CN108565884A - 一种自适应遗传优化的太阳能电池板mppt控制方法 - Google Patents
一种自适应遗传优化的太阳能电池板mppt控制方法 Download PDFInfo
- Publication number
- CN108565884A CN108565884A CN201711491614.4A CN201711491614A CN108565884A CN 108565884 A CN108565884 A CN 108565884A CN 201711491614 A CN201711491614 A CN 201711491614A CN 108565884 A CN108565884 A CN 108565884A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- control method
- inverter
- solar panel
- switch
- 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.)
- Withdrawn
Links
- 230000002068 genetic effect Effects 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 238000012546 transfer Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 6
- 230000004075 alteration Effects 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000009987 spinning Methods 0.000 claims description 3
- 241001125929 Trisopterus luscus Species 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 230000035772 mutation Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000012549 training Methods 0.000 abstract description 3
- 239000000203 mixture Substances 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 239000000686 essence Substances 0.000 description 2
- 101150110971 CIN7 gene Proteins 0.000 description 1
- 101100286980 Daucus carota INV2 gene Proteins 0.000 description 1
- 101150110298 INV1 gene Proteins 0.000 description 1
- 101100397044 Xenopus laevis invs-a gene Proteins 0.000 description 1
- 101100397045 Xenopus laevis invs-b gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H02J3/385—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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)
- Control Of Electrical Variables (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种自适应遗传优化的太阳能电池板MPPT控制方法,通过串联开关和并联开关,将m组光伏阵列和n台逆变器矩阵相连,组成分布式开关网络拓扑结构;通过自适应遗传算法对串联开关和并联开关控制,使光伏阵列可以灵活组合,匹配接入相应功率等级的伏逆变器,实现群控管理,使光伏系统的输出功率最大化,提高了转换效率,降低了操作培训以及维护成本,提升了适应性,避免了复杂的多峰值MPPT控制方法。
Description
技术领域
本发明涉及一种自适应遗传优化的太阳能电池板MPPT控制方法。
背景技术
在实际的光伏发电过程中,由于受天气的不断变化的影响,特别是云团飘过给地面光伏阵列带来的阴影遮挡,导致光伏发电系统输出功率大大降低。目前市场上提高光伏阵列输出功率的一种主要方式是:优化光伏阵列的连接关系。
该方式是基于电池元补偿的局部优化方案,这类控制算法及电路实现比较容易,然而,如果光伏阵列大面积受阴影覆盖,补偿的电池元数量可能不够,使得提供补偿的活动电池元与固定电池元之间的数量比例如何进行最佳配置难以确定。
发明内容
针对上述问题,本发明的首要目的是提供一种自适应遗传优化的太阳能电池板MPPT控制方法,使光伏阵列的输出功率尽可能接近于光伏逆变器的额定功率;同时,在控制过程中采用自适应的遗传算法来实现多组光伏阵列与多台光伏逆变器之间的群控管理。
为解决上述技术问题,本发明所采用的技术方案是:
一种自适应遗传优化的太阳能电池板MPPT控制方法,通过串联开关和并联开关,将m组光伏阵列和n台逆变器矩阵相连,组成分布式开关网络拓扑结构;通过自适应遗传算法对串联开关和并联开关控制,使光伏阵列可以灵活组合,匹配接入相应功率等级的伏逆变器,实现群控管理,使光伏系统的输出功率最大化。
本发明的有益效果如下:
