CN108459652A - 一种局部遮阴下光伏系统最大功率跟踪控制方法 - Google Patents
一种局部遮阴下光伏系统最大功率跟踪控制方法 Download PDFInfo
- Publication number
- CN108459652A CN108459652A CN201810449614.6A CN201810449614A CN108459652A CN 108459652 A CN108459652 A CN 108459652A CN 201810449614 A CN201810449614 A CN 201810449614A CN 108459652 A CN108459652 A CN 108459652A
- Authority
- CN
- China
- Prior art keywords
- particle
- fitness
- population
- photovoltaic system
- maximum power
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
- G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
- G05F1/66—Regulating electric power
- G05F1/67—Regulating electric power to the maximum power available from a generator, e.g. from solar cell
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M3/00—Conversion of dc power input into dc power output
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M1/00—Details of apparatus for conversion
- H02M1/0003—Details of control, feedback or regulation circuits
- H02M1/0012—Control circuits using digital or numerical techniques
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种局部遮阴下光伏系统最大功率跟踪控制方法,所述方法主要包括初始化策略、约束机制和计算适应度、横向交叉、纵向交叉以及保存全局最优等几个方面。本发明方法所采用的纵横交叉算法是当前一种全新的智能优化算法,相比于粒子群算法(PSO)和遗传算法(GA)等智能优化算法,它在解决高维非凸多峰的优化问题上具有求解精度高、收敛速度快等特点。点该算法通过横向交叉、纵向交叉和竞争算子来实现种群的优化迭代过程,最终求得最优解。
Description
技术领域
本发明涉及光伏发电系统技术领域,具体涉及一种局部遮阴下光伏系统最大功率跟踪控制方法。
背景技术
光伏能源因其可持续性、清洁性和无须维护等特点成为目前广泛应用的可再生能源。然而,光伏发电系统的输出密度很低且主要取决于安装的环境与光伏阵列的表面温度。在局部遮阴的情况下,光伏发电系统的输出功率会大大降低,造成大量的能量损耗。光伏阵列的P-U曲线在局部遮阴的条件下会产生多个峰值,为了使光伏发电系统的输出功率尽可能地最大化,需采用最大功率点跟踪控制方法来实现。
而传统的最大功率点跟踪方法如扰动观测法、导纳增量法、短路电流法、开路电压法和模糊逻辑控制等都是为了通过降低硬件要求来提升跟踪的性能,但是这些都是在同一日晒条件下即单峰现象中才行之有效。
遮阴情况下,针对光伏阵列的P-U曲线出现多个峰值的这一现象,有学者运用一种智能优化算法即粒子群算法(particle swarm optimization,PSO)来解决这一问题。该智能优化算法相对于传统的最大功率跟踪方法,具有降低系统成本、模型相对简单且独立运行等优点。然而,在处理这类多峰问题时,粒子群算法仍然存在着收敛速度慢、控制精度较低以及容易过早收敛等问题。
因此,光伏发电系统的输出功率的智能跟踪技术还有待于改进。
发明内容
本发明针对现有技术中局部遮阴下光伏阵列P-U曲线出现多个峰值的最大功率跟踪问题,提出一种局部遮阴下光伏系统最大功率跟踪方法,该方法基于纵横交叉智能优化算法(crisscross optimization algorithm,CSO),在局部遮阴的情况下实现光伏系统的最大功率的跟踪控制。
