基于改进粒子群算法的最大功率点检测研究

发布时间：2019-11-16 17:26

【摘要】：社会的发展离不开能源的利用,随着不可再生能源的匮乏,新能源的研究成了人们研究的热点。而太阳能作为一种巨量的可再生能源,其每日照到地球表面的能量可与数亿万桶石油燃烧的能量相媲美,它的清洁、可再生、拓展性好等特点,使它逐渐被人们重视,未来可能成为不可再生能源完美的替代品。现在它仅是能源的补给,日后可能成为能源系统中的重要组成部分。因此,随着能源的短缺,太阳能的利用已经成为了学术研究的热点。利用太阳能的方法很多,但最常见的就是光伏发电。光伏电池在实际应用中,会因太阳位置的变化、房屋等遮挡而出现光照不均匀的情况,进而导致热斑现象的产生,从而影响了光伏电池的功率输出。以光伏电池的基本模型研究为理论基础,本文对光伏发电在遮阴情况下的输出特性和最大功率跟踪算法进行了研究。本文首先对本课题的研究背景进行了简单的介绍,同时,对光伏发电的国内外研究现状进行了阐述;在此基础上介绍了光伏电池的基本工作原理和数学模型;之后介绍了多峰最大功率点出现的原因及解决办法,并对其工作原理进行了分析,通过MATLAB/SIMULINK软件对其输出特性进行了仿真;除此以外,还对传统和遮阴情况下的最大功率跟踪算法的基本工作原理进行了介绍,并分析了它们的优缺点。通过对这些算法的对比,本文提出了改进的粒子群算法,该算法具有全局搜索能力强,寻优率高等优势,能弥补现有算法的不足,使MPPT控制技术变得快速、稳定、准确。当光伏电池处于局部遮阴的时候,其输出功率会受到影响,而它的输出特性曲线也会出现多峰值的情况。传统MPPT算法无法实现对多峰情况的跟踪控制,而现有的局部MPPT算法因计算复杂,使MPPT控制的速度减慢,无法较好的进行跟踪控制。针对以上问题,本文提出了采用粒子群算法对最大功率点进行跟踪,并在此算法的基础上进行了改进。为了提高粒子寻优的能力,对惯性因子和粒子的速度进行了改进,除此以外,为了防止粒子陷入局部最优解中,算法中引入了敏感粒子。根据敏感因子适应度的变化,可以及时判断外界环境是否发生变化。利用改进的粒子群算法可以快速的寻找到MPP点处,当环境发生突变的时候,可以马上重新寻找新的MPP点,较好的弥补了其他算法的缺陷。为了验证算法的可行性,本文利用MATLAB/SIMULINK软件搭建了完整的系统仿真模型,针对静态环境和动态环境分别进行了仿真,验证了该算法的准确性及可行性。
【学位授予单位】：东北农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TM615

【相似文献】

相关期刊论文 前10条

1 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

2 吴军;李为吉;;改进的粒子群算法及在结构优化中的应用[J];陕西理工学院学报(自然科学版);2006年04期

3 段海涛;刘永忠;冯霄;;水系统优化的粒子群算法分析[J];华北电力大学学报(自然科学版);2007年02期

4 王伟;;混合粒子群算法及其优化效率评价[J];中国水运(学术版);2007年06期

5 付宜利;封海波;孙建勋;李荣;马玉林;;机电产品管路自动敷设的粒子群算法[J];机械工程学报;2007年11期

6 蒋荣华;王厚军;龙兵;;基于离散粒子群算法的测试选择[J];电子测量与仪器学报;2008年02期

7 周苗;陈义保;刘加光;;一种新的协同多目标粒子群算法[J];山东理工大学学报(自然科学版);2008年05期

8 姚峰;杨卫东;张明;;改进粒子群算法及其在热连轧负荷分配中的应用[J];北京科技大学学报;2009年08期

9 张大兴;贾建援;张爱梅;郭永献;;基于粒子群算法的三轴跟瞄装置跟踪策略研究[J];仪器仪表学报;2009年09期

10 王丽萍;江波;邱飞岳;;基于决策偏好的多目标粒子群算法及其应用[J];计算机集成制造系统;2010年01期

相关会议论文 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

相关博士学位论文 前10条

1 王芳;粒子群算法的研究[D];西南大学;2006年

2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

10 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年

相关硕士学位论文 前10条

1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

6 杨伟;基于粒子群算法的氧乐果合成过程建模研究[D];郑州大学;2015年

7 李程;基于粒子群算法的AS/RS优化调度方法研究[D];陕西科技大学;2015年

8 樊伟健;基于混合混沌粒子群算法求解变循环发动机数学模型问题[D];山东大学;2015年

9 陈百霞;考虑风电场并网的电力系统无功优化[D];山东大学;2015年

10 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年

，

本文编号：2561928