CN111061331A - 光伏最大功率控制系统和方法 - Google Patents

光伏最大功率控制系统和方法 Download PDF

Info

Publication number
CN111061331A
CN111061331A CN201911415307.7A CN201911415307A CN111061331A CN 111061331 A CN111061331 A CN 111061331A CN 201911415307 A CN201911415307 A CN 201911415307A CN 111061331 A CN111061331 A CN 111061331A
Authority
CN
China
Prior art keywords
voltage
maximum power
correction amount
current
photovoltaic
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
Application number
CN201911415307.7A
Other languages
English (en)
Inventor
胡林静
刘凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inner Mongolia University of Technology
Original Assignee
Inner Mongolia University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inner Mongolia University of Technology filed Critical Inner Mongolia University of Technology
Priority to CN201911415307.7A priority Critical patent/CN111061331A/zh
Publication of CN111061331A publication Critical patent/CN111061331A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

提出了一种光伏最大功率控制系统和方法，属于太阳能光伏发电技术领域，所述系统包括：Boost电路、MPPT控制器以及脉冲发生器；其中所述MPPT控制器通过不断采样光伏阵列的输出电流I与输出电压U，通过对外界所处环境的判断，选择不同的MPPT控制方法使光伏系统稳定在最大功率点；MPPT控制器将获得的对应于最大功率点的电压发送至脉冲发生器，脉冲发生器产生PWM信号至最大功率控制主电路，从而使光伏阵列运行在最大功率点。本方法和系统解决了随机物理量较多、容易陷入局部最优点、追踪精度不高等技术问题。