为了实现本发明目的,本发明实施例提出一种局部遮阴下光伏系统最大功率跟踪控制方法,包括如下步骤:
步骤(1),初始化种群,设种群大小为X,最大迭代次数为m,种群中的每一个粒子表示一个解,将粒子的位置定义成DC/DC转换器的占空比d;
步骤(2),计算每个父代粒子的适应度,所述适应度为局部遮阴下光伏系统输出功率ppv;
步骤(3),种群中任意两个粒子X(i)和X(j)横向交叉产生两个中庸解MShc(i)和MShc(j),计算所述两个中庸解MShc(i)和MShc(j)的适应度,分别将MShc(i)和MShc(j)与其父代粒子X(i)和X(j)的适应度进行比较,比较后分别保留适应度较好的解作为占优解DShcX(i)和DShcX(j);
步骤(4),粒子DShcX(i)的第d1维和第d2维进行纵向交叉产生中庸解MSvcX(i,d1),粒子DShcX(j)的第d1维和第d2维进行纵向交叉产生中庸解MSvcX(j,d1),分别计算中庸解MSvcX(i,d1)和MSvcX(j,d1)的适应度,并分别与其父代DShcX(i)和DShcX(j)的适应度进行比较,比较后分别保存适应度较好的作为占优解DSvcX(i,d1)和DSvcX(j,d1);
步骤(5),将所有粒子进行反归一化操作,更新种群;
步骤(6),计算新种群每个粒子的适应度,保留适应度最好的粒子,记作gbest;
步骤(7),判断是否达到最大迭代次数m,若没有则进行步骤(2),继续迭代;若达到最大迭代次数m,则输出gbest,得到最终优化结果。
优选地,所述方法还包括:定义输出功率pv约束的搜索空间为[Dmin,Dmax],迭代计算过程中子代若超过[Dmin,Dmax]上下限值,则以边界值取代。
优选地,所述横向交叉为在种群中任意两个粒子的所有维度之间进行的交叉假设。
优选地,假设父代粒子X(i)和X(j)的第d维进行横向交叉,则产生子代粒子为:
式中:d=1,2,···,N;r1,r2是[0,1]之间的随机数;c1,c2是[-1,1]之间的随机数。
优选地,所述纵向交叉是将种群中的粒子进行不同维之间的交叉。
优选地,设置纵向交叉概率为pv,使用纵向交叉概率Pvc来控制种群参与纵向交叉的维的数量规模。
优选地,假设父代粒子X(i,d1)和X(i,d2)将第d1维和第d2维经纵向交叉后产生的第d1维子代为:
MSvc(i,d1)=r·X(i,d1)+(1-r)·X(i,d2)
i∈(i,M)d1,d2∈N(1,D)
式中:r∈(0,1)。
实施本发明实施例的具有以下有益效果:
(1)使用本发明实施例方法进行光伏系统功率跟踪能够更快速地实现在局部遮阴情况下对光伏发电系统的最大功率点跟踪,从而提高了光电转换效率;
(2)使用本发明实施例方法进行光伏系统功率跟踪能够更精确地跟踪到光伏发电系统的最大功率点,误差小,切合实际情况,并能应用到任何具有光伏发电系统的区域中。
(3)本发明实施例方法所采用的纵横交叉算法是当前一种全新的智能优化算法,相比于粒子群算法(PSO)和遗传算法(GA)等智能优化算法,它在解决高维非凸多峰的优化问题上具有求解精度高、收敛速度快等特点。点该算法通过横向交叉、纵向交叉和竞争算子来实现种群的优化迭代过程,最终求得最优解。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述光伏电池的等效电路图;
图2为本发明实施例所述不同遮阴情况下光伏阵列的I-U特性曲线示意图;
图3为本发明实施例所述不同遮阴情况下光伏阵列的P-U特性曲线示意图;
图4为本发明实施例所述光伏发电系统模块示意图;
图5为本发明实施例所述局部遮阴下光伏系统最大功率跟踪控制方法流程图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透切理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了一种局部遮阴下光伏系统最大功率跟踪控制方法。
其中,对于光伏电池的基本特性,单个光伏电池可以用一个简化的电路模型来等效,如图1所示。这个模型包含一个电流源Ig、一个二极管D和一个串联的电阻Rs。则净电流IPV的推导公式如下所示。
式中,n为二极管影响因子;k为玻尔兹曼常数;q为电子电荷;T为开尔文温度;Rs为串联等效电阻;Is为饱和电流。
