CN103105884A - 光伏发电系统最大功率点跟踪系统及方法 - Google Patents
光伏发电系统最大功率点跟踪系统及方法 Download PDFInfo
- Publication number
- CN103105884A CN103105884A CN2013100239925A CN201310023992A CN103105884A CN 103105884 A CN103105884 A CN 103105884A CN 2013100239925 A CN2013100239925 A CN 2013100239925A CN 201310023992 A CN201310023992 A CN 201310023992A CN 103105884 A CN103105884 A CN 103105884A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic cell
- photovoltaic
- mean
- maximum power
- power point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明提出了一种光伏发电系统最大功率点跟踪系统及方法,属于光伏发电技术领域。本发明利用光伏发电现场的监控设备实时获取视频图像信息,如发现光伏电池有被遮阴发生,利用图像处理技术,确定阴影区域的位置、大小、被遮部分的光伏电池的温度和光照等参数。构建不均匀光照下的光伏电池模型,将这些参数作为扩展记忆粒子群算法的输入参数,计算每个电池板的理想工作电压和整个光伏发电系统的理想工作电压。最后将理想工作电压和实际输出电压的差值作为双向转换器和终端Boost升压转换器控制电路的输入,产生PWM信号,使的每块光伏电池工作在最大功率点和整个系统的输出到达最大,并保证被遮的串联电池板不成为负载消耗系统能量至发热烧毁。
Description
技术领域
本发明涉及一种光伏发电系统最大功率点跟踪系统及方法,尤其涉及一种基于扩展记忆粒子群方法且可以实现不均匀光照条件下的光伏发电系统最大功率点跟踪方法。
背景技术
在光照均匀和温度恒定的条件下,光伏发电系统的输出特性曲线(I-V曲线和P-V曲线)是非线性的单峰曲线,存在唯一的峰值点,采用传统的最大功率点跟踪算法,即能使光伏发电系统工作在最大功率点处。
然而,实际上由于光伏发电系统中光伏电池板分布范围较广,每块光伏电池板的温度和光照强分布不均匀,比如:荒漠中的大型光伏发电站,由于云朵和灰尘遮挡;安装在建筑物表面的光伏系统,由于周围建筑物和树木的遮挡形成的阴影,并且同一建筑物不同朝向的光伏电池板所受的光照强度也不一样,这些情况我们称光伏发电系统受到不均匀光照。在不均匀光照情况下,光伏发电系统的输出特性发生巨大变化,其功率电压输出曲线产生多个峰值点,传统的MPPT控制方法不能有效的区分局部峰值和全局峰值。图1为两个串联光伏电池板在不均匀光照下的P-V曲线,图2为三个串联电池板在不均匀光照下的P-V曲线。
光伏阵列最大功率点跟踪方法大致可以分为3类:间接的最大功率点跟踪方法、直接的最大功率点跟踪方法和人工智能方法。间接的方法是通过事先从光伏电池板得到的参数和数据来进行最大功率的跟踪,这种方法最大的缺点就是需要很大的存储空间来存储模型参数。直接的跟踪方法是指通过在线检测电压电流来进行最大功率点的跟踪,如扰动观察法和电导增量法。但是扰动观察法在最大功率点附近有连续不断的振荡,电导增量法的控制器电路复杂。针对上述方法的缺点,最近基于模型的控制技术在最大功率点的跟踪过程中受到了广泛的关注。如模糊神经网络推理系统、遗传算法、径向函数神经网络算法,但是这些方法的模型调整时间长且计算量大。
同时,在不均匀光照情况下由于光伏电池存在多个峰值功率点,使得要快速准确的跟踪全局最大功率点变得更加困难。在过去5年中,人们在光伏阵列在不均匀光照情况下最大功率点的跟踪控制策略方面也做了许多研究,提出了如智能搜索法、斐波那契数列,峰值点搜索等方法,但是这些方法在遮光情况下的最大功率点跟踪都没有达到最优的效果。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种光伏发电系统最大功率点跟踪系统及方法,提高了光伏发电系统在遮荫情况下最大功率点的跟踪速度以及准确度。
为了实现本发明的上述目的,本发明提供了一种光伏发电系统最大功率点跟踪系统,包括由N个光伏电池串并联而成的光伏电池阵列、双向转换器、Boost升压转换器、摄像头和控制器,其中所述光伏电池阵列中每相邻的两个串联光伏电池构成一个光伏电池组,每一光伏电池组均连接一个双向转换器;
每一双向转换器均由第一MOSFET管(S1)、第二MOSFET管(S2)、第一二极管(D1)、第二二极管(D2)、第一电感(L1)、第二电感(L2)和电容(Cn)组成,该第一MOSFET管(S1)的漏极通过该第一电感(L1)连接该光伏电池组中第一光伏电池的正极,该第一MOSFET管(S1)的源极连接该光伏电池组中第一光伏电池的负极以及该第二MOSFET管(S2)的漏极,该第二MOSFET管(S2)的源极通过该第二电感(L2)连接该光伏电池组中第二光伏电池的负极且通过该电容(Cn)连接该第一MOSFET管(S1)的漏极;所述第一二极管(D1)的负极连接该第一MOSFET管(S1)的漏极,正极连接该第一MOSFET管(S1)的源极;所述第二二极管(D2)的负极连接该第二MOSFET管(S2)的漏极,正极连接该第二MOSFET管(S2)的源极;
所述光伏电池阵列通过该Boost升压转换器输出发电总电压;
所述摄像头连接该控制器,用于采集该光伏电池阵列的实际图像并发送给该控制器;其特征在于:还包括温度传感器、光强度传感器和第一PI控制电路,其中所述控制器分别连接该温度传感器、光强度传感器,用于根据该光伏电池阵列的实际图像确定遮荫光伏电池,并控制与该遮荫光伏电池对应的温度传感器、光强度传感器工作,采集获得该遮荫光伏电池的温度、光强度信息;
所述控制器连接该第一PI控制电路,用于根据该遮荫光伏电池的温度、光强度信息,计算出该光伏电池阵列在最大功率点的参考电压VTref并发送给该第一PI控制电路;
所述第一PI控制电路用于采集该光伏电池阵列输出的实际电压VT,并且所述第一PI控制电路连接该Boost升压转换器,用于根据公式计算出占空比KT(S)并将占空比为KT(S)的脉冲驱动信号发送给Boost升压转换器,其中kPb表示比例系数,VTref表示光伏电池阵列在最大功率点的参考电压,VT表示光伏电池阵列输出的实际电压,kib表示积分系数,s表示积分变换。