Description

光伏最大功率控制系统和方法
技术领域
本发明涉及太阳能光伏发电技术领域，尤其设计一种光伏最大功率控制系统和方法。
背景技术
化石能源的逐渐枯竭以及环境问题的日益突出，以风光为代表的的新能源发电技术逐渐成为各国研究的重点。而光伏发电以其无污染、安装方便、可再生等优点，更是得到研究人员的重视。最大功率跟踪技术是光伏研究的关键技术之一，该技术可以最大限度利用太阳能进行发电，提高发电效率，有利于光伏发电工程的推广与应用，缓解能源枯竭与环境污染问题。光伏阵列处于均匀光照条件下，此时传统跟踪方法如扰动观察法、电导增量法可以很好地追踪到最大功率点，而实际情况中，光伏阵列易受到建筑物、云彩、树木等遮挡而造成光伏板输出功率呈现多峰特性，传统跟踪方法容易陷入局部最优点，造成能量的损失，因此研究局部阴影条件下光伏阵列最大功率点跟踪技术已成为光伏产业发展的关键技术之一。
针对局部阴影下光伏阵列最大功率跟踪技术主要分为两大类：一类是基于阵列结构的硬件控制方法，可以改变传统系统结构增加阵列对局部阴影的免疫能力，这类方法因为硬件的增加成本较高；另一类是基于现代控制理论的智能全局最大功率跟踪控制方法，但是现有技术的最大功率跟踪方法随机物理量较多，容易陷入局部最优点，造成输出功率震荡等问题。
发明内容
为克服上述技术的不足，本发明提供一种光伏最大功率控制系统和方法，采用改进的细菌觅食法与扰动观察法复合控制方法，无论光伏阵列处于均匀光照条件下还是有遮挡情况下，都可以快速准确地寻找到最大功率点，可以解决现有技术随机物理量较多、容易陷入局部最优点、追踪精度不高技术问题。
本发明的目的通过以下技术方案实现：
根据本发明的一个方面，提出了一种光伏最大功率控制方法，该方法包括：
步骤1，建立光伏阵列模型，将光伏电池进行串并联后，形成一定规模的光伏阵列，实时监测光伏阵列的输出电流与输出电压，并判断是否外界环境发生变化或有遮挡产生；
步骤2，当判断出外界环境发生变化以及产生遮挡时，以光伏阵列的实时输出功率作为目标函数，利用改进的细菌觅食优化法，对光伏阵列最大功率点的电压进行跟踪；
步骤3，当细菌觅食优化法满足终止条件，输出此时的电压，将追踪到的电压与实际电压经过模糊PI控制器进行比较，输出到脉冲发生器，产生PWM信号使光伏阵列运行在最大功率点；
步骤4，当判断出外界环境没有发生变化以及遮挡时，则采用变步长扰动观察法进行最大功率跟踪，将追踪到的电压输出到脉冲发生器，产生PWM信号使光伏阵列运行在最大功率点。
根据本发明的一个方面，所述步骤1中判断是否外界环境发生变化或有遮挡产生的依据为：
Figure RE-GDA0002388319300000021
其中，ΔU和ΔI分别为电压修正量和电流修正量，ΔUset和ΔIset分别为电压设定修正量和电流设定修正量，U(n)和I(n)分别为第n个极值点所对应的电压和电流，U(n-1)和I(n-1)分别为第n-1个极值点所对应的电压和电流，当电压修正量大于电压设定修正量或电流修正量大于电流设定修正量时，认为发生变化或有阴影遮挡。
根据本发明的一个方面，所述步骤2中改进的细菌觅食优化法包括：
步骤202-1，初始化算法各参数，包括种群大小S，趋化次数Nc、复制次数Nrc、驱散次数Ned、驱散概率Pin以及细菌初始游动步长Cin，以光伏阵列的输出电压U作为细菌的个体位置并随机初始化种群；
步骤202-2，采集电流和电压，计算各个细菌适应度值，即输出功率；其中
