一種基于改進(jìn)螢火蟲算法的光伏MPPT控制方法
發(fā)布時(shí)間:2021-09-07 11:22
局部陰影條件下,光伏發(fā)電系統(tǒng)輸出功率降低且P-U曲線存在多峰值,標(biāo)準(zhǔn)螢火蟲算法易陷入局部極值且收斂后期易發(fā)生震蕩現(xiàn)象。針對這一問題,提出一種基于模糊-螢火蟲算法(FFA)的MPPT算法,利用模糊控制器自適應(yīng)調(diào)整隨機(jī)移動步長因子α。算法運(yùn)行前期賦予較大α值,螢火蟲能快速向最優(yōu)值附近移動,后期快速減小α值,避免震蕩現(xiàn)象,使算法能穩(wěn)定收斂。通過在MATLAB/Simulink下對FFA算法建模、仿真,并對比了標(biāo)準(zhǔn)螢火蟲算法(FA)仿真結(jié)果,實(shí)驗(yàn)證明螢火蟲算法與模糊控制技術(shù)相結(jié)合,能快速、準(zhǔn)確、穩(wěn)定的收斂到最大功率點(diǎn),實(shí)現(xiàn)光伏發(fā)電最大效益輸出。
【文章來源】:哈爾濱理工大學(xué)學(xué)報(bào). 2020,25(03)北大核心
【文章頁數(shù)】:8 頁
【部分圖文】:
光伏電池等效電路圖
表1 模塊光照強(qiáng)度分布情況Tab.1 Light intensity distribution of PV models 光照分布 光照強(qiáng)度/(W/m2) PV1 PV2 PV3 PV4 PV5 分布1 1 000 1 000 1 000 1 000 1 000 分布2 800 800 1 000 1 000 1 000 分布3 1 000 800 400 1 000 400 分布4 600 300 400 1 000 400圖3 不同光照強(qiáng)度下的I-U曲線
圖2 不同光照強(qiáng)度下的P-U曲線從圖2和圖3可以看出,當(dāng)光伏陣列接受均勻光照強(qiáng)度時(shí)(分布1),P-U曲線只有一個(gè)峰值,I-U曲線只有一個(gè)拐點(diǎn);當(dāng)出現(xiàn)局部陰影情況,即光伏陣列中各組件接受不同的光照強(qiáng)度時(shí)(分布2、分布3、分布4),P-U曲線會出現(xiàn)多峰值情況,I-U曲線呈現(xiàn)出幾個(gè)拐點(diǎn),且峰值個(gè)數(shù)和拐點(diǎn)個(gè)數(shù)與陣列中接受不同光照強(qiáng)度的組件數(shù)有關(guān)。這種情況下常規(guī)MPPT算法極易陷入局部峰值而不能追蹤到最大功率點(diǎn),需研究新的智能算法。
【參考文獻(xiàn)】:
期刊論文
[1]基于遺傳算法與模式搜索法組合的MPPT技術(shù)[J]. 緱新科,馬士偉,陳維鉛,李琪飛,許世鵬. 蘭州理工大學(xué)學(xué)報(bào). 2018(01)
[2]基于神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)MPPT控制算法設(shè)計(jì)[J]. 呂晨旭. 現(xiàn)代電子技術(shù). 2018(03)
[3]基于自適應(yīng)種群粒子群的光伏全局MPPT研究[J]. 石季英,凌樂陶,薛飛,李雅靜. 電力電子技術(shù). 2017(05)
[4]一種基于變步長電導(dǎo)增量法的自適應(yīng)MPPT控制策略[J]. 劉明亮,張逸,范元亮,董哲康,張國月. 可再生能源. 2017(05)
[5]基于基因排序遺傳算法的串聯(lián)光伏組件MPPT研究[J]. 鐘黎萍,張水平,顧啟民. 可再生能源. 2017(03)
[6]局部陰影下基于遺傳蟻群算法對MPPT的研究[J]. 劉建輝,李博. 可再生能源. 2017(01)
[7]神經(jīng)網(wǎng)絡(luò)反推控制在光伏系統(tǒng)最大功率點(diǎn)跟蹤中的應(yīng)用[J]. 陽同光,桂衛(wèi)華. 太陽能學(xué)報(bào). 2016(12)
[8]遮蔽條件下光伏并網(wǎng)系統(tǒng)的全局MPPT控制[J]. 萬曉鳳,胡偉,余運(yùn)俊,胡海林. 計(jì)算機(jī)仿真. 2016(02)
[9]基于蟻群算法的局部陰影光伏最大功率跟蹤算法[J]. 王雅,曾成碧,付文雯. 內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版). 2015(04)
[10]基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法的光伏系統(tǒng)最大功率點(diǎn)跟蹤研究[J]. 林虹江,周步祥,冉伊,詹長杰,楊昶宇. 電測與儀表. 2015(05)