该光伏发电系统最大功率点跟踪系统还包括第二PI控制电路,所述控制器连接该第二PI控制电路,用于根据该遮荫光伏电池的温度、光强度信息,计算出各光伏电池在最大功率点处的参考电压Vpref并发送给该第二PI控制电路;所述第二PI控制电路用于采集各光伏电池输出的实际电压Vp,并且该第二PI控制电路分别与各双向转换器中第一MOSFET管(S1)和第二MOSFET管(S2)的栅极连接,用于根据公式 计算出占空比K1(S)并将占空比为K1(S)的脉冲驱动信号发送给该第一MOSFET管(S1)的栅极,并且根据公式K2(s)=1-K1(s)计算出占空比K2(S)并将占空比为K2(S)的脉冲驱动信号发送给该第二MOSFET管(S2)的栅极,其中kPC表示比例系数,Vp2ref表示该光伏电池组中第二光伏电池在最大功率点处的参考电压,Vp2表示该光伏电池组中第二光伏电池输出的实际电压,Vp1ref表示该光伏电池组中第一光伏电池在最大功率点处的参考电压,Vp1表示该光伏电池组中第一光伏电池输出的实际电压,kic表示积分系数,s表示积分变换。
由此,本发明可以保证光伏发电系统一直工作在最大功率点。
所述Boost升压转换器的输入端并联有第三滤波电容(Cr),且该第一PI控制电路与该第三滤波电容(Cr)的两端连接,用于采集该光伏电池阵列输出的实际电压VT。
每一光伏电池组中第一光伏电池均并联有一个第一滤波电容(C1),第二光伏电池均并联有一个第二滤波电容(C2);所述第二PI控制电路分别连接该第一滤波电容(C1)、第二滤波电容(C2)的两端,用于测得各光伏电池输出的实际电压Vp。
本发明还提供了一种基于上述光伏发电系统最大功率点跟踪系统的光伏发电系统最大功率点跟踪方法,其特征在于包括以下步骤:
S1、摄像头采集该光伏电池阵列的实际图像A并发送给控制器,该控制器将该光伏电池阵列的实际图像A进行灰度处理,经灰度处理后的实际图像A与原始图像B进行比较,其中该原始图像是指不存在阴影部分的灰度图:如果该实际图像A与原始图像B相同则表示该实际图像A中不存在阴影部分,结束操作;如果该实际图像A与原始图像B不相同则表示该实际图像A中存在阴影部分,将该实际图像A的阴影部分进行图像分割,获得遮荫光伏电池;
S2、该控制器控制与该遮荫光伏电池对应的温度传感器和光强度传感器工作,采集获得该遮荫光伏电池的温度T和光强度G;
S3、该控制器采用扩展记忆粒子群方法计算出该光伏发电阵列在最大功率点的参考电压VTref并发送给第一PI控制器,该第一PI控制器采集该光伏电池阵列输出的实际电压VT,根据公式 计算出占空比KT(S)并将占空比为KT(S)的脉冲驱动信号发送给Boost升压转换器,其中kPb表示比例系数,VTref表示光伏电池阵列在最大功率点的参考电压,VT表示光伏电池阵列输出的实际电压,kib表示积分系数,s表示积分变换;
S4、该控制器采用MPPT控制方法计算出各光伏电池在最大功率点处的参考电压Vpref并发送给第二PI控制电路,该第二PI控制电路采集各光伏电池输出的实际电压,根据公式 计算出占空比K1(S)并将占空比为K1(S)的脉冲驱动信号发送给第一MOSFET管(S1)的栅极,并且根据公式K2(s)=1-K1(s)计算出占空比K2(S)并将占空比为K2(S)的脉冲驱动信号发送给该第二MOSFET管(S2)的栅极,其中kPC表示比例系数,Vp2ref表示光伏电池组中第二光伏电池在最大功率点处的参考电压,Vp2表示该光伏电池组中第二光伏电池输出的实际电压,Vp1ref表示该光伏电池组中第一光伏电池在最大功率点处的参考电压,Vp1表示该光伏电池组中第一光伏电池输出的实际电压,kic表示积分系数,s表示积分变换。
所述步骤S1还包括在该实际图像A中存在阴影部分时进一步判断该阴影部分是由于固体遮挡物还是遮荫导致的步骤:如果该阴影部分在时间段t内仍然存在,则该阴影部分是由于固体遮挡物导致,发出清扫信号,否则该阴影部分是由于遮荫导致,将该实际图像A的阴影部分进行图像分割,从而获得遮荫光伏电池。
所述步骤S1中采用加权模糊C均值聚类方法对该实际图像A进行图像分割,将该实际图像A中阴影部分的平均灰度值与其他区域的平均灰度值进行比较,从而获得该遮荫光伏电池。
所述步骤S3中采用扩展记忆粒子群方法计算出该光伏电池阵列在最大功率点的参考电压VTref的步骤为:
S30、初始化粒子群的大小、维数、最大迭代次数N、惯性权重ω以及加速因子c1和c2,随机产生各光伏电池的初始速度v0和初始最大功率点电压x0;
S31、根据公式fitness(G,T,Vin)=(Vin-I*Rs*ns)*I计算出各光伏电池的初始适应值,其中Vin=x0表示光伏电池的初始最大功率点电压,I表示光伏电池的输出电流,Rs表示该光伏电池阵列中光伏电池的串联等效电阻,ns表示该光伏电池阵列中光伏电池的串联个数,I=(np*Isc-np*Is*(exp(q*(Vin/ns)/(A*k*Tc))-1)-Ish)/(1+Rst/Rsht),Is表示二极管反向饱和电流,k表示波尔兹曼常数,q表示单位电荷,Tc表示光伏电池的表面温度,A表示理想因子,G表示光伏电池的光照强度,Isc表示光电流,Rp表示该光伏电池阵列中光伏电池的并联等效电阻,np表示该光伏电池阵列中光伏电池的并联个数,Rst表示多个光伏电池串并联后的等效串联电阻,Rsht表示多个光伏电池串并联后的等效并联电阻;
S33、根据以下公式计算出第t+1次迭代时各光伏电池的速度: 其中ω表示惯性权重,vt表示光伏电池在第t次迭代时的速度, c1和c2表示加速因子,r1和r2取区间(0,1)内的随机值,ξt表示当前有效因子,ξt-1表示扩展记忆有效因子,ξt,ξt-1∈R+且 表示光伏电池在t次迭代过程中的个体极值,xt表示光伏电池在第t次迭代时的最大功率点电压,表示光伏电池在t次迭代过程中的全局极值,t为区间[0,N]内的整数且t的初始值为0;
S34、根据公式xt+1=xt+vt+1计算出第t+1次迭代时各光伏电池的最大功率点电压,其中xt表示第t次迭代时各光伏电池的最大功率点电压;
S35、根据公式fitness(G,T,Vin)=P=V*I=(Vin-I*Rs*ns)*I计算出第t+1次迭代时各光伏电池的适应值,其中Vin=xt+1,表示第t+1次迭代时光伏电池的最大功率点电压,I表示光伏电池输出电流,Rs表示光伏电池阵列中光伏电池的串联等效电阻,ns表示该光伏电池的串联个数,I=(np*Isc-np*Is*(exp(q*(Vin/ns)/(A*k*Tc))-1)-Ish)/(1+Rst/Rsht),Is表示二极管反向饱和电流,k表示波尔兹曼常数,q表示单位电荷,Tc表示光伏电池的表面温度,A表示理想因子,G表示光伏电池的光照强度,Isc表示光电流,Rp表示该光伏电池阵列中光伏电池的并联等效电阻,np表示该光伏电池阵列中光伏电池的并联个数,Rst表示多个光伏电池串并联后的等效串联电阻,Rsht表示多个光伏电池串并联后的等效并联电阻;