其中,对于光伏电池的输出特性,光伏电池模块通常有多个光伏电池串联或并联组成,光伏发电系统是由数个光伏电池模块串联或并联组成。在局部遮阴情况下,无光照的光伏电池只作为负载产生热斑效应,这会损坏光伏电池。因此,解决的办法就是给光伏电池并联一个旁路二极管。基于此,在局部遮阴的情况下,光伏电池模块的P-U曲线因并联的旁路二极管而出现多个峰值。从而导致常规的单峰最大功率点跟踪算法无法运用于局部遮阴情况下最大功率点的跟踪。在图2和图3中,曲线1为光伏发电系统在没有任何遮挡的情况下的输出特性曲线,曲线2为光伏发电系统在局部遮阴情况下的输出特性曲线。其中图2中曲线2呈阶梯状,而曲线1为正常无遮挡情况。
图4为一种光伏发电系统结构示意,该系统包括一个串联的光伏电池模块1、DC/DC转换器2、数字控制器3和负载4。其中数字控制器3中集合了所提出的最大功率跟踪(MPPT)算法,光伏电池模块1与负载4之间通过一个DC/DC转换器2连接在一起,其中DC/DC转换器2为一个简单的升压变压器。
如图5所示,具体而言,本发明实施例方法求解局部遮阴条件下光伏发电系统最大功率跟踪控制调度问题实现流程如下:
步骤(1),初始化种群,设种群大小为X,即局部遮阴下光伏发电系统连接的光伏电池数目为X;最大迭代次数为m,种群中的每一个粒子表示一个解,将粒子的位置定义成DC/DC转换器的占空比d,定义输出功率pv约束的搜索空间为[Dmin,Dmax],迭代次数i=1;
步骤(2),采用适应度函数来识别每个粒子的优劣,计算每个父代粒子的适应度,所述适应度为局部遮阴下光伏系统输出功率ppv;通过相关滤波器得到光伏电池模块的电压VPV和电流IPV来计算每个父代粒子的适应度,适应度最好的粒子,记作gbest;
具体而言,需要先根据粒子i的位置输出占空比d,然后通过传感器得到光伏电池板的电压电流值,根据电压电流值计算发电功率和适应度。
步骤(3),种群中任意两个粒子X(i)和X(j)横向交叉产生两个中庸解MShc(i)和MShc(j),计算所述两个中庸解MShc(i)和MShc(j)的适应度,分别将MShc(i)和MShc(j)与其父代粒子X(i)和X(j)的适应度进行比较,比较后分别保留适应度较好的解作为占优解DShcX(i)和DShcX(j),用于参与后续纵向交叉;
具体而言,本实施例方法中横向交叉是在种群中任意两个粒子的所有维度之间进行的交叉假设。横向交叉是在种群中任意两个粒子的所有维度之间进行的交叉。假设父代粒子X(i)和X(j)的第d维进行横向交叉,则产生子代粒子为:
式中:d=1,2,···,N;r1,r2是[0,1]之间的随机数;c1,c2是[-1,1]之间的随机数;
其中,横向交叉得到中庸解MShc,通过竞争机制与父代种群DSvc进行比较,适应度更高的粒子才能被保留下来,更新的结果保存在矩阵DShc中。
步骤(4),粒子DShcX(i)的第d1维和第d2维进行纵向交叉产生中庸解MSvcX(i,d1),粒子DShcX(j)的第d1维和第d2维进行纵向交叉产生中庸解MSvcX(j,d1),分别计算中庸解MSvcX(i,d1)和MSvcX(j,d1)的适应度,并分别与其父代DShcX(i)和DShcX(j)的适应度进行比较,比较后分别保存适应度较好的作为占优解DSvcX(i,d1)和DSvcX(j,d1);
其中,迭代计算过程中子代若超过[Dmin,Dmax]上下限值,则以边界值取代。
具体而言,本实施例方法中纵向交叉是将种群中的粒子进行不同维之间的交叉。由于粒子不同维的物理意义不尽相同,在交叉前需要对粒子各个维度进行归一化处理。纵向交叉只产生一个子代,目的是使局部最优的维摆脱出来且不破坏其他正常维。使用纵向交叉概率Pvc来控制种群参与纵向交叉的维的数量规模。假设父代粒子X(i,d1)和X(i,d2)将第d1维和第d2维经纵向交叉后产生的第d1维子代为:
MSvc(i,d1)=r·X(i,d1)+(1-r)·X(i,d2)
i∈(i,M)d1,d2∈N(1,D)
式中:r∈(0,1),纵向交叉操作的父代种群是横向交叉后经过竞争算子保留下来的占优解DShc,采用竞争机制更新DSvc。
步骤(5),将所有粒子进行反归一化操作,更新种群;
步骤(6),计算新种群每个粒子的适应度,保留适应度最好的粒子,记作gbest;
步骤(7),判断是否达到最大迭代次数m,若没有则进行步骤(2),则i=i+1,继续迭代;若i达到最大迭代次数m,即i=m,则输出gbest,得到最终优化结果。
在实际工程中,大多数群智能算法的局部最优问题往往是由于种群的某些维停滞不前,称之为维局部最优。然而,纵横交叉算法的纵向交叉是通过种群中不同维进行算术交叉实现的。根据纵向交叉概率Pvc进行交叉操作不仅能使陷入停滞不前的维有机会摆脱出来,同时它的变异方式能较好地维持种群的多样性。交叉后子代粒子同样进入竞争机制,与其父代粒子进行比较,择优保留在DSvc中。
