復(fù)合控制算法在光伏MPPT中的應(yīng)用
發(fā)布時(shí)間:2022-01-18 23:28
針對(duì)光伏陣列受到局部陰影遮擋或光照不均勻時(shí)輸出呈現(xiàn)多峰值特性,傳統(tǒng)單峰值MPPT算法難以追蹤到最大功率點(diǎn)的問(wèn)題,提出一種改進(jìn)粒子群結(jié)合滑模層極值搜索的復(fù)合算法。首先在標(biāo)準(zhǔn)粒子群算法中引入改進(jìn)模擬退火算法的概率判斷準(zhǔn)則;改進(jìn)慣性權(quán)重變化規(guī)律;對(duì)其學(xué)習(xí)因子中加入擾動(dòng)參數(shù),其次利用滑模層極值搜索算法對(duì)粒子群算法所得的疑似最優(yōu)值進(jìn)行繼續(xù)尋優(yōu),最后尋得最大功率點(diǎn)。仿真結(jié)果表明,復(fù)合控制算法能夠在不同陰影條件下快速、準(zhǔn)確的跟蹤最大功率點(diǎn),避免系統(tǒng)陷入局部最優(yōu)值。
【文章來(lái)源】:哈爾濱理工大學(xué)學(xué)報(bào). 2020,25(03)北大核心
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
光伏陣列結(jié)構(gòu)
圖1 光伏陣列結(jié)構(gòu)圖2中無(wú)陰影情況為圖1中三列光伏電池光照強(qiáng)度均為1 000 W/m2;陰影1情況為左側(cè)支列均為1 000 W/m2,中間與右側(cè)均為800 W/m2;陰影2情況為左側(cè)支列為1 000 W/m2,中間支列為800 W/m2,右側(cè)支列為600 W/m2。從圖中可以看出當(dāng)電池有陰影遮蔽存在時(shí),電池輸出功率也發(fā)生了變化,產(chǎn)生多個(gè)峰值。為了保證電池輸出功率最大,需要一個(gè)全局搜索的尋優(yōu)方法以實(shí)現(xiàn)陰影下最大功率的跟蹤。
式中:ωmax和ωmin分別為ω的最大與最小值;k為當(dāng)前迭代次數(shù);kmax為最大迭代次數(shù)。如圖3為典型線性慣性權(quán)重的ω隨迭代次數(shù)的變化曲線,其中最大迭代次數(shù)為50次,ωmax=0.85,ωmin=0.6。ω值的大小是算法本身是否陷入局部最優(yōu)解[17]和快速準(zhǔn)確搜索的關(guān)鍵。常規(guī)的改進(jìn)權(quán)重的粒子群算法有:自適應(yīng)權(quán)重法、隨機(jī)權(quán)重法、線性遞減權(quán)重法。在進(jìn)行最大功率跟蹤時(shí),權(quán)重值規(guī)律變化明顯,算法初始階段需要增大ω值以此來(lái)提高全局搜索能力;算法最后階段需要減少ω值來(lái)提高局部搜索能力,ω值呈現(xiàn)一個(gè)非線性遞減趨勢(shì),所以常規(guī)的權(quán)重改進(jìn)方法并不適合最大功率跟蹤當(dāng)中。對(duì)此提出了一種非線性動(dòng)態(tài)的慣性權(quán)重法[18],其權(quán)重變化規(guī)律為
【參考文獻(xiàn)】:
期刊論文
[1]基于改進(jìn)PSO算法的MAP圖標(biāo)定點(diǎn)選擇新方法[J]. 程準(zhǔn),陸凱,錢煜,盧震,魯植雄. 計(jì)算機(jī)應(yīng)用研究. 2019(11)
[2]一種基于功率閉環(huán)控制的改進(jìn)全局MPPT方法[J]. 吳志程,江智軍,楊曉輝. 電力系統(tǒng)保護(hù)與控制. 2018(01)
[3]改進(jìn)基于INC算法的光伏發(fā)電系統(tǒng)最大功率跟蹤[J]. 李文強(qiáng),黎英,張軒. 電源技術(shù). 2017(12)
[4]基于粒子群優(yōu)化變步長(zhǎng)擾動(dòng)觀察MPPT算法[J]. 趙陽(yáng),張軍朝,陶亞男,王青文. 計(jì)算機(jī)仿真. 2017(11)
[5]光伏發(fā)電傳輸最大功率儲(chǔ)能優(yōu)化建模仿真[J]. 楊元培,楊奕,王建山,張桂紅. 計(jì)算機(jī)仿真. 2017(09)
[6]基于改進(jìn)粒子群算法的風(fēng)光蓄互補(bǔ)發(fā)電系統(tǒng)容量?jī)?yōu)化[J]. 唐浩,楊國(guó)華,王鵬珍,李瑞,張麗娜,王金梅. 電測(cè)與儀表. 2017(16)
[7]局部陰影下基于遺傳蟻群算法對(duì)MPPT的研究[J]. 劉建輝,李博. 可再生能源. 2017(01)
[8]改進(jìn)滑模變結(jié)構(gòu)控制光伏系統(tǒng)最大功率點(diǎn)跟蹤[J]. 顏景斌,王飛,王美靜,徐永亮. 哈爾濱理工大學(xué)學(xué)報(bào). 2016(04)