S36、分别将各光伏电池在第t+1次迭代时的适应值与其在t次迭代过程中个体极值的适应值进行比较:如果光伏电池在第t+1次迭代时的适应值大于其在t次迭代过程中个体极值的适应值,则将该光伏电池在第t+1次迭代时的最大功率点电压xt+1作为其在t+1次迭代过程中的个体极值即否则仍将该光伏电池在t次迭代过程中的个体极值作为其在t+1次迭代过程中的个体极值即
S37、分别将各光伏电池在t+1次迭代过程中个体极值的适应值与其在t次迭代过程中全局极值的适应值进行比较:如果光伏电池在t+1次迭代过程中个体极值的适应值大于该光伏电池在t次迭代过程中全局极值的适应值,则将该光伏电池在t+1次迭代过程中个体极值作为该光伏电池在t+1次迭代过程中全局极值即否则仍将该光伏电池在t次迭代过程中的全局极值作为该光伏电池在t+1次迭代过程中的全局极值即
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明采用扩展记忆粒子群方法,提高了光伏发电系统在遮荫情况下最大功率点的跟踪速度以及准确度。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是两个串联光伏电池板在不均匀光照下的P-V曲线;
图2是三个串联电池板在不均匀光照下的P-V曲线;
图3是本发明中光伏发电系统最大功率点跟踪系统的电路原理图;
图4是本发明中扩展记忆粒子群方法的流程图;
图6是Boost升压转换器的控制方式仿真图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
如图3所示,该光伏发电系统最大功率点跟踪系统包括由N个串并联光伏电池板组成的光伏电池阵列、转换器、摄像头、控制器、温度传感器、光强度传感器、Boost升压转换器、第一PI控制电路和第二PI控制电路,其中该光伏电池阵列中每相邻的两个串联光伏电池板构成一个光伏电池组,且每一光伏电池组均连接一个双向转换器。
每一转换器均由第一MOSFET管S1、第二MOSFET管S2、第一二极管D1、第二二极管D2、第一电感L1、第二电感L2和电容Cn组成,该第一MOSFET管S1的漏极通过第一电感L1连接该光伏电池组中第一光伏电池的正极,该第一MOSFET管S1的源极连接该光伏电池组中第一光伏电池的负极以及该第二MOSFET管S2的漏极,该第二MOSFET管S2的源极通过第二电感L2连接该光伏电池组中第二光伏电池的负极且通过电容Cn连接该第一MOSFET管S1的漏极。此外,该第一二极管D1的负极连接该第一MOSFET管S1的漏极,正极连接该第一MOSFET管S1的源极;该第二二极管D2的负极连接该第二MOSFET管的漏极,正极连接该第二MOSFET管S2的源极。
每一光伏电池组中第一光伏电池均并联有第一滤波电容C1,且第二光伏电池均并联有第二滤波电容C2,该光伏电池阵列通过Boost升压转换器输出发电总电压,并且在该Boost升压转换器的输入端并联有第三滤波电容Cr。
该摄像头连接该控制器,用于采集该光伏电池阵列的实际图像并发送给控制器;该控制器分别连接温度传感器、光强度传感器,用于根据该光伏电池阵列的实际图像确定遮荫光伏电池,并控制与该遮荫光伏电池对应的温度传感器、光强度传感器工作,采集获得遮荫光伏电池的温度、光强度信息。
该控制器分别连接该第一PI控制电路、第二PI控制电路,用于根据该遮荫光伏电池的温度、光强度信息,计算出光伏电池阵列在最大功率点的参考电压VTref并发送给该第一PI控制电路,并且计算出各光伏电池在最大功率点处的参考电压Vpref并发送给该第二PI控制电路。
该第一PI控制电路连接该第三滤波电容Cr的两端,用于测得光伏电池阵列输出的实际电压VT。该第一PI控制电路与该Boost升压转换器连接,用于根据公式计算出占空比KT(S)并将占空比为KT(S)的脉冲驱动信号发送给Boost升压转换器,其中kPb表示比例系数,VTref表示光伏发电阵列在最大功率点的参考电压,VT表示光伏发电阵列输出的实际电压,kib表示积分系数,s表示积分变换。
该第二PI控制电路分别连接该第一滤波电容C1和第二滤波电容C2的两端,用于采集各光伏电池输出的实际电压Vp。该第二PI控制电路分别与各双向转换器中第一MOSFET管S1和第二MOSFET管S2的栅极连接,用于根据公式 计算出占空比K1(S)并将占空比为K1(S)的脉冲驱动信号发送给该第一MOSFET管S1的栅极,并且根据公式K2(s)=1-K1(s)计算出占空比K2(S)并将占空比为K2(S)的脉冲驱动信号发送给该第二MOSFET管S2的栅极,其中kPC表示比例系数,Vp2ref表示光伏电池组中第二光伏电池在最大功率点处的参考电压,Vp2表示该光伏电池组中第二光伏电池输出的实际电压,Vp1ref表示该光伏电池组中第一光伏电池在最大功率点处的参考电压,Vp1表示该光伏电池组中第一光伏电池输出的实际电压,kic表示积分系数,s表示积分变换。
本发明中该光伏发电系统最大功率点跟踪方法包括以下步骤:
S1、摄像头采集该光伏电池阵列的实际图像A并发送给控制器,该控制器将该光伏电池阵列的实际图像A进行灰度处理,经灰度处理后的实际图像A与原始图像B进行比较,其中该原始图像是指不存在阴影部分的灰度图:如果该实际图像A与原始图像B相同则表示该实际图像A中不存在阴影部分,结束操作;如果该实际图像A与原始图像B不相同则表示该实际图像A中存在阴影部分,将该实际图像A的阴影部分进行图像分割,获得遮荫光伏电池。
步骤S1还包括在该实际图像A中存在阴影部分时进一步判断该阴影部分是由于固体遮挡物还是遮荫导致的步骤:如果该阴影部分在时间段t内仍然存在,则该阴影部分是由于固体遮挡物导致,发出清扫信号,否则该阴影部分是由于遮荫导致,将该实际图像A的阴影部分进行图像分割,从而获得遮荫光伏电池。
在本发明的第一实施例中,采用加权模糊C均值聚类方法对该实际图像A进行图像分割,将该实际图像A中阴影部分的平均灰度值与其他区域的平均灰度值进行比较,从而获得该遮荫光伏电池。
S2、控制器控制与该遮荫光伏电池对应的温度传感器和光强度传感器工作,采集获得该遮荫光伏电池的温度T和光强度G;
S3、控制器采用扩展记忆粒子群方法计算出光伏发电阵列在最大功率点的参考电压VTref并发送给第一PI控制器,该第一PI控制器采集该光伏电池阵列输出的实际电压VT,根据公式 计算出占空比KT(S)并将占空比为KT(S)的脉冲驱动信号发送给Boost升压转换器,其中kPb表示比例系数,VTref表示光伏电池阵列在最大功率点的参考电压,VT表示光伏电池阵列输出的实际电压,kib表示积分系数,s表示积分变换。
如图4所示,在本发明中采用扩展记忆粒子群方法计算出该光伏发电阵列在最大功率点的参考电压VTref的步骤为:
S30、初始化粒子群的大小、维数、最大迭代次数N、惯性权重ω以及加速因子c1和c2,随机产生各光伏电池的初始速度v0和初始最大功率点电压x0。在本发明的实施例中,粒子群大小为10,维数为2,最大迭代次数N=50,惯性权重ω从0.9至0.4线性递减,c1=c2=2.0。
S31、根据公式fitness(G,T,Vin)=(Vin-I*Rs*ns)*I计算出各光伏电池的初始适应值,其中Vin=x0,表示光伏电池的初始最大功率点电压,I表示光伏电池的输出电流,Rs表示光伏电池的串联等效电阻,ns表示该光伏电池的串联个数,I=(np*Isc-np*Is*(exp(q*(Vin/ns)/(A*k*Tc))-1)-Ish)/(1+Rst/Rsht),Is表示二极管反向饱和电流,k表示波尔兹曼常数,q表示单位电荷,Tc表示光伏电池的表面温度,A表示理想因子,G表示光伏电池的光照强度,Isc表示光电流,Rp表示该光伏电池阵列中光伏电池的并联等效电阻,np表示该光伏电池阵列中光伏电池的并联个数,Rst表示多个光伏电池串并联后的等效串联电阻,Rsht表示多个光伏电池串并联后的等效并联电阻。
S33、根据以下公式计算出第t+1次迭代时各光伏电池的速度: 其中ω表示惯性权重,vt表示光伏电池在第t次迭代时的速度, c1和c2表示加速因子,r1和r2取区间(0,1)内的随机值,ξt表示当前有效因子,ξt-1表示扩展记忆有效因子,ξt,ξt-1∈R+且 表示光伏电池在t次迭代过程中的个体极值,xt表示光伏电池在第t次迭代时的最大功率点电压,表示光伏电池在t次迭代过程中的全局极值,t为区间[0,N]内的整数且t的初始值为0。
S34、根据公式xt+1=xt+vt+1计算出第t+1次迭代时各光伏电池的最大功率点电压,其中xt表示第t次迭代时各光伏电池的最大功率点电压。
S35、根据公式fitness(G,T,Vin)=P=V*I=(Vin-I*Rs*ns)*I计算出第t+1次迭代时各光伏电池的适应值,其中Vin=xt+1,表示光伏电池的初始最大功率点电压,I表示光伏电池的输出电流,Rs表示该光伏电池阵列中光伏电池的串联等效电阻,ns表示该光伏电池阵列中光伏电池的串联个数,I=(np*Isc-np*Is*(exp(q*(Vin/ns)/(A*k*Tc))-1)-Ish)/(1+Rst/Rsht),Is表示二极管反向饱和电流,k表示波尔兹曼常数,q表示单位电荷,Tc表示光伏电池的表面温度,A表示理想因子,G表示光伏电池的光照强度,Isc表示光电流,Rp表示该光伏电池阵列中光伏电池的并联等效电阻,np表示该光伏电池阵列中光伏电池的并联个数,Rst表示多个光伏电池串并联后的等效串联电阻,Rsht表示多个光伏电池串并联后的等效并联电阻。
S36、分别将各光伏电池在第t+1次迭代时的适应值与其在t次迭代过程中个体极值的适应值进行比较:如果光伏电池在第t+1次迭代时的适应值大于其在t次迭代过程中个体极值的适应值,则将该光伏电池在第t+1次迭代时的最大功率点电压xt+1作为其在t+1次迭代过程中的个体极值即否则仍将该光伏电池在t次迭代过程中的个体极值作为其在t+1次迭代过程中的个体极值即
S37、分别将各光伏电池在t+1次迭代过程中个体极值的适应值与其在t次迭代过程中全局极值的适应值进行比较:如果光伏电池在t+1次迭代过程中个体极值的适应值大于该光伏电池在t次迭代过程中全局极值的适应值,则将该光伏电池在t+1次迭代过程中个体极值作为该光伏电池在t+1次迭代过程中全局极值即否则仍将该光伏电池在t次迭代过程中的全局极值作为该光伏电池在t+1次迭代过程中的全局极值即
S38、判断t=N-1是否成立:如果成立则结束操作,并将在t+1次迭代过程中的全局极值作为该光伏电池阵列在最大功率点的参考电压值VTref,否则t++,并重复执行步骤S33~S38。
S4、该控制器采用MPPT控制方法计算出各光伏电池在最大功率点处的参考电压Vpref并发送给第二PI控制电路,该第二PI控制电路采集各光伏电池输出的实际电压,根据公式 计算出占空比K1(S)并将占空比为K1(S)的脉冲驱动信号发送给第一MOSFET管(S1)的栅极,并且根据公式K2(s)=1-K1(s)计算出占空比K2(S)并将占空比为K2(S)的脉冲驱动信号发送给该第二MOSFET管(S2)的栅极,其中kPC表示比例系数,Vp2ref表示光伏电池组中第二光伏电池在最大功率点处的参考电压,Vp2表示该光伏电池组中第二光伏电池输出的实际电压,Vp1ref表示该光伏电池组中第一光伏电池在最大功率点处的参考电压,Vp1表示该光伏电池组中第一光伏电池输出的实际电压,kic表示积分系数,s表示积分变换。
双向转换器和Boost升压转换器的控制方式仿真图如图5~6所示。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (8)
1.一种光伏发电系统最大功率点跟踪系统,包括由N个光伏电池串并联而成的光伏电池阵列、双向转换器、Boost升压转换器、摄像头和控制器,其中所述光伏电池阵列中每相邻的两个串联光伏电池构成一个光伏电池组,每一光伏电池组均连接一个双向转换器;
每一双向转换器均由第一MOSFET管(S1)、第二MOSFET管(S2)、第一二极管(D1)、第二二极管(D2)、第一电感(L1)、第二电感(L2)和电容(Cn)组成。该第一MOSFET管(S1)的漏极通过该第一电感(L1)连接该光伏电池组中第一光伏电池的正极,该第一MOSFET管(S1)的源极连接该光伏电池组中第一光伏电池的负极以及该第二MOSFET管(S2)的漏极,该第二MOSFET管(S2)的源极通过该第二电感(L2)连接该光伏电池组中第二光伏电池的负极且通过该电容(Cn)连接该第一MOSFET管(S1)的漏极;
所述第一二极管(D1)的负极连接该第一MOSFET管(S1)的漏极,正极连接该第一MOSFET管(S1)的源极;所述第二二极管(D2)的负极连接该第二MOSFET管(S2)的漏极,正极连接该第二MOSFET管(S2)的源极;
所述光伏电池阵列通过该Boost升压转换器输出发电总电压;
所述摄像头连接该控制器,用于采集该光伏电池阵列的实际图像并发送给该控制器;
其特征在于:还包括温度传感器、光强度传感器和第一PI控制电路,其中所述控制器分别连接该温度传感器、光强度传感器,用于根据该光伏电池阵列的实际图像确定遮荫光伏电池,并控制与该遮荫光伏电池对应的温度传感器、光强度传感器工作,采集获得该遮荫光伏电池的温度、光强度信息;
所述控制器连接该第一PI控制电路,用于根据该遮荫光伏电池的温度、光强度信息,计算出该光伏电池阵列在最大功率点的参考电压VTref并发送给该第一PI控制电路;
2.根据权利要求1所述的光伏发电系统最大功率点跟踪系统,其特征在于:还包括第二PI控制电路,所述控制器连接该第二PI控制电路,用于根据该遮荫光伏电池的温度、光强度信息,计算出各光伏电池在最大功率点处的参考电压Vpref并发送给该第二PI控制电路;