通过以上描述可知,实施本发明实施例方法的具有以下有益效果:
(1)使用本发明实施例方法进行光伏系统功率跟踪能够更快速地实现在局部遮阴情况下对光伏发电系统的最大功率点跟踪,从而提高了光电转换效率;
(2)使用本发明实施例方法进行光伏系统功率跟踪能够更精确地跟踪到光伏发电系统的最大功率点,误差小,切合实际情况,并能应用到任何具有光伏发电系统的区域中。
(3)本发明实施例方法所采用的纵横交叉算法是当前一种全新的智能优化算法,相比于粒子群算法(PSO)和遗传算法(GA)等智能优化算法,它在解决高维非凸多峰的优化问题上具有求解精度高、收敛速度快等特点。点该算法通过横向交叉、纵向交叉和竞争算子来实现种群的优化迭代过程,最终求得最优解。
本发明实施例中方法中未展开的部分,可参考以上实施例的方法的对应部分,在此不再详细展开。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种局部遮阴下光伏系统最大功率跟踪控制方法,其特征在于,包括如下步骤:
步骤(1),初始化种群,设种群大小为X,最大迭代次数为m,种群中的每一个粒子表示一个解,将粒子的位置定义成DC/DC转换器的占空比d;
步骤(2),计算每个父代粒子的适应度,所述适应度为局部遮阴下光伏系统输出功率ppv;
步骤(3),种群中任意两个粒子X(i)和X(j)横向交叉产生两个中庸解MShc(i)和MShc(j),计算所述两个中庸解MShc(i)和MShc(j)的适应度,分别将MShc(i)和MShc(j)与其父代粒子X(i)和X(j)的适应度进行比较,比较后分别保留适应度较好的解作为占优解DShcX(i)和DShcX(j);
步骤(4),粒子DShcX(i)的第d1维和第d2维进行纵向交叉产生中庸解MSvcX(i,d1),粒子DShcX(j)的第d1维和第d2维进行纵向交叉产生中庸解MSvcX(j,d1),分别计算中庸解MSvcX(i,d1)和MSvcX(j,d1)的适应度,并分别与其父代DShcX(i)和DShcX(j)的适应度进行比较,比较后分别保存适应度较好的作为占优解DSvcX(i,d1)和DSvcX(j,d1);
步骤(5),将所有粒子进行反归一化操作,更新种群;
步骤(6),计算新种群每个粒子的适应度,保留适应度最好的粒子,记作gbest;
步骤(7),判断是否达到最大迭代次数m,若没有则进行步骤(2),继续迭代;若达到最大迭代次数m,则输出gbest,得到最终优化结果。
2.如权利要求1所述的局部遮阴下光伏系统最大功率跟踪控制方法,其特征在于,所述方法还包括:定义输出功率pv约束的搜索空间为[Dmin,Dmax],迭代计算过程中子代若超过[Dmin,Dmax]上下限值,则以边界值取代。
3.如权利要求1所述的局部遮阴下光伏系统最大功率跟踪控制方法,其特征在于,所述横向交叉为在种群中任意两个粒子的所有维度之间进行的交叉假设。
4.如权利要求3所述的局部遮阴下光伏系统最大功率跟踪控制方法,其特征在于,假设父代粒子X(i)和X(j)的第d维进行横向交叉,则产生子代粒子为:
式中:d=1,2,···,N;r1,r2是[0,1]之间的随机数;c1,c2是[-1,1]之间的随机数。
5.如权利要求1所述的局部遮阴下光伏系统最大功率跟踪控制方法,其特征在于,所述纵向交叉是将种群中的粒子进行不同维之间的交叉。
6.如权利要求5所述的局部遮阴下光伏系统最大功率跟踪控制方法,其特征在于,设置纵向交叉概率为pv,使用纵向交叉概率Pvc来控制种群参与纵向交叉的维的数量规模。
7.如权利要求6所述的局部遮阴下光伏系统最大功率跟踪控制方法,其特征在于,假设父代粒子X(i,d1)和X(i,d2)将第d1维和第d2维经纵向交叉后产生的第d1维子代为:
MSvc(i,d1)=r·X(i,d1)+(1-r)·X(i,d2)
i∈(i,M)d1,d2∈N(1,D)
式中:r∈(0,1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810449614.6A CN108459652A (zh) | 2018-05-11 | 2018-05-11 | 一种局部遮阴下光伏系统最大功率跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810449614.6A CN108459652A (zh) | 2018-05-11 | 2018-05-11 | 一种局部遮阴下光伏系统最大功率跟踪控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108459652A true CN108459652A (zh) | 2018-08-28 |