[9]改進(jìn)粒子群算法在無(wú)功優(yōu)化中的應(yīng)用[J]. 王秀云,趙宇,馬萬(wàn)明,王巖松,李書金. 電測(cè)與儀表. 2015(15)
[10]部分遮擋條件下光伏陣列最大功率點(diǎn)跟蹤方法[J]. 倪雙舞,蘇建徽,周松林,李勁偉,趙濤. 電機(jī)與控制學(xué)報(bào). 2015(04)
本文編號(hào):3595796
【文章來(lái)源】:哈爾濱理工大學(xué)學(xué)報(bào). 2020,25(03)北大核心
【文章頁(yè)數(shù)】:7 頁(yè)
【部分圖文】:
光伏陣列結(jié)構(gòu)
圖1 光伏陣列結(jié)構(gòu)圖2中無(wú)陰影情況為圖1中三列光伏電池光照強(qiáng)度均為1 000 W/m2;陰影1情況為左側(cè)支列均為1 000 W/m2,中間與右側(cè)均為800 W/m2;陰影2情況為左側(cè)支列為1 000 W/m2,中間支列為800 W/m2,右側(cè)支列為600 W/m2。從圖中可以看出當(dāng)電池有陰影遮蔽存在時(shí),電池輸出功率也發(fā)生了變化,產(chǎn)生多個(gè)峰值。為了保證電池輸出功率最大,需要一個(gè)全局搜索的尋優(yōu)方法以實(shí)現(xiàn)陰影下最大功率的跟蹤。
式中:ωmax和ωmin分別為ω的最大與最小值;k為當(dāng)前迭代次數(shù);kmax為最大迭代次數(shù)。如圖3為典型線性慣性權(quán)重的ω隨迭代次數(shù)的變化曲線,其中最大迭代次數(shù)為50次,ωmax=0.85,ωmin=0.6。ω值的大小是算法本身是否陷入局部最優(yōu)解[17]和快速準(zhǔn)確搜索的關(guān)鍵。常規(guī)的改進(jìn)權(quán)重的粒子群算法有:自適應(yīng)權(quán)重法、隨機(jī)權(quán)重法、線性遞減權(quán)重法。在進(jìn)行最大功率跟蹤時(shí),權(quán)重值規(guī)律變化明顯,算法初始階段需要增大ω值以此來(lái)提高全局搜索能力;算法最后階段需要減少ω值來(lái)提高局部搜索能力,ω值呈現(xiàn)一個(gè)非線性遞減趨勢(shì),所以常規(guī)的權(quán)重改進(jìn)方法并不適合最大功率跟蹤當(dāng)中。對(duì)此提出了一種非線性動(dòng)態(tài)的慣性權(quán)重法[18],其權(quán)重變化規(guī)律為
【參考文獻(xiàn)】:
期刊論文
[1]基于改進(jìn)PSO算法的MAP圖標(biāo)定點(diǎn)選擇新方法[J]. 程準(zhǔn),陸凱,錢煜,盧震,魯植雄. 計(jì)算機(jī)應(yīng)用研究. 2019(11)
[2]一種基于功率閉環(huán)控制的改進(jìn)全局MPPT方法[J]. 吳志程,江智軍,楊曉輝. 電力系統(tǒng)保護(hù)與控制. 2018(01)
[3]改進(jìn)基于INC算法的光伏發(fā)電系統(tǒng)最大功率跟蹤[J]. 李文強(qiáng),黎英,張軒. 電源技術(shù). 2017(12)
[4]基于粒子群優(yōu)化變步長(zhǎng)擾動(dòng)觀察MPPT算法[J]. 趙陽(yáng),張軍朝,陶亞男,王青文. 計(jì)算機(jī)仿真. 2017(11)
[5]光伏發(fā)電傳輸最大功率儲(chǔ)能優(yōu)化建模仿真[J]. 楊元培,楊奕,王建山,張桂紅. 計(jì)算機(jī)仿真. 2017(09)
[6]基于改進(jìn)粒子群算法的風(fēng)光蓄互補(bǔ)發(fā)電系統(tǒng)容量?jī)?yōu)化[J]. 唐浩,楊國(guó)華,王鵬珍,李瑞,張麗娜,王金梅. 電測(cè)與儀表. 2017(16)
[7]局部陰影下基于遺傳蟻群算法對(duì)MPPT的研究[J]. 劉建輝,李博. 可再生能源. 2017(01)
[8]改進(jìn)滑模變結(jié)構(gòu)控制光伏系統(tǒng)最大功率點(diǎn)跟蹤[J]. 顏景斌,王飛,王美靜,徐永亮. 哈爾濱理工大學(xué)學(xué)報(bào). 2016(04)
[9]改進(jìn)粒子群算法在無(wú)功優(yōu)化中的應(yīng)用[J]. 王秀云,趙宇,馬萬(wàn)明,王巖松,李書金. 電測(cè)與儀表. 2015(15)
[10]部分遮擋條件下光伏陣列最大功率點(diǎn)跟蹤方法[J]. 倪雙舞,蘇建徽,周松林,李勁偉,趙濤. 電機(jī)與控制學(xué)報(bào). 2015(04)
本文編號(hào):3595796
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3595796.html
最近更新
教材專著