所述第二PI控制电路用于采集各光伏电池输出的实际电压Vp,并且该第二PI控制电路分别与各双向转换器中第一MOSFET管(S1)和第二MOSFET管(S2)的栅极连接,用于根据公式 计算出占空比K1(S)并将占空比为K1(S)的脉冲驱动信号发送给该第一MOSFET管(S1)的栅极,并且根据公式K2(s)=1-K1(s)计算出占空比K2(S)并将占空比为K2(S)的脉冲驱动信号发送给该第二MOSFET管(S2)的栅极,其中kPC表示比例系数,Vp2ref表示该光伏电池组中第二光伏电池在最大功率点处的参考电压,Vp2表示该光伏电池组中第二光伏电池输出的实际电压,Vp1ref表示该光伏电池组中第一光伏电池在最大功率点处的参考电压,Vp1表示该光伏电池组中第一光伏电池输出的实际电压,kic表示积分系数,s表示积分变换。
3.根据权利要求1所述的光伏发电系统最大功率点跟踪系统,其特征在于:所述Boost升压转换器的输入端并联有第三滤波电容(Cr),且该第一PI控制电路与该第三滤波电容(Cr)的两端连接,用于采集该光伏电池阵列输出的实际电压VT。
4.根据权利要求2所述的光伏发电系统最大功率点跟踪系统,其特征在于:每一光伏电池组中第一光伏电池均并联有一个第一滤波电容(C1),第二光伏电池均并联有一个第二滤波电容(C2);
所述第二PI控制电路分别连接该第一滤波电容(C1)、第二滤波电容(C2)的两端,用于测得各光伏电池输出的实际电压Vp。
5.一种基于权利要求1所述的光伏发电系统最大功率点跟踪系统的光伏发电系统最大功率点跟踪方法,其特征在于包括以下步骤:
S1、摄像头采集该光伏电池阵列的实际图像A并发送给控制器,该控制器将该光伏电池阵列的实际图像A进行灰度处理,经灰度处理后的实际图像A与原始图像B进行比较,其中该原始图像是指不存在阴影部分的灰度图:如果该实际图像A与原始图像B相同则表示该实际图像A中不存在阴影部分,结束操作;如果该实际图像A与原始图像B不相同则表示该实际图像A中存在阴影部分,将该实际图像A的阴影部分进行图像分割,获得遮荫光伏电池;
S2、该控制器控制与该遮荫光伏电池对应的温度传感器和光强度传感器工作,采集获得该遮荫光伏电池的温度T和光强度G;
S3、该控制器采用扩展记忆粒子群方法计算出该光伏发电阵列在最大功率点的参考电压VTref并发送给第一PI控制器,该第一PI控制器采集该光伏电池阵列输出的实际电压VT,根据公式 计算出占空比KT(S)并将占空比为KT(S)的脉冲驱动信号发送给Boost升压转换器,其中kPb表示比例系数,VTref表示光伏电池阵列在最大功率点的参考电压,VT表示光伏电池阵列输出的实际电压,kib表示积分系数,s表示积分变换;
S4、该控制器采用MPPT控制方法计算出各光伏电池在最大功率点处的参考电压Vpref并发送给第二PI控制电路,该第二PI控制电路采集各光伏电池输出的实际电压,根据公式 计算出占空比K1(S)并将占空比为K1(S)的脉冲驱动信号发送给第一MOSFET管(S1)的栅极,并且根据公式K2(s)=1-K1(s)计算出占空比K2(S)并将占空比为K2(S)的脉冲驱动信号发送给该第二MOSFET管(S2)的栅极,其中kPC表示比例系数,Vp2ref表示光伏电池组中第二光伏电池在最大功率点处的参考电压,Vp2表示该光伏电池组中第二光伏电池输出的实际电压,Vp1ref表示该光伏电池组中第一光伏电池在最大功率点处的参考电压,Vp1表示该光伏电池组中第一光伏电池输出的实际电压,kic表示积分系数,s表示积分变换。
6.根据权利要求5所述的光伏发电系统最大功率点跟踪方法,其特征在于所述步骤S1还包括在该实际图像A中存在阴影部分时进一步判断该阴影部分是由于固体遮挡物还是遮荫导致的步骤:如果该阴影部分在时间段t内仍然存在,则该阴影部分是由于固体遮挡物导致,发出清扫信号,否则该阴影部分是由于遮荫导致,将该实际图像A的阴影部分进行图像分割,从而获得遮荫光伏电池。
7.根据权利要求5所述的光伏发电系统最大功率点跟踪方法,其特征在于所述步骤S1中采用加权模糊C均值聚类方法对该实际图像A进行图像分割,将该实际图像A中阴影部分的平均灰度值与其他区域的平均灰度值进行比较,从而获得该遮荫光伏电池。
8.根据权利要求5所述的光伏发电系统最大功率点跟踪方法,其特征在于所述步骤S3中采用扩展记忆粒子群方法计算出该光伏电池阵列在最大功率点的参考电压VTref的步骤为:
S30、初始化粒子群的大小、维数、最大迭代次数N、惯性权重ω以及加速因子c1和c2,随机产生各光伏电池的初始速度v0和初始最大功率点电压x0;
S31、根据公式fitness(G,T,Vin)=(Vin-I*Rs*ns)*I计算出各光伏电池的初始适应值,其中Vin=x0表示光伏电池的初始最大功率点电压,I表示光伏电池的输出电流,Rs表示该光伏电池阵列中光伏电池的串联等效电阻,ns表示该光伏电池阵列中光伏电池的串联个数,I=(np*Isc-np*Is*(exp(q*(Vin/ns)/(A*k*Tc))-1)-Ish)/(1+Rst/Rsht),Is表示二极管反向饱和电流,k表示波尔兹曼常数,q表示单位电荷,Tc表示光伏电池的表面温度,A表示理想因子,G表示光伏电池的光照强度,Isc表示光电流,Rp表示该光伏电池阵列中光伏电池的并联等效电阻,np表示该光伏电池阵列中光伏电池的并联个数,Rst表示多个光伏电池串并联后的等效串联电阻,Rsht表示多个光伏电池串并联后的等效并联电阻;
S33、根据以下公式计算出第t+1次迭代时各光伏电池的速度: 其中ω表示惯性权重,vt表示光伏电池在第t次迭代时的速度, c1和c2表示加速因子,r1和r2取区间(0,1)内的随机值,ξt表示当前有效因子,ξt-1表示扩展记忆有效因子,ξt,ξt-1∈R+且 表示光伏电池在t次迭代过程中的个体极值,xt表示光伏电池在第t次迭代时的最大功率点电压,表示光伏电池在t次迭代过程中的全局极值,t为区间[0,N]内的整数且t的初始值为0;
S34、根据公式xt+1=xt+vt+1计算出第t+1次迭代时各光伏电池的最大功率点电压,其中xt表示第t次迭代时各光伏电池的最大功率点电压;
S35、根据公式fitness(G,T,Vin)=P=V*I=(Vin-I*Rs*ns)*I计算出第t+1次迭代时各光伏电池的适应值,其中Vin=xt+1,表示第t+1次迭代时光伏电池的最大功率点电压,I表示光伏电池输出电流,Rs表示光伏电池阵列中光伏电池的串联等效电阻,ns表示该光伏电池的串联个数,I=(np*Isc-np*Is*(exp(q*(Vin/ns)/(A*k*Tc))-1)-Ish)/(1+Rst/Rsht),Is表示二极管反向饱和电流,k表示波尔兹曼常数,q表示单位电荷,Tc表示光伏电池的表面温度,A表示理想因子,G表示光伏电池的光照强度,Isc表示光电流,Rp表示该光伏电池阵列中光伏电池的并联等效电阻,np表示该光伏电池阵列中光伏电池的并联个数,Rst表示多个光伏电池串并联后的等效串联电阻,Rsht表示多个光伏电池串并联后的等效并联电阻;