碩士論文
[1]光伏發(fā)電系統(tǒng)MPPT算法功率損失改進(jìn)研究[D]. 王書金.蘭州交通大學(xué) 2018
[2]光伏發(fā)電最大功率跟蹤智能控制技術(shù)的研究[D]. 孟凡明.長春工業(yè)大學(xué) 2018
本文編號:3389456
【文章來源】:哈爾濱理工大學(xué)學(xué)報(bào). 2020,25(03)北大核心
【文章頁數(shù)】:8 頁
【部分圖文】:
光伏電池等效電路圖
表1 模塊光照強(qiáng)度分布情況Tab.1 Light intensity distribution of PV models 光照分布 光照強(qiáng)度/(W/m2) PV1 PV2 PV3 PV4 PV5 分布1 1 000 1 000 1 000 1 000 1 000 分布2 800 800 1 000 1 000 1 000 分布3 1 000 800 400 1 000 400 分布4 600 300 400 1 000 400圖3 不同光照強(qiáng)度下的I-U曲線
圖2 不同光照強(qiáng)度下的P-U曲線從圖2和圖3可以看出,當(dāng)光伏陣列接受均勻光照強(qiáng)度時(shí)(分布1),P-U曲線只有一個(gè)峰值,I-U曲線只有一個(gè)拐點(diǎn);當(dāng)出現(xiàn)局部陰影情況,即光伏陣列中各組件接受不同的光照強(qiáng)度時(shí)(分布2、分布3、分布4),P-U曲線會出現(xiàn)多峰值情況,I-U曲線呈現(xiàn)出幾個(gè)拐點(diǎn),且峰值個(gè)數(shù)和拐點(diǎn)個(gè)數(shù)與陣列中接受不同光照強(qiáng)度的組件數(shù)有關(guān)。這種情況下常規(guī)MPPT算法極易陷入局部峰值而不能追蹤到最大功率點(diǎn),需研究新的智能算法。
【參考文獻(xiàn)】:
期刊論文
[1]基于遺傳算法與模式搜索法組合的MPPT技術(shù)[J]. 緱新科,馬士偉,陳維鉛,李琪飛,許世鵬. 蘭州理工大學(xué)學(xué)報(bào). 2018(01)
[2]基于神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)MPPT控制算法設(shè)計(jì)[J]. 呂晨旭. 現(xiàn)代電子技術(shù). 2018(03)
[3]基于自適應(yīng)種群粒子群的光伏全局MPPT研究[J]. 石季英,凌樂陶,薛飛,李雅靜. 電力電子技術(shù). 2017(05)
[4]一種基于變步長電導(dǎo)增量法的自適應(yīng)MPPT控制策略[J]. 劉明亮,張逸,范元亮,董哲康,張國月. 可再生能源. 2017(05)
[5]基于基因排序遺傳算法的串聯(lián)光伏組件MPPT研究[J]. 鐘黎萍,張水平,顧啟民. 可再生能源. 2017(03)
[6]局部陰影下基于遺傳蟻群算法對MPPT的研究[J]. 劉建輝,李博. 可再生能源. 2017(01)
[7]神經(jīng)網(wǎng)絡(luò)反推控制在光伏系統(tǒng)最大功率點(diǎn)跟蹤中的應(yīng)用[J]. 陽同光,桂衛(wèi)華. 太陽能學(xué)報(bào). 2016(12)
[8]遮蔽條件下光伏并網(wǎng)系統(tǒng)的全局MPPT控制[J]. 萬曉鳳,胡偉,余運(yùn)俊,胡海林. 計(jì)算機(jī)仿真. 2016(02)
[9]基于蟻群算法的局部陰影光伏最大功率跟蹤算法[J]. 王雅,曾成碧,付文雯. 內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版). 2015(04)
[10]基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法的光伏系統(tǒng)最大功率點(diǎn)跟蹤研究[J]. 林虹江,周步祥,冉伊,詹長杰,楊昶宇. 電測與儀表. 2015(05)
碩士論文
[1]光伏發(fā)電系統(tǒng)MPPT算法功率損失改進(jìn)研究[D]. 王書金.蘭州交通大學(xué) 2018
[2]光伏發(fā)電最大功率跟蹤智能控制技術(shù)的研究[D]. 孟凡明.長春工業(yè)大學(xué) 2018
本文編號:3389456
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3389456.html
最近更新
教材專著