最大功率点(Maximum Power Point,MPP)。应通过调节使光伏电池运行在MPP,最大限度地将光能转化为电能。基于已有研究提出了基于功率预测的变步长扰动最大功率点跟踪方法,并在Matlab/Simulink环境下进行了仿真验证。仿真结果表明在日照强度迅速变化时,与变步长扰动观测法相比,所提方法可以较快地跟踪到MPP且波形抖动非常小,有效提高了系统的跟踪速度和精度,并且能够保证实际电压跟随环境改变后的理论最大功率点的电压。