S36、分别将各光伏电池在第t+1次迭代时的适应值与其在t次迭代过程中个体极值的适应值进行比较:如果光伏电池在第t+1次迭代时的适应值大于其在t次迭代过程中个体极值的适应值,则将该光伏电池在第t+1次迭代时的最大功率点电压xt+1作为其在t+1次迭代过程中的个体极值即否则仍将该光伏电池在t次迭代过程中的个体极值作为其在t+1次迭代过程中的个体极值即
S37、分别将各光伏电池在t+1次迭代过程中个体极值的适应值与其在t次迭代过程中全局极值的适应值进行比较:如果光伏电池在t+1次迭代过程中个体极值的适应值大于该光伏电池在t次迭代过程中全局极值的适应值,则将该光伏电池在t+1次迭代过程中个体极值作为该光伏电池在t+1次迭代过程中全局极值即否则仍将该光伏电池在t次迭代过程中的全局极值作为该光伏电池在t+1次迭代过程中的全局极值即
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310023992.5A CN103105884B (zh) | 2013-01-22 | 2013-01-22 | 光伏发电系统最大功率点跟踪系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310023992.5A CN103105884B (zh) | 2013-01-22 | 2013-01-22 | 光伏发电系统最大功率点跟踪系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103105884A true CN103105884A (zh) | 2013-05-15 |
CN103105884B CN103105884B (zh) | 2014-06-25 |
Family
ID=48313818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310023992.5A Expired - Fee Related CN103105884B (zh) | 2013-01-22 | 2013-01-22 | 光伏发电系统最大功率点跟踪系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103105884B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488190A (zh) * | 2013-09-26 | 2014-01-01 | 河南理工大学 | 一种基于粒子群算法的太阳自动跟踪模糊控制系统 |
CN103499992A (zh) * | 2013-08-28 | 2014-01-08 | 浙江工业大学 | 含耦合电感的光伏阵列mppt接口电路 |
CN103699170A (zh) * | 2013-12-23 | 2014-04-02 | 徐州工业职业技术学院 | 局部阴影下光伏发电系统最大功率点跟踪方法 |
CN103712685A (zh) * | 2013-09-29 | 2014-04-09 | 浙江工业大学 | 光伏阵列辐照度测量辨识方法 |
CN103715719A (zh) * | 2014-01-20 | 2014-04-09 | 国家电网公司 | 一种适用于电力系统全过程动态仿真的光伏模型建模方法 |
CN103995559A (zh) * | 2014-04-25 | 2014-08-20 | 中国科学院广州能源研究所 | 一种基于环境参数模型的定电压mppt控制方法和系统 |
CN104656616A (zh) * | 2015-01-09 | 2015-05-27 | 重庆交通大学 | 太阳能光伏发电阵列的集群控制方法 |
CN104699166A (zh) * | 2013-12-06 | 2015-06-10 | 广西大学 | 一种基于粒子群优化的多路mppt装置 |
CN104915899A (zh) * | 2015-06-30 | 2015-09-16 | 许继集团有限公司 | 一种基于特征聚类分析的光伏电站运行状态划分方法 |
CN106155170A (zh) * | 2016-07-15 | 2016-11-23 | 西安理工大学 | 一种太阳能电池最大功率跟踪控制方法 |
CN107153212A (zh) * | 2016-03-03 | 2017-09-12 | 太阳能安吉科技有限公司 | 用于映射发电设施的方法 |
CN108107969A (zh) * | 2018-01-30 | 2018-06-01 | 扬州华鼎电器有限公司 | 用于光伏最大功率点跟踪的主动前应式控制系统及算法 |
CN108614943A (zh) * | 2018-05-10 | 2018-10-02 | 天津大学 | 一种曲面建筑表皮的优化方法 |
CN109085877A (zh) * | 2018-07-24 | 2018-12-25 | 上海电力学院 | 局部阴影条件下基于qapso算法光伏系统mppt控制方法 |
CN109656303A (zh) * | 2019-01-17 | 2019-04-19 | 江苏安赫传媒科技有限公司 | 基于最大粒子群跟踪微光伏灯箱最大功率点的方法 |
CN110471487A (zh) * | 2019-07-19 | 2019-11-19 | 湖南工业大学 | 一种基于自适应粒子群算法在光伏阵列多峰值系统mppt的控制方法 |
CN111694396A (zh) * | 2020-07-04 | 2020-09-22 | 湘潭大学 | 一种基于分子运动轨迹搜索算法的mppt控制 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060174939A1 (en) * | 2004-12-29 | 2006-08-10 | Isg Technologies Llc | Efficiency booster circuit and technique for maximizing power point tracking |
CN101635540A (zh) * | 2009-08-18 | 2010-01-27 | 河海大学 | 一种光伏发电最大功率点跟踪装置及其跟踪方法 |
CN101783621A (zh) * | 2010-02-08 | 2010-07-21 | 北京工商大学 | 光伏发电系统全局最大功率点跟踪方法及系统装置 |