Adaptfunc＝u(1)*u(2)
其中，u(1)为采集电流，u(2)为采集电压
步骤202-3，驱散循环，若驱散次数l＜Ned,则执行步骤202-4，否则输出迭代结果；
步骤202-4，复制循环，若复制次数k＜Nrc，执行步骤202-5，否则转到步骤202-9；
步骤202-5，趋化循环，若趋化次数j＜Nc，继续进行趋化操作，否则跳转步骤202-7；
步骤202-6，趋化次数j＝j+1，然后跳转到步骤202-5；
步骤202-7，执行复制操作，将趋化完后的的适应度值即输出功率进行降序排列，适应度值较差的S/2淘汰，适应度值较好的S/2细菌进行繁殖，保持种群的一定，S/2为种群的大小；
步骤202-8，复制次数k＝k+1，然后执行步骤202-4；
步骤202-9，进行驱散操作；
步骤202-10，驱散次数l＝l+1，然后执行步骤202-3。
根据本发明的一个方面，所述步骤3中，细菌觅食优化法终止条件为粒子之间最大电压之差小于5‰Uoc，此时认为系统已经追踪到系统最大功率点，停止迭代，输出最大功率点对应的电压。
根据本发明的一个方面，模糊PI控制器以电压的偏差e以及偏差变化率ec为输入，其输出为PI参数的调整量Δkp和Δki，，并与控制器的基本参数相加从而对系统进行调节，kp,ki分别是调整后的量，公式如下：
Figure RE-GDA0002388319300000031
Figure RE-GDA0002388319300000032
根据本发明的一个方面，提出了一种光伏最大功率控制系统，所述系统包括Boost电路、MPPT控制器以及脉冲发生器；其中所述MPPT控制器通过不断采样光伏阵列的输出电流I与输出电压U，通过对外界所处环境的判断，选择不同的MPPT控制方法使光伏系统稳定在最大功率点；MPPT控制器将获得的对应于最大功率点的电压发送至脉冲发生器，脉冲发生器产生 PWM信号至最大功率控制主电路，从而使光伏阵列运行在最大功率点。
根据本发明的一个方面，所述MPPT控制器判断获取的电流I和/或电压U是否满足外界环境发生变化或有遮挡产生的预定条件，若满足，则利用细菌觅食优化法进行最大功率点跟踪，否则使用变步长扰动观察法进行最大功率点跟踪。
与现有技术相比，本发明具有以下优点：
1本发明一种基于细菌觅食优化算法的光伏最大功率跟踪方法，采用改进的细菌觅食优化算法与扰动观察法复合控制方法进行局部阴影下的多峰寻优，收敛速度很快，可以有效跳出局部最优点，能够准确精准地跟踪到系统最大功率点。
2本发明在功率追踪过程中设置终止条件，可以避免因迭代次数过多造成功率震荡问题，并且通过相应条件判断是否发生遮挡现象，而选择细菌觅食算法或者扰动观察法进行跟踪，可以在阴影发生变化时与均匀光照条件下可以快速有效重新追踪到最大功率点。
附图说明
图1为根据本发明一个实施例的光伏最大功率控制系统的结构示意图；
图2为根据本发明一个实施例的光伏最大功率控制方法的流程图；
图3为根据本发明一个实施例的光伏阵列的结构示意图；
图4为局部阴影下光伏阵列的P-U特性曲线；
图5为局部阴影下光伏阵列的I-U特性曲线；
图6为根据本发明一个实施例的细菌觅食优化法的流程图；
图7为根据本发明一个实施例的变步长扰动观察法的控制流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员可以更好地理解本发明。
图1为本发明实施例中光伏最大功率控制系统的结构示意图。