(1)提高了转换效率。基于自适应的遗传优化算法,对太阳能光伏阵列群实现最优的开关组合,从而大大提升了太阳能的转换效率。
(2)降低了操作培训以及维护成本。自适应遗传优化算法使得整个系统能针对各种不同的天气条件,做出最优的控制策略,而无需人为的进行干预,从而大大降低了操作培训,同时也降低了维护的成本。
(3)提升了适应性。原方案的太阳能光伏系统在阴天和雨天等关照不足的天气情况下,转换效率比较低。而采用自适应遗传优化算法的太阳能光伏阵列则可以在不同的天气条件下,实现极高的效率转换。
(4)避免了复杂的多峰值MPPT控制方法。经过自适应遗传算法,太阳能光伏阵列进行了重新组合,大大减少了被遮荫的光伏组件与其他未被遮荫组件的组合,所以其输出特性更接近于理想状态,减少了多峰的数量,这让光伏系统更容易追踪到最大功率点,降低了最大功率跟踪易陷入局部峰值的可能性,从而避免了复杂的多峰值MPPT控制方法。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例分布式开关拓扑结构示意图;
图2为本发明实施例串联开关矩阵示意图;
图3为本发明实施例并联开关矩阵示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
一种自适应遗传优化的太阳能电池板MPPT控制方法,下面结合附图和实施例对本发明作进一步的说明:
(1)分布式网络架构
本文研究的分布式开关网络拓扑结构如图1所示,该网络上连接了m 组光伏阵列和n台逆变器.图1中光伏阵列由PV1,PV2,…,PVm构成,不同功率等级的逆变器由INV1,INV2,…,INVn构成(m>n),两者之间通过串联和并联开关矩阵相连,串联开关由PS1,PS2,…,PSm和TS1, TS2,…,TSm组成,PS和TS的矩阵形式表示如图2所示。串联开关矩阵 S中的0/1代表了开关的连接状态,“0”表示断开,“1”表示连接
与此对应,并联开关由P1,P2,…,Pm组成,并联开关P的矩阵形式可表示为如图3所示。
矩阵P中的列向量代表不同功率等级逆变器上挂接的光伏阵列,行向量代表光伏阵列与各个光伏逆变器的连接状态,“0”表示断开,“1”表示连接.这样,经过开关矩阵的分布式网络连接之后,光伏阵列PV1,PV2,…, PVm就可以灵活组合,匹配接入相应功率等级的伏逆变器,实现群控管理。
(2)自适应遗传算法对开关控制
1)算法描述
(a)目标函数
网络重构的目标是为了使光伏系统的输出功率最大化,因此算法的目标函数设为
式中,Pin表示接入各个逆变器时的光伏输入功率,εi表示各个光伏逆变器的转换效率,Pout表示光伏发电系统的输出功率;PV1×m表示为m 组光伏阵列产生功率的行向量形式,εn×1表示为n台光伏逆变器转换效率的列向量形式;Sm×m、Pm×n分别表示串行和并行开关矩阵向量。
(b)约束条件
经过串、并组合后的光伏阵列接入不同功率等级的光伏逆变器,必须满足输入电流小于光伏逆变器的额定电流,与此同时输入电压必须在光伏逆变器的额定区间范围之内。
电流限制:
电压约束:
式中,n台光伏逆变器的最大输入电流表示为I1max,I2max,…,Inmax,其输入的直流电压范围为[V1min,V1max],[V2min,V2max]…[Vnmin, Vnmax];Ii表示为第i台光伏逆变器的输入电流,由j组光伏阵列Iij并联组合而成;Vi表示为第i台光伏逆变器的输入电压,由j组光伏阵列Vij 串联组合而成。
(c)编码
光伏发电网络重构原理的实质就是通过改变开关的状态以改变网络中的拓扑结构,从而达到某种目标最优,编码操作就是遗传算法在搜索之前将解空间的数据阵列成遗传空间的基因型串数据的过程.由于开关在网络关系中起到通断作用,一旦确定由哪几个光伏阵列串、并联组合接入指定的逆变器中,则与之对应的开关必然被选定.因此本文以光伏阵列网络中的开关为基因,对于阵列连接关系中每个开关进行编码,每个开关占据染色体的一位:若某个开关被接通,则在染色体中用“1”表示;反之则用“0”表示.网络中每组串、并联开关的状态组合在一起,就形成了一条染色体.在实现过程中,分为串联矩阵编码和并联矩阵编码两种结构.当光伏发电网络由m组光伏阵列和n台光伏逆变器构成时,串联编码就由m×m矩阵形式组成,并联编码就由m×n矩阵形式组成。
(d)旋轮法选择
选择操作采用择优策略,每次按照旋轮法选择执行遗传算法,以适应度函数值f(x)为标准,适应度函数定义为光伏发电系统输出功率总量,即目标函数.选择的概率为
式中,N为种群个体数,产生0~1之间的随机数q,当Pu(xi-1)≤q 且pPu(xi-1)>q时,则种群中的第i个个体才能被选中,将个体信息遗传到下一代群体中。
(e)自适应的交叉和变异
本系统采用一种自适应的交叉和变异概率,其操作原理为:交叉率Pc 和变异率Pm是根据个体的适应度值来自适应地加以改变.当群体有陷入局部最优解的可能趋势时,就自适应提高Pc和Pm,当群体在解空间中发散时,就自适应降低Pc和Pm,从而达到克服过早收敛及加快收敛速度的目的,具体计算公式为
Pc=Pc1,f′<favg
Pm=Pm1,f′<favg
式中,fmax为群体中最大的适应度值,favg为群体的平均适应度值,f’为要交叉的2个个体中较大的适应度值,f为要变异个体的适应度值,Pc1 及Pc2分别表示交叉率取值的上、下限,Pm1、Pm2分别表示变异率取值的上、下限。
(f)终止条件
终止判决条件为保持最优解连续不变的最大迭代MAX,或满足遗传算法最大迭代次数MAXGEN.只要满足两个条件中任何一条搜索就结束。
2)开关切换的控制
系统采用自适应遗传算法对开关矩阵的切换进行控制,通过开关矩阵的切换来优化各组光伏阵列与各台光伏逆变器之间的连接关系,达到各组光伏阵列输出功率与各台逆变器工作功率之间的合理配置,以解决当光伏阵列上被阴影遮挡时,其输出功率远低于光伏逆变器的额定功率,从而导致光伏发电系统输出总功率下降的问题。
(a)开关切换条件
