复合控制算法在光伏MPPT中的应用

发布时间：2022-01-18 23:28

　　针对光伏阵列受到局部阴影遮挡或光照不均匀时输出呈现多峰值特性,传统单峰值MPPT算法难以追踪到最大功率点的问题,提出一种改进粒子群结合滑模层极值搜索的复合算法。首先在标准粒子群算法中引入改进模拟退火算法的概率判断准则;改进惯性权重变化规律;对其学习因子中加入扰动参数,其次利用滑模层极值搜索算法对粒子群算法所得的疑似最优值进行继续寻优,最后寻得最大功率点。仿真结果表明,复合控制算法能够在不同阴影条件下快速、准确的跟踪最大功率点,避免系统陷入局部最优值。 

【文章来源】：哈尔滨理工大学学报. 2020,25(03)北大核心

【文章页数】：7 页

【部分图文】：

光伏阵列结构

图1 光伏阵列结构图2中无阴影情况为图1中三列光伏电池光照强度均为1 000 W/m2;阴影1情况为左侧支列均为1 000 W/m2,中间与右侧均为800 W/m2;阴影2情况为左侧支列为1 000 W/m2,中间支列为800 W/m2,右侧支列为600 W/m2。从图中可以看出当电池有阴影遮蔽存在时,电池输出功率也发生了变化,产生多个峰值。为了保证电池输出功率最大,需要一个全局搜索的寻优方法以实现阴影下最大功率的跟踪。

式中:ωmax和ωmin分别为ω的最大与最小值;k为当前迭代次数;kmax为最大迭代次数。如图3为典型线性惯性权重的ω随迭代次数的变化曲线,其中最大迭代次数为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优解[17]和快速准确搜索的关键。常规的改进权重的粒子群算法有:自适应权重法、随机权重法、线性递减权重法。在进行最大功率跟踪时,权重值规律变化明显,算法初始阶段需要增大ω值以此来提高全局搜索能力;算法最后阶段需要减少ω值来提高局部搜索能力,ω值呈现一个非线性递减趋势,所以常规的权重改进方法并不适合最大功率跟踪当中。对此提出了一种非线性动态的惯性权重法[18],其权重变化规律为

【参考文献】：
期刊论文
[1]基于改进PSO算法的MAP图标定点选择新方法[J]. 程准,陆凯,钱煜,卢震,鲁植雄.  计算机应用研究. 2019(11)
[2]一种基于功率闭环控制的改进全局MPPT方法[J]. 吴志程,江智军,杨晓辉.  电力系统保护与控制. 2018(01)
[3]改进基于INC算法的光伏发电系统最大功率跟踪[J]. 李文强,黎英,张轩.  电源技术. 2017(12)
[4]基于粒子群优化变步长扰动观察MPPT算法[J]. 赵阳,张军朝,陶亚男,王青文.  计算机仿真. 2017(11)
[5]光伏发电传输最大功率储能优化建模仿真[J]. 杨元培,杨奕,王建山,张桂红.  计算机仿真. 2017(09)
[6]基于改进粒子群算法的风光蓄互补发电系统容量优化[J]. 唐浩,杨国华,王鹏珍,李瑞,张丽娜,王金梅.  电测与仪表. 2017(16)
[7]局部阴影下基于遗传蚁群算法对MPPT的研究[J]. 刘建辉,李博.  可再生能源. 2017(01)
[8]改进滑模变结构控制光伏系统最大功率点跟踪[J]. 颜景斌,王飞,王美静,徐永亮.  哈尔滨理工大学学报. 2016(04)
[9]改进粒子群算法在无功优化中的应用[J]. 王秀云,赵宇,马万明,王岩松,李书金.  电测与仪表. 2015(15)
[10]部分遮挡条件下光伏阵列最大功率点跟踪方法[J]. 倪双舞,苏建徽,周松林,李劲伟,赵涛.  电机与控制学报. 2015(04)



本文编号：3595796