CN101873090A (zh) * | 2010-07-06 | 2010-10-27 | 太原科技大学 | 有部分遮蔽的光伏发电系统最大功率输出优化控制方法 |
CN102263527A (zh) * | 2011-08-02 | 2011-11-30 | 北京航空航天大学 | 一种光伏发电系统最大功率点跟踪方法 |
CN102314190A (zh) * | 2011-05-04 | 2012-01-11 | 常州机电职业技术学院 | 独立光伏发电系统用的最大功率点快速跟踪方法 |
CN102624285A (zh) * | 2012-03-23 | 2012-08-01 | 浙江工业大学 | 光伏阵列最大功率点跟踪控制方法 |
-
2013
- 2013-01-22 CN CN201310023992.5A patent/CN103105884B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060174939A1 (en) * | 2004-12-29 | 2006-08-10 | Isg Technologies Llc | Efficiency booster circuit and technique for maximizing power point tracking |
CN101635540A (zh) * | 2009-08-18 | 2010-01-27 | 河海大学 | 一种光伏发电最大功率点跟踪装置及其跟踪方法 |
CN101783621A (zh) * | 2010-02-08 | 2010-07-21 | 北京工商大学 | 光伏发电系统全局最大功率点跟踪方法及系统装置 |
CN101873090A (zh) * | 2010-07-06 | 2010-10-27 | 太原科技大学 | 有部分遮蔽的光伏发电系统最大功率输出优化控制方法 |
CN102314190A (zh) * | 2011-05-04 | 2012-01-11 | 常州机电职业技术学院 | 独立光伏发电系统用的最大功率点快速跟踪方法 |
CN102263527A (zh) * | 2011-08-02 | 2011-11-30 | 北京航空航天大学 | 一种光伏发电系统最大功率点跟踪方法 |
CN102624285A (zh) * | 2012-03-23 | 2012-08-01 | 浙江工业大学 | 光伏阵列最大功率点跟踪控制方法 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499992A (zh) * | 2013-08-28 | 2014-01-08 | 浙江工业大学 | 含耦合电感的光伏阵列mppt接口电路 |
CN103499992B (zh) * | 2013-08-28 | 2015-03-04 | 浙江工业大学 | 含耦合电感的光伏阵列mppt接口电路 |
CN103488190A (zh) * | 2013-09-26 | 2014-01-01 | 河南理工大学 | 一种基于粒子群算法的太阳自动跟踪模糊控制系统 |
CN103712685B (zh) * | 2013-09-29 | 2015-10-07 | 浙江工业大学 | 光伏阵列辐照度测量辨识方法 |
CN103712685A (zh) * | 2013-09-29 | 2014-04-09 | 浙江工业大学 | 光伏阵列辐照度测量辨识方法 |
CN104699166A (zh) * | 2013-12-06 | 2015-06-10 | 广西大学 | 一种基于粒子群优化的多路mppt装置 |
CN103699170A (zh) * | 2013-12-23 | 2014-04-02 | 徐州工业职业技术学院 | 局部阴影下光伏发电系统最大功率点跟踪方法 |
CN103715719A (zh) * | 2014-01-20 | 2014-04-09 | 国家电网公司 | 一种适用于电力系统全过程动态仿真的光伏模型建模方法 |
CN103715719B (zh) * | 2014-01-20 | 2016-08-17 | 国家电网公司 | 一种适用于电力系统全过程动态仿真的光伏模型建模方法 |
CN103995559A (zh) * | 2014-04-25 | 2014-08-20 | 中国科学院广州能源研究所 | 一种基于环境参数模型的定电压mppt控制方法和系统 |
CN103995559B (zh) * | 2014-04-25 | 2015-12-30 | 中国科学院广州能源研究所 | 一种基于环境参数模型的定电压mppt控制方法和系统 |
CN104656616A (zh) * | 2015-01-09 | 2015-05-27 | 重庆交通大学 | 太阳能光伏发电阵列的集群控制方法 |
CN104656616B (zh) * | 2015-01-09 | 2017-02-22 | 重庆交通大学 | 太阳能光伏发电阵列的集群控制方法 |
CN104915899A (zh) * | 2015-06-30 | 2015-09-16 | 许继集团有限公司 | 一种基于特征聚类分析的光伏电站运行状态划分方法 |
CN107153212B (zh) * | 2016-03-03 | 2023-07-28 | 太阳能安吉科技有限公司 | 用于映射发电设施的方法 |
CN107153212A (zh) * | 2016-03-03 | 2017-09-12 | 太阳能安吉科技有限公司 | 用于映射发电设施的方法 |
CN106155170A (zh) * | 2016-07-15 | 2016-11-23 | 西安理工大学 | 一种太阳能电池最大功率跟踪控制方法 |
CN108107969A (zh) * | 2018-01-30 | 2018-06-01 | 扬州华鼎电器有限公司 | 用于光伏最大功率点跟踪的主动前应式控制系统及算法 |
CN108614943A (zh) * | 2018-05-10 | 2018-10-02 | 天津大学 | 一种曲面建筑表皮的优化方法 |
CN109085877A (zh) * | 2018-07-24 | 2018-12-25 | 上海电力学院 | 局部阴影条件下基于qapso算法光伏系统mppt控制方法 |
CN109656303A (zh) * | 2019-01-17 | 2019-04-19 | 江苏安赫传媒科技有限公司 | 基于最大粒子群跟踪微光伏灯箱最大功率点的方法 |
CN110471487A (zh) * | 2019-07-19 | 2019-11-19 | 湖南工业大学 | 一种基于自适应粒子群算法在光伏阵列多峰值系统mppt的控制方法 |