算法的启动运行会直接引起开关的切换,同时光伏电池上的输出功率会经常波动,为了减少开关的动作次数,也就是说要减少算法不必要的启动(例如光伏面板上日照强度的轻微波动等情况),文中定时设置每隔10 分钟,将光伏阵列上的电压电流数据汇聚到群控器,进行算法自适应的启动判别,即
式中Ii,k和Vi,k分别表示为第k次采样第i块光伏阵列的电流和电压值; Ii,k+1和V i,k+1分别表示为第k+1次采样第i块光伏阵列的电流和电压值;ε1,ε2为启动因子,一般情况下ε1和ε2取值分别为0.1和0.2,取该数值的原因在于,根据经验光伏电池在均匀光照下Impp(最大功率点电流)和Vmpp(最大功率点电压)分别出现在大约90%的ISC(短路电流) 和80%的Voc(开路电压)附近。
当条件同时满足时,只是触发了算法准备启动,而要真正达到算法启动,还要等待功率监测系统延迟60秒之后,再去获取光伏阵列上的电气参数,当条件仍然同时满足,即光伏阵列上的阴影遮挡得到了再次确认之后,这时才真正启动算法开始优化操作,开关矩阵开始切换.这样做的目的是为了减少短时阴影遮挡形成的干扰(例如云团的快速飘过给光伏阵列上形成的阴影遮挡),当光伏阵列上的输出功率变化小于60秒,就不会启动算法运行,进行开关切换,从而大大减少了开关动作的次数。
(b)开关切换原理
在工程实践应用中,把算法的遗传优化过程,具体分为了图2中串联开关矩阵S与并联开关矩阵P两种切换控制部分.通过对串联开关矩阵S 的切换控制来完成光伏阵列的串联关系灵活组合,通过对并联开关矩阵P 的切换控制来完成光伏阵列的并联关系灵活组合。
当光伏阵列的子串组件进行串联组合时,其光伏阵列整体的对外输出电流受限于其内部所有子串组件输出电流中的那个最小值。
因此,在算法的遗传优化过程中,通过串联开关切换,把输出电流值尽可能接近的子串组件串联在一起形成光伏阵列。
同时,并联开关的切换是为了实现光伏阵列到逆变器的电气接入,于是要求并联组合在一起的光伏阵列输出电压相等。
并且,由于并联光伏阵列要接入逆变器,所以算法的遗传优化过程必须满足,所有并联在一起的光伏阵列输出电流之和要小于逆变器的最大输入电流,输出电压要小于逆变器的最大输入电压。
为了保证在开关切换时,光伏发电系统输出功率不发生较大波动,研究中采用群控器来进行功率跟踪(Maximum Power Point Tracking,MPPT) 以及开关协同切换.首先,在并联开关合上之前,监测开关两侧的电压电流信息,由群控器进行MPPT,判断哪些逆变器需要投入,哪些逆变器需要退出.其次,将采样的电网电压、负载电流及MPPT的跟踪电流,经过dq 坐标变换计算出参考电流,进行功率分配.最后,将控制指令发送到开关矩阵以及各台逆变器,控制开关的切换及逆变器的启停操作。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种自适应遗传优化的太阳能电池板MPPT控制方法,其特征在于:
通过串联开关和并联开关,将m组光伏阵列和n台逆变器矩阵相连,组成分布式开关网络拓扑结构;
通过自适应遗传算法对串联开关和并联开关控制,使光伏阵列可以灵活组合,匹配接入相应功率等级的伏逆变器,实现群控管理,使光伏系统的输出功率最大化。
2.根据权利要求1所述的一种自适应遗传优化的太阳能电池板MPPT控制方法,其特征在于:
所述自适应遗传算法的目标函数为:
式中,Pin表示接入各个逆变器时的光伏输入功率,εi表示各个光伏逆变器的转换效率,Pout表示光伏发电系统的输出功率;PV1×m表示为m组光伏阵列产生功率的行向量形式,εn×1表示为n台光伏逆变器转换效率的列向量形式;Sm×m、Pm×n分别表示串行和并行开关矩阵向量。
3.根据权利要求2所述的一种自适应遗传优化的太阳能电池板MPPT控制方法,其特征在于:
经过串、并组合后的光伏阵列接入不同功率等级的光伏逆变器,必须满足输入电流小于光伏逆变器的额定电流,与此同时输入电压必须在光伏逆变器的额定区间范围之内。
4.根据权利要求2所述的一种自适应遗传优化的太阳能电池板MPPT控制方法,其特征在于:
按照旋轮法选择执行自适应遗传算法,以适应度函数值f(x)为标准,选择的概率为:
式中,N为种群个体数,产生0~1之间的随机数q,当Pu(xi-1)≤q且pPu(xi-1)>q时,则种群中的第i个个体才能被选中,将个体信息遗传到下一代群体中。
5.根据权利要求2所述的一种自适应遗传优化的太阳能电池板MPPT控制方法,其特征在于:
采用自适应的交叉和变异概率,具体计算公式为:
Pc=Pc1,f′<favg
Pm=Pm1,f′<favg
式中,fmax为群体中最大的适应度值,favg为群体的平均适应度值,f’为要交叉的2个个体中较大的适应度值,f为要变异个体的适应度值,Pc1及Pc2分别表示交叉率取值的上、下限,Pm1、Pm2分别表示变异率取值的上、下限,根据个体的适应度值来自适应地加以改变交叉率Pc和变异率Pm。
6.根据权利要求2所述的一种自适应遗传优化的太阳能电池板MPPT控制方法,其特征在于:
终止判决条件为保持最优解连续不变的最大迭代,或满足遗传算法最大迭代次数,只要满足两个条件中任何一条搜索就结束。
7.根据权利要求2所述的一种自适应遗传优化的太阳能电池板MPPT控制方法,其特征在于:
定时设置每隔一段时间,将光伏阵列上的电压电流数据汇聚到群控器,进行算法自适应的启动判别。
8.根据权利要求1所述的一种自适应遗传优化的太阳能电池板MPPT控制方法,其特征在于:
在算法的遗传优化过程中,通过串联开关切换,把输出电流值尽可能接近的子串组件串联在一起形成光伏阵列;同时,并联组合在一起的光伏阵列输出电压相等;
所有并联在一起的光伏阵列输出电流之和要小于逆变器的最大输入电流,输出电压要小于逆变器的最大输入电压。
9.根据权利要求1所述的一种自适应遗传优化的太阳能电池板MPPT控制方法,其特征在于:
为了保证在开关切换时,光伏发电系统输出功率不发生较大波动,首先,在并联开关合上之前,监测开关两侧的电压电流信息,由群控器进行MPPT,判断哪些逆变器需要投入,哪些逆变器需要退出;其次,将采样的电网电压、负载电流及MPPT的跟踪电流,经过dq坐标变换计算出参考电流,进行功率分配;最后,将控制指令发送到开关矩阵以及各台逆变器,控制开关的切换及逆变器的启停操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711491614.4A CN108565884A (zh) | 2017-12-30 | 2017-12-30 | 一种自适应遗传优化的太阳能电池板mppt控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711491614.4A CN108565884A (zh) | 2017-12-30 | 2017-12-30 | 一种自适应遗传优化的太阳能电池板mppt控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108565884A true CN108565884A (zh) | 2018-09-21 |
Family
ID=63530590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711491614.4A Withdrawn CN108565884A (zh) | 2017-12-30 | 2017-12-30 | 一种自适应遗传优化的太阳能电池板mppt控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108565884A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111347927A (zh) * | 2020-03-04 | 2020-06-30 | 广东工业大学 | 一种免疫短路风险的可重构电池组开关控制方法 |
CN112736971A (zh) * | 2020-12-28 | 2021-04-30 | 国网冀北电力有限公司秦皇岛供电公司 | 光伏系统动态重构方法及装置、系统和电子设备 |
CN114006416A (zh) * | 2021-12-28 | 2022-02-01 | 北京思凌科半导体技术有限公司 | 电源输出功率配置系统 |
-
2017
- 2017-12-30 CN CN201711491614.4A patent/CN108565884A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111347927A (zh) * | 2020-03-04 | 2020-06-30 | 广东工业大学 | 一种免疫短路风险的可重构电池组开关控制方法 |
CN112736971A (zh) * | 2020-12-28 | 2021-04-30 | 国网冀北电力有限公司秦皇岛供电公司 | 光伏系统动态重构方法及装置、系统和电子设备 |
CN114006416A (zh) * | 2021-12-28 | 2022-02-01 | 北京思凌科半导体技术有限公司 | 电源输出功率配置系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thanaa et al. | Energy flow and management of a hybrid wind/PV/fuel cell generation system | |
Mosaad et al. | Power quality enhancement of grid-connected fuel cell using evolutionary computing techniques | |
Takun et al. | Maximum power point tracking using fuzzy logic control for photovoltaic systems | |
Khanh et al. | Power-management strategies for a grid-connected PV-FC hybrid system | |
Hosseini et al. | Multi-input DC boost converter for grid connected hybrid PV/FC/battery power system | |
Smaoui et al. | Control, energy management and performance evaluation of desalination unit based renewable energies using a graphical user interface | |
Aldosary et al. | A modified shuffled frog algorithm to improve MPPT controller in PV System with storage batteries under variable atmospheric conditions | |
CN108565884A (zh) | 一种自适应遗传优化的太阳能电池板mppt控制方法 | |
Arani et al. | A novel control method based on droop for cooperation of flywheel and battery energy storage systems in islanded microgrids | |