由图1可以看出本发明采用Boost电路1为最大功率控制主电路。
由图1所示，MPPT控制器2通过不断采样光伏阵列的输出电流I与输出电压U，通过对外界所处环境的判断，选择不同的MPPT控制方法使光伏系统稳定在最大功率点。
MPPT控制器2判断获取的电流I和/或电压U是否满足外界环境发生变化或有遮挡产生的预定条件，若满足，则利用细菌觅食优化法进行最大功率点跟踪，否则使用变步长扰动观察法进行最大功率点跟踪。
MPPT控制器2将获得的对应于最大功率点的电压发送至脉冲发生器3，脉冲发生器3产生PWM信号至最大功率控制主电路1，从而使光伏阵列运行在最大功率点。
图2为根据本发明一个实施例的基于图1所示控制系统的光伏最大功率控制方法的步骤流程图。参见图2，所示光伏最大功率控制方法包括如下步骤。
步骤201，建立光伏阵列模型，将光伏电池进行串并联后，形成一定规模的光伏阵列。实时监测光伏阵列的输出电流与输出电压，并判断是否外界环境发生变化或有遮挡产生。
根据本发明一个实施例，光伏阵列为3*3矩阵，如图3所示。本发明实施例中光伏阵列阴影遮挡表示为将每一串联支路的2块光伏电池进行遮挡，得到遮挡下光伏阵列的P-U和I-V 输出特性曲线。分别如图4和图5所示。
具体的在步骤201中判断外界环境是否发生变化或者有阴影遮挡情况发生的依据为：
Figure RE-GDA0002388319300000041
其中，ΔU和ΔI分别为电压修正量和电流修正量，ΔUset和ΔIset分别为电压设定修正量和电流设定修正量，U(n)和I(n)分别为第n个极值点所对应的电压和电流，U(n-1)和I(n-1)分别为第n-1个极值点所对应的电压和电流。当电压修正量大于电压设定修正量或电流修正量大于电流设定修正量时，认为发生变化或有阴影遮挡。
步骤202，以光伏阵列的实时输出功率作为目标函数，利用改进的细菌觅食优化法，对光伏阵列最大功率点的电压进行跟踪。
具体地，在步骤202中，利用改进的细菌觅食优化法进行光伏阵列最大功率点跟踪。在本发明中，细菌觅食优化流程图如图6所示，具体步骤为：
步骤202-1，初始化算法各参数，包括种群大小S，趋化次数Nc、复制次数Nrc、驱散次数Ned、驱散概率Pin以及细菌初始游动步长Cin，以光伏阵列的输出电压U作为细菌的个体位置并随机初始化种群；
其中，在阴影条件下，对于m个串联模块的光伏阵列，最多存在m个最大功率峰值点，因此细菌种群大小的设置为光伏阵列串联模块数m。图3所示的光伏阵列结构示意图，图中光伏阵列串联模块数为5，相应的，细菌个数可以设置为5。
步骤202-2，采集电流和电压，计算各个细菌适应度值，即输出功率；其中
Adaptfunc＝u(1)*u(2)
其中，u(1)为采集电流，u(2)为采集电压
步骤202-3，驱散循环，若驱散次数l＜Ned,则执行步骤202-4，否则输出迭代结果；
步骤202-4，复制循环，若复制次数k＜Nrc，执行步骤202-5，否则转到步骤202-9；
步骤202-5，趋化循环，若趋化次数j＜Nc，继续进行趋化操作，否则跳转步骤202-7；
细菌每次操作完成后，若P(i)＜P(i+1)，细菌则保持方向不变继续游动，否则执行步骤 202-6；
其中，趋化操作为：
Figure RE-GDA0002388319300000051
Figure RE-GDA0002388319300000052
其中，k表示迭代次数；w是惯性权重；c1和c2分别是该方法的自学习因子和社会学习因子；r1和r2表示[0,1]之间的随机数。
