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
针对麻雀搜索算法收敛速度慢、精确度不高、易陷入局部最优等问题,文中提出了一种融合多策略改进的麻雀搜索算法(improved sparrow search algorithm based on multiple strategies,ISSAMS)。通过引入Circle混沌映射初始化种群,增加种...针对麻雀搜索算法收敛速度慢、精确度不高、易陷入局部最优等问题,文中提出了一种融合多策略改进的麻雀搜索算法(improved sparrow search algorithm based on multiple strategies,ISSAMS)。通过引入Circle混沌映射初始化种群,增加种群的多样性,提高全局搜索能力;利用正余弦搜索策略,更新发现者的位置,选择最佳位置,增强局部搜索能力,避免陷入全局最优;加入萤火虫扰动更新最优个体位置,寻找可行解,提高局部搜索能力和寻优速度。为了验证算法改进的有效性,选取5个基准函数进行仿真实验,其中3个基准函数为单峰函数,2个为多峰函数,并与遗传算法、灰狼算法、粒子群算法和麻雀搜索算法比较。通过仿真实验结果表明基于多策略改进后的麻雀搜索算法具备跳出局部最优解能力,收敛速度更快,同时精确度更高,在对比其他4种算法后其总体性能更好。通过将该改进应用到优化BP神经网络的阈值和权值中,对比未改进的麻雀搜索算法优化的BP模型,其误差降低了14.73%,并且与另外3种算法优化的BP模型对比,其基于多策略改进的麻雀搜索算法优化模型的平均绝对百分比误差是最低的,效果最好,进一步验证了该改进算法的有效性。展开更多
为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algori...为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algorithm,SSA)的复合IP&O-SSA。该算法对SSA加入了Tent序列初始化,对预警者加入了Levy飞行策略,再对P&O进行了自适应和滤波处理。该算法采用双层控制结构,先通过改进后的SSA进行全局搜索到最大功率点附近,再通过改进后的IP&O进行小步平缓搜索到跟踪最大功率点。通过在Simulink仿真标准环境、局部遮荫、环境突变3种情形,仿真结果表明:在标准环境下,该算法最先跟踪到最大功率点,收敛时间比改进前的扰动观察(P&O)和SSA缩短了3 ms、16 ms,跟踪效率高达99.99%;局部遮荫条件下,只有P&O会陷入局部最优,无法有效跟踪到系统的最大功率点,相较于改进前的SSA,该文算法的平均收敛时间缩短了8 ms,同时跟踪效率高达99.68%,提升了0.09%。验证了该算法适用于日常大部分应用情景,为提升光伏阵列的发电效率提供了理论控制算法基础,为之后的光伏阵列并网减少了不必要的功率损耗。展开更多
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。
文摘针对麻雀搜索算法收敛速度慢、精确度不高、易陷入局部最优等问题,文中提出了一种融合多策略改进的麻雀搜索算法(improved sparrow search algorithm based on multiple strategies,ISSAMS)。通过引入Circle混沌映射初始化种群,增加种群的多样性,提高全局搜索能力;利用正余弦搜索策略,更新发现者的位置,选择最佳位置,增强局部搜索能力,避免陷入全局最优;加入萤火虫扰动更新最优个体位置,寻找可行解,提高局部搜索能力和寻优速度。为了验证算法改进的有效性,选取5个基准函数进行仿真实验,其中3个基准函数为单峰函数,2个为多峰函数,并与遗传算法、灰狼算法、粒子群算法和麻雀搜索算法比较。通过仿真实验结果表明基于多策略改进后的麻雀搜索算法具备跳出局部最优解能力,收敛速度更快,同时精确度更高,在对比其他4种算法后其总体性能更好。通过将该改进应用到优化BP神经网络的阈值和权值中,对比未改进的麻雀搜索算法优化的BP模型,其误差降低了14.73%,并且与另外3种算法优化的BP模型对比,其基于多策略改进的麻雀搜索算法优化模型的平均绝对百分比误差是最低的,效果最好,进一步验证了该改进算法的有效性。
文摘为了解决传统最大功率点跟踪(maximum power point tracking,MPPT)控制算法在局部遮荫环境中易陷入局部最优的问题,以及智能优化算法寻优速度慢的问题,提出了一种基于自适应扰动观察(IP&O)和改进麻雀搜索算法(sparrow search algorithm,SSA)的复合IP&O-SSA。该算法对SSA加入了Tent序列初始化,对预警者加入了Levy飞行策略,再对P&O进行了自适应和滤波处理。该算法采用双层控制结构,先通过改进后的SSA进行全局搜索到最大功率点附近,再通过改进后的IP&O进行小步平缓搜索到跟踪最大功率点。通过在Simulink仿真标准环境、局部遮荫、环境突变3种情形,仿真结果表明:在标准环境下,该算法最先跟踪到最大功率点,收敛时间比改进前的扰动观察(P&O)和SSA缩短了3 ms、16 ms,跟踪效率高达99.99%;局部遮荫条件下,只有P&O会陷入局部最优,无法有效跟踪到系统的最大功率点,相较于改进前的SSA,该文算法的平均收敛时间缩短了8 ms,同时跟踪效率高达99.68%,提升了0.09%。验证了该算法适用于日常大部分应用情景,为提升光伏阵列的发电效率提供了理论控制算法基础,为之后的光伏阵列并网减少了不必要的功率损耗。