Family
ID=63215605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810449614.6A Pending CN108459652A (zh) | 2018-05-11 | 2018-05-11 | 一种局部遮阴下光伏系统最大功率跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108459652A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110071496A (zh) * | 2019-03-29 | 2019-07-30 | 广东工业大学 | 一种基于波浪发电的直流微电网功率优化配置与运行方法 |
CN111831048A (zh) * | 2020-06-18 | 2020-10-27 | 广东工业大学 | 一种用于光伏阵列的优化方法 |
CN113050745A (zh) * | 2020-12-22 | 2021-06-29 | 三峡大学 | 选秀竞争算法dca及基于该算法的光伏系统最大功率点跟踪方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239961A (zh) * | 2014-07-16 | 2014-12-24 | 广东工业大学 | 一种基于纵横交叉算法的电力系统经济调度优化方法 |
CN104408529A (zh) * | 2014-11-21 | 2015-03-11 | 广东工业大学 | 电网短期负荷预测方法 |
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 |
CN106444956A (zh) * | 2016-10-31 | 2017-02-22 | 北京信息科技大学 | 一种基于粒子群优化的光伏最大功率点跟踪的控制方法及装置 |
CN107633367A (zh) * | 2017-09-25 | 2018-01-26 | 广东工业大学 | 一种热电联产动态经济调度方法及装置 |
-
2018
- 2018-05-11 CN CN201810449614.6A patent/CN108459652A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239961A (zh) * | 2014-07-16 | 2014-12-24 | 广东工业大学 | 一种基于纵横交叉算法的电力系统经济调度优化方法 |
CN104408529A (zh) * | 2014-11-21 | 2015-03-11 | 广东工业大学 | 电网短期负荷预测方法 |
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 |
CN106444956A (zh) * | 2016-10-31 | 2017-02-22 | 北京信息科技大学 | 一种基于粒子群优化的光伏最大功率点跟踪的控制方法及装置 |
CN107633367A (zh) * | 2017-09-25 | 2018-01-26 | 广东工业大学 | 一种热电联产动态经济调度方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110071496A (zh) * | 2019-03-29 | 2019-07-30 | 广东工业大学 | 一种基于波浪发电的直流微电网功率优化配置与运行方法 |
CN111831048A (zh) * | 2020-06-18 | 2020-10-27 | 广东工业大学 | 一种用于光伏阵列的优化方法 |
CN111831048B (zh) * | 2020-06-18 | 2022-08-19 | 广东工业大学 | 一种用于光伏阵列的优化方法 |
CN113050745A (zh) * | 2020-12-22 | 2021-06-29 | 三峡大学 | 选秀竞争算法dca及基于该算法的光伏系统最大功率点跟踪方法 |
CN113050745B (zh) * | 2020-12-22 | 2022-05-06 | 三峡大学 | 选秀竞争算法dca及基于该算法的光伏系统最大功率点跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bahari et al. | Modeling and simulation of hill climbing MPPT algorithm for photovoltaic application | |