WO2017187258A1 (en) | System for power collection and transmission from concentrated photo voltaic power generator and the method thereof | |
Hou et al. | A partial power processing structure embedding renewable energy source and energy storage element for islanded DC microgrid | |
Mirza et al. | Advanced variable step size incremental conductance mppt for a standalone PV system utilizing a ga-tuned pid controller | |
Hu et al. | Topology and control strategy of power optimisation for photovoltaic arrays and inverters during partial shading | |
Aseem et al. | Hybrid k-means grasshopper optimization algorithm based FOPID controller with feed forward DC–DC converter for solar-wind generating system | |
Percin et al. | Whale optimization algorithm based MPPT control of a fuel cell system | |
Eskander et al. | Energy flow and management of a hybrid wind/PV/fuel cell generation system | |
Kouser et al. | Maximum power extraction in partial shaded grid-connected PV system using hybrid fuzzy logic/neural network-based variable step size MPPT | |
CN108459652A (zh) | 一种局部遮阴下光伏系统最大功率跟踪控制方法 | |
CN111878888B (zh) | 厂级热电机组联合供热方式下的控制调节系统及方法 | |
CN109390970B (zh) | 基于多Agent通信网络的海岛微电网分布式控制方法及系统 | |
Olusegun et al. | Comparative analysis of two direct MPPT methods used for tracking maximum power points in a photovoltaic system | |
Bouselham et al. | An intelligent irradiance equalization approach based on fuzzy logic for small reconfigurable PV architecture | |
Benslimane et al. | Increase Stability and Efficiency in PV-Battery-Grid Systems Using PSO Algorithm | |
Kalani et al. | Controlling the energy supply and demand of grid-connected building integrated photovoltaics considering real-time electricity prices to develop more sustainable and smarter cities | |
Lei et al. | Row Current Compensation for Optimizing the Output Performance of Photovoltaic Array |
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 | ||
CB02 | Change of applicant information |
Address after: 511400 No. 49 Wantai Road, Dongyong Town, Nansha District, Guangzhou City, Guangdong Province (No. 2 Workshop) 401 Applicant after: Guangfei Digital Technology (Guangzhou) Co., Ltd. Address before: 511400 Dongyong Town, Nansha District, Guangzhou City, Guangdong Province, No. 2 Cole Road (Factory Building 7) 202 Applicant before: SCUD (Guangzhou) Digital Technology Co., Ltd. |
|
CB02 | Change of applicant information | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180921 |
|
WW01 | Invention patent application withdrawn after publication |