当前位置:主页 > 科技论文 > 搜索引擎论文 >

基于改进的QPSO算法在MPPT中的应用研究

发布时间:2020-03-28 00:42
【摘要】:太阳能光伏系统在发电过程中会存在光照不均的情况,这将导致光伏组件输出的P-U特性曲线存在多个峰值。传统的最大功率点追踪(MPPT)方法在太阳能电池板局部阴影情况下的控制效果较差,很难在多峰P-U特性曲线的最大值点完成追踪并输出。现阶段,解决这种搜索难的问题主要有2种方式:一是利用改进的启发式算法对MPPT进行控制,用以提升搜索效果;二是对光伏阵列加以改造,使其对环境的适用性增强,不受外界因素变化而产生影响。本文以第一种方式进行研究,旨在开发出效果更好的启发式算法,并将其应用于MPPT控制,确保功率输出始终保持在最大值处。局部阴影状态的MPPT是具有离散特性的非线性问题,一些传统启发式算法处理连续问题效果较好,但对于离散问题则易产生过早收敛现象,搜索到的峰值不是全局最优,从而导致电能转化的浪费。针对此情况,本文利用混沌递减权重策略的搜索方式来改进量子粒子群算法,使算法追踪效果进一步提升。本文中,首先介绍了光伏发电的基本现状与最大功率追踪方法的使用情况;其次,介绍了太阳能光伏电池的发电原理,并建立了光伏电池的数学模型及仿真模型,同时给出光伏阵列的通用数学模型;第三,介绍了最大功率追踪原理,并阐述三种常用的MPPT搜索方法及其优缺点;第四,在量子粒子群的基础上提出改进并对其进行测试,说明改进算法的有效性;最后,在Matlab/Simulink仿真平台搭建不同光照情况下的MPPT系统仿真模型,将量子粒子群(QPSO)算法与提出的改进的量子粒子群(LDQPSO)算法分别运用在MPPT控制上,经对比分析,验证本文提出算法的有效性。
【图文】:

模块图,模块,补偿系数,光伏


PV模块

太阳能光伏电池,仿真模型


光伏发电系统的原理及建模仿真S 为环境光照强度); 、 、 为补偿系数,通过大量实验数据拟合,得: =0.0025/℃, =0.5, =0.00288/℃。这里将( )ln 1+ S修正为 ( ln e +在标准状况下,该项取值为 1,有效避免温度对阵列输出特性的影响。据上述对太阳能光伏电池的建模分析,在 MATLAB/Simulink环境下建立其仿-3 所示。入模块的量为光照强度、环境温度,输出为光伏电池产生的直流电流。图 2-3 PV 模块Fig. 2-3 PV module内部仿真结构如下图 2-4 所示,其中的 Isc、Voc、Im、Vm根据实验电池选择的。
【学位授予单位】:东北农业大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TM615

【相似文献】

相关期刊论文 前10条

1 马桂珍;王刚;;利用QPSO算法的装配式建筑项目工序优化方法(英文)[J];机床与液压;2018年12期

2 靳雁霞;王贺;程思岳;张晋瑞;程琦甫;;融合QPSO算法的多精度布料仿真建模方法[J];计算机工程与应用;2019年01期

3 周丽娟;;基于QPSO-WNN在异常检测中的应用[J];长春理工大学学报(自然科学版);2009年03期

4 李中帅;李洪波;魏卓;;优化的小波神经网在异常检测中的应用研究[J];科技信息;2009年31期

5 孙俊;奚茂龙;须文波;;基于QPSO的证券市场GARCH模型实证研究[J];数值计算与计算机应用;2007年04期

6 刘大山;常军;巩文龙;康晓明;;QPSO算法识别环境激励下结构模态参数[J];苏州科技学院学报(工程技术版);2013年04期

7 奚茂龙;孙俊;须文波;;基于QPSO的证券市场ARCH模型实证研究[J];计算机工程与应用;2006年09期

8 袁小平;金鹏;周国鹏;;融合社会学习和莱维飞行的改进QPSO算法[J];微电子学与计算机;2019年04期

9 金磊;赵平;王耀武;梁鹏程;刘言;;QPSO算法在天线阵列波形优化中的应用研究[J];电子设计工程;2014年12期

10 应益强;付蓉;黄校娟;徐俊;;基于不确定性优化理论的电网三级电压控制策略[J];电器与能效管理技术;2019年08期

相关硕士学位论文 前8条

1 张卫丹;基于改进的QPSO算法在MPPT中的应用研究[D];东北农业大学;2019年

2 王晓宗;基于改进QPSO算法的无人机路径规划研究[D];武汉理工大学;2017年

3 毕叶平;基于QPSO算法的神经网络预测模型的程序化交易研究[D];厦门大学;2017年

4 张端;Ad Hoc无线自组织网网络流量的研究[D];江南大学;2009年

5 岳洋;改进的协同量子粒子群优化算法及其图像分割应用研究[D];西安电子科技大学;2015年

6 毛蓝;基于自相似特性的网络业务流的研究[D];江南大学;2007年

7 王一蒙;直流集成光伏模块输出功率优化与并网[D];浙江大学;2017年

8 刘大山;基于QPSO算法的结构参数识别研究[D];苏州科技学院;2014年



本文编号:2603646

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2603646.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户f3b0a***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com