CN103166239B (zh) | 集中-分布混合式新能源发电系统及最大功率点跟踪控制方法 | |
CN103730910B (zh) | 一种大规模光伏电站并网的动态等值方法 | |
Motahhir et al. | Proposal and implementation of a novel perturb and observe algorithm using embedded software | |
CN108459652A (zh) | 一种局部遮阴下光伏系统最大功率跟踪控制方法 | |
CN102355165A (zh) | 具有全局最大功率输出功能的光伏发电装置 | |
Mishra et al. | A critical review on advanced reconfigured models and metaheuristics-based MPPT to address complex shadings of solar array | |
Ounnas et al. | An efficient maximum power point tracking controller for photovoltaic systems using Takagi–Sugeno fuzzy models | |
CN110794917B (zh) | 基于改进天牛须搜索算法的最大功率点跟踪的方法 | |
CN106155170B (zh) | 一种太阳能电池最大功率跟踪控制方法 | |
Ghayth et al. | Performance enhancement of PV array utilizing Perturb & Observe algorithm | |
CN109062314A (zh) | 局部遮蔽条件下的改进布谷鸟光伏全局最大功率追踪方法 | |
CN105375518B (zh) | 一种光伏mppt模糊控制方法及系统 | |
Mao et al. | Modeling and global MPPT for PV system under partial shading conditions using modified artificial fish swarm algorithm | |
CN104699166A (zh) | 一种基于粒子群优化的多路mppt装置 | |
Khoucha et al. | An improved MPPT interleaved boost converter for solar electric vehicle application | |
CN112711294A (zh) | 一种局部遮挡下光伏阵列全局最大功率点追踪方法 | |
CN103066888B (zh) | 一种具有自补偿功能的光伏组件 | |
CN111478335B (zh) | 一种计及分布式光伏的配电网潮流计算方法及系统 | |
CN108565884A (zh) | 一种自适应遗传优化的太阳能电池板mppt控制方法 | |
Khazain et al. | Boost converter of maximum power point tracking (MPPT) using particle swarm optimization (PSO) method | |
Gawande et al. | Modern approach for hybridization of PSO-INC MPPT methods for efficient solar power tracking | |
CN116992777A (zh) | 一种元启发式改进沙猫群优化算法的局部阴影阵列mppt方法 | |
CN109038644B (zh) | 一种微能源网系统及其调压控制方法 | |
Zhou et al. | A Novel Maximum Power Point Tracking Strategy Based on Enhanced Real-Time Adaptive Step-Size Modified Control for Photovoltaic Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180828 |