进一步地，通过下式更新个体最优值：
Figure RE-GDA0002388319300000053
其中，f(x)为适应度函数，所述适应度函数为输出功率，
Figure RE-GDA0002388319300000054
为第k次循环第i个细菌的个体最优值。
进一步地，通过下式更新全局最优值：
Gbest＝max{f(Pbest)，f(Pbest2)，...，f(Pbest3)}
步骤202-6，趋化次数j＝j+1，然后跳转到步骤202-5；
步骤202-7，执行复制操作，将趋化完后的的适应度值(输出功率)进行降序排列，适应度值较差的S/2淘汰，适应度值较好的S/2细菌进行繁殖，保持种群的一定，S/2为种群的大小。复制操作由下式执行：
[fitval_current,X]＝Reproduction(fitval_current,X,S)
含义是根据适用度值的大小进行排序操作。
步骤202-8复制次数k＝k+1，然后执行步骤202-4；
步骤202-9进行驱散操作，驱散概率可以由下式获得:
Figure RE-GDA0002388319300000061
其中，Ped为改进后细菌驱散概率；Fmax是本次驱散过程中细菌的最大适应度；Fi为每个细菌的适应度；Fmin为本次驱散过程细菌的最小适应度；Pin为初始驱散概率。
进一步地，驱散操作由下式执行：
if(rand(0,1)<Ped)
含义是判断在0到1之间的随机数是否小于改进后细菌的驱散概率。
步骤202-10，驱散次数l＝l+1，然后执行步骤202-3；
步骤203，当细菌觅食优化法满足终止条件，输出此时的电压，将追踪到的电压与实际电压经过模糊PI控制器进行比较，输出到脉冲发生器3，产生PWM信号使光伏阵列运行在最大功率点。
其中细菌觅食优化法终止条件为粒子之间最大电压之差小于5‰Uoc，此时认为系统已经追踪到系统最大功率点，停止迭代，输出最大功率点对应的电压。
模糊PI控制器以电压的偏差e以及偏差变化率ec为输入，其输出为PI参数的调整量Δkp和Δki，，并与控制器的基本参数相加从而对系统进行调节，kp,ki分别是调整后的量，公式如下：
Figure RE-GDA0002388319300000062
Figure RE-GDA0002388319300000063
模糊控制表如下表所示，每组2个控制方式，从左向右依次为参数kp、ki的模糊控制方式：
Figure RE-GDA0002388319300000071
步骤204，当判断出外界环境没有发生变化以及遮挡时，则采用变步长扰动观察法进行最大功率跟踪。变步长扰动观察法控制流程图如图7所示。
其中，变步长公式可由下式给出：
Figure RE-GDA0002388319300000072
其中，Uref(k)为本采样时刻的扰动步长，Uref(k-1)为上一采样时刻的扰动步长，M为灵活因子，dp是pk减p(k-1)的差，变步长扰动观察法输出至PWM是直接占空比。
综上所述，本发明采用一种采用改进的细菌觅食优化法与变步长扰动观察法的复合控制方法，在任何外界环境下都可以快速有效地追踪到光伏阵列最大功率点，从而对光伏阵列进行功率控制。
上述实施例对本发明的原理及实施方案进行说明，只是用于帮助理解本发明的方法及其核心思想，而非用于限制本发明，任何本领域技术人员均可在不违背本发明的精神和范围下，对上述实例进行修饰与改变。

