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
在激光无线能量传输中,由于瞄准系统误差和物体遮挡的影响,光电池阵列接收到的激光辐照分布不均匀,导致光电池阵列组串内的电池间出现电流失配,输出功率下降。针对该问题,采用分布式最大功率点追踪(Distributed Maximum Power Point Tra...在激光无线能量传输中,由于瞄准系统误差和物体遮挡的影响,光电池阵列接收到的激光辐照分布不均匀,导致光电池阵列组串内的电池间出现电流失配,输出功率下降。针对该问题,采用分布式最大功率点追踪(Distributed Maximum Power Point Tracking,DMPPT)技术,减少光电池阵列组串内的电池间电流失配,并用并联型Boost(PT-Boost)电路替代传统Boost电路,降低DC/DC转换器的输入电流纹波,使DMPPT系统获得高追踪效率。实验结果表明,相较于传统Boost电路,PT-Boost电路的追踪效率提高3.6%,达到93.5%。在上述研究的基础上,设置了遮光率分别为0%、25%和50%的激光无线能量传输场景,DMPPT系统整体效率分别达到了93%、92.6%和90.3%。该研究结果对激光辐照不均匀场景下激光无线能量传输的最大功率点追踪指导意义。展开更多
光伏阵列在受到阴影遮挡时,功率曲线会存在多个峰值点,传统的单峰最大功率点追踪(Maximum Power Point Tracking,MPPT)方法会陷入局部极大值而失效,针对此问题提出一种新型自适应变步长扰动观测(Perturbation and Observation,P&O)...光伏阵列在受到阴影遮挡时,功率曲线会存在多个峰值点,传统的单峰最大功率点追踪(Maximum Power Point Tracking,MPPT)方法会陷入局部极大值而失效,针对此问题提出一种新型自适应变步长扰动观测(Perturbation and Observation,P&O)算法,在可能出现局部峰值点的设定小范围内运行自适应变步长P&O算法追踪局部峰值点,依次跳跃搜索并保留较大功率值,从而实现全局最大功率点的追踪.该算法能捕捉任何一个局部峰值点,准确性高,收敛稳定,搜索范围减小,追踪时间缩短.经MATLAB仿真结果表明该算法可快速准确地追踪到任意阴影条件下光伏阵列的全局最大功率点.展开更多
为了减小局部遮阴情况PSC(partial shading condition)下光伏系统的功率失配损失,提高最大功率点追踪MPPT(maximum power point tracking)的追踪速度和准确性,提出了基于天牛群优化BSO(beetle swarm optimiza?tion)算法的MPPT控制方法....为了减小局部遮阴情况PSC(partial shading condition)下光伏系统的功率失配损失,提高最大功率点追踪MPPT(maximum power point tracking)的追踪速度和准确性,提出了基于天牛群优化BSO(beetle swarm optimiza?tion)算法的MPPT控制方法.把由天牛须搜索BAS(beetle antennae search)借鉴粒子群的群体优化思想而得到的BSO方法应用到MPPT控制,利用天牛的个体进化和群体学习等优势来提高MPPT的追踪速度和精确度.设置了多种光照情况来作仿真验证,并用粒子群方法进行比较分析.结果表明,所提的方法追踪速度更快、精确度更高,且追踪过程更稳定、功率波动较小.展开更多
局部阴影遮挡(Partial Shading Condition,PSC)使得最大功率点追踪(Maximum Power Point Tracking,MPPT)的追踪速度和精度难以得到保证。对布谷鸟搜索算法(Cuckoo Search Algorithm,CSA)和自适应变步长的改进扰动观察法(Improved Pertur...局部阴影遮挡(Partial Shading Condition,PSC)使得最大功率点追踪(Maximum Power Point Tracking,MPPT)的追踪速度和精度难以得到保证。对布谷鸟搜索算法(Cuckoo Search Algorithm,CSA)和自适应变步长的改进扰动观察法(Improved Perturbation and Observation,IP&O)进行了研究并应用到光伏的MPPT控制中。利用CSA出色的全局搜索能力快速收敛到全局最大功率点(Maximum Power Point,MPP)附近,然后利用IP&O出色的局部搜索能力快速、准确地收敛到MPP。最后设置了几种光照情况进行仿真,并用扰动观察法和粒子群(Particle Swarm Optimization,PSO)方法进行对比。通过仿真验证了所提出的方法具有更快的追踪速度和更高的精确度。展开更多
