局部阴影下,在光伏最大功率点追踪(maximum power point tracking,MPPT)过程中,以往的方法通常采用的是全局搜索,这一过程会出现搜索时间长、收敛速度慢、局部寻优、功率振荡时间长等问题。对此,提出双优化粒子群算法(particle swarm op...局部阴影下,在光伏最大功率点追踪(maximum power point tracking,MPPT)过程中,以往的方法通常采用的是全局搜索,这一过程会出现搜索时间长、收敛速度慢、局部寻优、功率振荡时间长等问题。对此,提出双优化粒子群算法(particle swarm optimization,PSO),即先通过数学推导优化最大功率点存在的电压区间,由全局缩小范围,在此区间内再运用PSO搜索,并优化算法中的系数c_(1)、c_(2),引入搜索程度因子d来增强其收敛性。在MATLAB/Simulink仿真中设置两组光照并通过全局搜索算法中的传统PSO与改进PSO进行对比分析。仿真显示该方法在上述问题方面均有较为明显的改善。展开更多
文摘局部阴影下,在光伏最大功率点追踪(maximum power point tracking,MPPT)过程中,以往的方法通常采用的是全局搜索,这一过程会出现搜索时间长、收敛速度慢、局部寻优、功率振荡时间长等问题。对此,提出双优化粒子群算法(particle swarm optimization,PSO),即先通过数学推导优化最大功率点存在的电压区间,由全局缩小范围,在此区间内再运用PSO搜索,并优化算法中的系数c_(1)、c_(2),引入搜索程度因子d来增强其收敛性。在MATLAB/Simulink仿真中设置两组光照并通过全局搜索算法中的传统PSO与改进PSO进行对比分析。仿真显示该方法在上述问题方面均有较为明显的改善。