Claims (10)

1.一种光伏最大功率控制方法，其特征在于，该方法包括：
步骤1，建立光伏阵列模型，将光伏电池进行串并联后，形成一定规模的光伏阵列，实时监测光伏阵列的输出电流与输出电压，并判断是否外界环境发生变化或有遮挡产生；
步骤2，当判断出外界环境发生变化以及产生遮挡时，以光伏阵列的实时输出功率作为目标函数，利用改进的细菌觅食优化法，对光伏阵列最大功率点的电压进行跟踪；
步骤3，当细菌觅食优化法满足终止条件，输出此时的电压，将追踪到的电压与实际电压经过模糊PI控制器进行比较，输出到脉冲发生器，产生PWM信号使光伏阵列运行在最大功率点；
步骤4，当判断出外界环境没有发生变化以及遮挡时，则采用变步长扰动观察法进行最大功率跟踪，将追踪到的电压输出到脉冲发生器，产生PWM信号使光伏阵列运行在最大功率点。
2.根据权利要求1所述的方法，其特征在于：
所述步骤1中判断是否外界环境发生变化或有遮挡产生的依据为：
Figure RE-FDA0002388319290000011
其中，ΔU和ΔI分别为电压修正量和电流修正量，ΔUset和ΔIset分别为电压设定修正量和电流设定修正量，U(n)和I(n)分别为第n个极值点所对应的电压和电流，U(n-1)和I(n-1)分别为第n-1个极值点所对应的电压和电流，当电压修正量大于电压设定修正量或电流修正量大于电流设定修正量时，认为发生变化或有阴影遮挡。
3.根据权利要求1所述的方法，其特征在于：
所述步骤2中改进的细菌觅食优化法包括：
步骤202-1，初始化算法各参数，包括种群大小S，趋化次数Nc、复制次数Nrc、驱散次数Ned、驱散概率Pin以及细菌初始游动步长Cin，以光伏阵列的输出电压U作为细菌的个体位置并随机初始化种群；
步骤202-2，采集电流和电压，计算各个细菌适应度值，即输出功率；其中
Adaptfunc＝u(1)*u(2)
其中，u(1)为采集电流，u(2)为采集电压
步骤202-3，驱散循环，若驱散次数l＜Ned,则执行步骤202-4，否则输出迭代结果；
步骤202-4，复制循环，若复制次数k＜Nrc，执行步骤202-5，否则转到步骤202-9；
步骤202-5，趋化循环，若趋化次数j＜Nc，继续进行趋化操作，否则跳转步骤202-7；
步骤202-6，趋化次数j＝j+1，然后跳转到步骤202-5；
步骤202-7，执行复制操作，将趋化完后的的适应度值即输出功率进行降序排列，适应度值较差的S/2淘汰，适应度值较好的S/2细菌进行繁殖，保持种群的一定，S/2为种群的大小；
步骤202-8，复制次数k＝k+1，然后执行步骤202-4；
步骤202-9，进行驱散操作；
步骤202-10，驱散次数l＝l+1，然后执行步骤202-3。
4.根据权利要求1所述的方法，其特征在于：
所述步骤3中，细菌觅食优化法终止条件为粒子之间最大电压之差小于5‰Uoc，此时认为系统已经追踪到系统最大功率点，停止迭代，输出最大功率点对应的电压。
5.根据权利要求4所述的方法，其特征在于：
模糊PI控制器以电压的偏差e以及偏差变化率ec为输入，其输出为PI参数的调整量Δkp和Δki，并与控制器的基本参数相加从而对系统进行调节，kp,ki分别是调整后的量，公式如下：
Figure RE-FDA0002388319290000021
Figure RE-FDA0002388319290000022
6.一种光伏最大功率控制系统，其特征在于：
所述系统包括Boost电路、MPPT控制器以及脉冲发生器；其中
所述MPPT控制器通过不断采样光伏阵列的输出电流I与输出电压U，通过对外界所处环境的判断，选择不同的MPPT控制方法使光伏系统稳定在最大功率点；
MPPT控制器将获得的对应于最大功率点的电压发送至脉冲发生器，脉冲发生器产生PWM信号至最大功率控制主电路，从而使光伏阵列运行在最大功率点。
7.根据权利要求6所述的系统，其特征在于：
所述MPPT控制器判断获取的电流I和/或电压U是否满足外界环境发生变化或有遮挡产生的预定条件，若满足，则利用细菌觅食优化法进行最大功率点跟踪，否则使用变步长扰动观察法进行最大功率点跟踪。
8.根据权利要求7所述的系统，其特征在于：
判断所述外界环境发生变化或有遮挡产生的依据为：
Figure RE-FDA0002388319290000031
其中，ΔU和ΔI分别为电压修正量和电流修正量，ΔUset和ΔIset分别为电压设定修正量和电流设定修正量，U(n)和I(n)分别为第n个极值点所对应的电压和电流，U(n-1)和I(n-1)分别为第n-1个极值点所对应的电压和电流，当电压修正量大于电压设定修正量或电流修正量大于电流设定修正量时，认为发生变化或有阴影遮挡。
9.根据权利要求6所述的系统，其特征在于：
所述细菌觅食优化法包括：
步骤202-1，初始化算法各参数，包括种群大小S，趋化次数Nc、复制次数Nrc、驱散次数Ned、驱散概率Pin以及细菌初始游动步长Cin，以光伏阵列的输出电压U作为细菌的个体位置并随机初始化种群；
步骤202-2，采集电流和电压，计算各个细菌适应度值，即输出功率；其中
Adaptfunc＝u(1)*u(2)
其中，u(1)为采集电流，u(2)为采集电压
步骤202-3，驱散循环，若驱散次数l＜Ned,则执行步骤202-4，否则输出迭代结果；
步骤202-4，复制循环，若复制次数k＜Nrc，执行步骤202-5，否则转到步骤202-9；
步骤202-5，趋化循环，若趋化次数j＜Nc，继续进行趋化操作，否则跳转步骤202-7；
步骤202-6，趋化次数j＝j+1，然后跳转到步骤202-5；
步骤202-7，执行复制操作，将趋化完后的的适应度值即输出功率进行降序排列，适应度值较差的S/2淘汰，适应度值较好的S/2细菌进行繁殖，保持种群的一定，S/2为种群的大小；
步骤202-8，复制次数k＝k+1，然后执行步骤202-4；
步骤202-9，进行驱散操作；
步骤202-10，驱散次数l＝l+1，然后执行步骤202-3。
10.根据权利要求9所述的系统，其特征在于：
所述细菌觅食优化法终止条件为粒子之间最大电压之差小于5‰Uoc，此时认为系统已经追踪到系统最大功率点，停止迭代，输出最大功率点对应的电压。
CN201911415307.7A 2019-12-31 2019-12-31 光伏最大功率控制系统和方法 Pending CN111061331A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911415307.7A CN111061331A (zh) 2019-12-31 2019-12-31 光伏最大功率控制系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911415307.7A CN111061331A (zh) 2019-12-31 2019-12-31 光伏最大功率控制系统和方法