风轮大转动惯量导致最优转矩最大功率点追踪(maximum power point tracking,MPPT)控制方法暂态时间过长,效率降低。通过研究风力发电系统(wind turbine generator system,WTGS)工作机理,对问题及原因作具体分析,并设计基于梯度估计的最...风轮大转动惯量导致最优转矩最大功率点追踪(maximum power point tracking,MPPT)控制方法暂态时间过长,效率降低。通过研究风力发电系统(wind turbine generator system,WTGS)工作机理,对问题及原因作具体分析,并设计基于梯度估计的最优转矩补偿器,对电磁转矩给定值进行补偿,以减小大转动惯量对风轮转速变化的影响。通过建立兆瓦级双馈WTGS小信号模型及系统闭环传递函数,分析系统闭环极点、阶跃响应曲线及频率特性。小信号模型分析及仿真结果表明,改进后的方法具有良好的系统稳定性及动态特性,暂态过程时间小,兼有经典最优转矩法稳定性和叶尖速比法快速性等部分优点,风能转化率较高。展开更多
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。
文摘在激光无线能量传输中,由于瞄准系统误差和物体遮挡的影响,光电池阵列接收到的激光辐照分布不均匀,导致光电池阵列组串内的电池间出现电流失配,输出功率下降。针对该问题,采用分布式最大功率点追踪(Distributed Maximum Power Point Tracking,DMPPT)技术,减少光电池阵列组串内的电池间电流失配,并用并联型Boost(PT-Boost)电路替代传统Boost电路,降低DC/DC转换器的输入电流纹波,使DMPPT系统获得高追踪效率。实验结果表明,相较于传统Boost电路,PT-Boost电路的追踪效率提高3.6%,达到93.5%。在上述研究的基础上,设置了遮光率分别为0%、25%和50%的激光无线能量传输场景,DMPPT系统整体效率分别达到了93%、92.6%和90.3%。该研究结果对激光辐照不均匀场景下激光无线能量传输的最大功率点追踪指导意义。
文摘光伏阵列在受到阴影遮挡时,功率曲线会存在多个峰值点,传统的单峰最大功率点追踪(Maximum Power Point Tracking,MPPT)方法会陷入局部极大值而失效,针对此问题提出一种新型自适应变步长扰动观测(Perturbation and Observation,P&O)算法,在可能出现局部峰值点的设定小范围内运行自适应变步长P&O算法追踪局部峰值点,依次跳跃搜索并保留较大功率值,从而实现全局最大功率点的追踪.该算法能捕捉任何一个局部峰值点,准确性高,收敛稳定,搜索范围减小,追踪时间缩短.经MATLAB仿真结果表明该算法可快速准确地追踪到任意阴影条件下光伏阵列的全局最大功率点.
文摘为了减小局部遮阴情况PSC(partial shading condition)下光伏系统的功率失配损失,提高最大功率点追踪MPPT(maximum power point tracking)的追踪速度和准确性,提出了基于天牛群优化BSO(beetle swarm optimiza?tion)算法的MPPT控制方法.把由天牛须搜索BAS(beetle antennae search)借鉴粒子群的群体优化思想而得到的BSO方法应用到MPPT控制,利用天牛的个体进化和群体学习等优势来提高MPPT的追踪速度和精确度.设置了多种光照情况来作仿真验证,并用粒子群方法进行比较分析.结果表明,所提的方法追踪速度更快、精确度更高,且追踪过程更稳定、功率波动较小.
文摘局部阴影遮挡(Partial Shading Condition,PSC)使得最大功率点追踪(Maximum Power Point Tracking,MPPT)的追踪速度和精度难以得到保证。对布谷鸟搜索算法(Cuckoo Search Algorithm,CSA)和自适应变步长的改进扰动观察法(Improved Perturbation and Observation,IP&O)进行了研究并应用到光伏的MPPT控制中。利用CSA出色的全局搜索能力快速收敛到全局最大功率点(Maximum Power Point,MPP)附近,然后利用IP&O出色的局部搜索能力快速、准确地收敛到MPP。最后设置了几种光照情况进行仿真,并用扰动观察法和粒子群(Particle Swarm Optimization,PSO)方法进行对比。通过仿真验证了所提出的方法具有更快的追踪速度和更高的精确度。
文摘风轮大转动惯量导致最优转矩最大功率点追踪(maximum power point tracking,MPPT)控制方法暂态时间过长,效率降低。通过研究风力发电系统(wind turbine generator system,WTGS)工作机理,对问题及原因作具体分析,并设计基于梯度估计的最优转矩补偿器,对电磁转矩给定值进行补偿,以减小大转动惯量对风轮转速变化的影响。通过建立兆瓦级双馈WTGS小信号模型及系统闭环传递函数,分析系统闭环极点、阶跃响应曲线及频率特性。小信号模型分析及仿真结果表明,改进后的方法具有良好的系统稳定性及动态特性,暂态过程时间小,兼有经典最优转矩法稳定性和叶尖速比法快速性等部分优点,风能转化率较高。