CN111694396A (zh) * | 2020-07-04 | 2020-09-22 | 湘潭大学 | 一种基于分子运动轨迹搜索算法的mppt控制 |
Also Published As
Publication number | Publication date |
---|---|
CN103105884B (zh) | 2014-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103105884B (zh) | 光伏发电系统最大功率点跟踪系统及方法 | |
Liu et al. | Global MPPT algorithm with coordinated control of PSO and INC for rooftop PV array | |
Durganjali et al. | Recent developments and future advancements in solar panels technology | |
CN105867514B (zh) | 一种光伏系统多峰值最大功率跟踪方法及系统 | |
Wang et al. | Analysis of the characteristics of solar cell array based on MATLAB/Simulink in solar unmanned aerial vehicle | |
CN103699170A (zh) | 局部阴影下光伏发电系统最大功率点跟踪方法 | |
Liu et al. | A fault detection and diagnosis technique for solar system based on Elman neural network | |
CN112711294A (zh) | 一种局部遮挡下光伏阵列全局最大功率点追踪方法 | |
CN112083753A (zh) | 一种光伏并网逆变器的最大功率点跟踪控制方法 | |
Tomy et al. | Load frequency control of a two area hybrid system consisting of a grid connected PV system and thermal generator | |
Saadi et al. | Power Control Approach for PV Panel System Based on PSO and INC Optimization Algorithms. | |
Wang et al. | Photovoltaic Power Generation Systems and Applications Using Particle Swarm optimization Algorithms. | |
Waghmare-Ujgare et al. | Exploration of partial shading condition in photovoltaic array | |
Khosrojerdi et al. | Microcontroller-based maximum power point tracking methods in photovoltaic systems | |
Murtaza et al. | Optimization of the perturb and observe maximum power point tracker for a distributed photovoltaic system | |
Faqih et al. | Smart grid photovoltaic system pilot scale using sunlight intensity and state of charge (SoC) battery based on Mamdani fuzzy logic control | |
Chou et al. | Adaptive Neuro Fuzzy Inference System Based MPPT Algorithm applied to Photovoltaic Systems Under Partial Shading Conditions | |
Huang et al. | Development of intelligent solar panel cleaning system with fuzzy logic theorem | |
Verma et al. | A Survey on Grid Connected Solar Photovoltaic System | |
Truc et al. | Improved Sliding Mode Control Based on Perturb & Observe for Maximum Power Point Tracking from PV System | |
Alici et al. | Designing and performance analysis of solar tracker system: a case study of Çukurova region | |
Belloni et al. | A street lighting based on solar energy: optimization of a neural network for the productivity evaluation in different climate conditions | |
Kamala et al. | Characterization of PV cells with varying weather parameters to achieve maximum power | |
Yetayew et al. | Evaluation of by-pass diode and DMPPT under partial shade condition of photovoltaic systems | |
Jabarullah et al. | Maximum Power Point Tracking in PV Device: Material, Efficiency and Models to Supply Non-Linear DC Power Supply |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140625 Termination date: 20210122 |