Publications (1)

Publication Number Publication Date
CN111061331A true CN111061331A (zh) 2020-04-24

Family

ID=70305670

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911415307.7A Pending CN111061331A (zh) 2019-12-31 2019-12-31 光伏最大功率控制系统和方法

Country Status (1)

Country Link
CN (1) CN111061331A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112148059A (zh) * 2020-10-12 2020-12-29 四川科陆新能电气有限公司 一种用于光伏发电站的mppt最大功率跟踪方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630171A (zh) * 2009-08-05 2010-01-20 华南理工大学 应用于光伏电池最大功率跟踪的分段自适应爬山法及系统
CN102419599A (zh) * 2011-10-31 2012-04-18 江苏科技大学 基于人工鱼群算法的太阳能电池最大功率点跟踪方法
CN102722212A (zh) * 2012-07-02 2012-10-10 中国矿业大学 不均匀光照下光伏发电系统最大功率点跟踪方法
CN103488239A (zh) * 2013-09-29 2014-01-01 武汉理工大学 一种光伏并网逆变器中的最大功率点跟踪方法
WO2014090037A1 (zh) * 2012-12-10 2014-06-19 中兴通讯股份有限公司 云计算中的任务调度方法及系统
CN104298295A (zh) * 2014-09-19 2015-01-21 华南理工大学 一种基于多步长的光伏发电系统最大功率跟踪控制方法
CN105373183A (zh) * 2015-10-20 2016-03-02 同济大学 一种光伏阵列全局最大功率点跟踪方法
CN106325354A (zh) * 2016-11-21 2017-01-11 国网辽宁省电力有限公司锦州供电公司 基于自适应果蝇搜索的光伏阵列最大功率点跟踪方法
CN106774606A (zh) * 2016-11-28 2017-05-31 国家电网公司 一种光照不均匀下的全局mppt方法与装置
CN107479618A (zh) * 2017-08-25 2017-12-15 南京理工大学 基于蚁群算法和电导增量法的多峰值mppt算法
CN107992153A (zh) * 2017-12-07 2018-05-04 陕西科技大学 一种太阳能光伏最大功率点跟踪控制方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630171A (zh) * 2009-08-05 2010-01-20 华南理工大学 应用于光伏电池最大功率跟踪的分段自适应爬山法及系统
CN102419599A (zh) * 2011-10-31 2012-04-18 江苏科技大学 基于人工鱼群算法的太阳能电池最大功率点跟踪方法
CN102722212A (zh) * 2012-07-02 2012-10-10 中国矿业大学 不均匀光照下光伏发电系统最大功率点跟踪方法
WO2014090037A1 (zh) * 2012-12-10 2014-06-19 中兴通讯股份有限公司 云计算中的任务调度方法及系统
CN103488239A (zh) * 2013-09-29 2014-01-01 武汉理工大学 一种光伏并网逆变器中的最大功率点跟踪方法
CN104298295A (zh) * 2014-09-19 2015-01-21 华南理工大学 一种基于多步长的光伏发电系统最大功率跟踪控制方法
CN105373183A (zh) * 2015-10-20 2016-03-02 同济大学 一种光伏阵列全局最大功率点跟踪方法
CN106325354A (zh) * 2016-11-21 2017-01-11 国网辽宁省电力有限公司锦州供电公司 基于自适应果蝇搜索的光伏阵列最大功率点跟踪方法
CN106774606A (zh) * 2016-11-28 2017-05-31 国家电网公司 一种光照不均匀下的全局mppt方法与装置
CN107479618A (zh) * 2017-08-25 2017-12-15 南京理工大学 基于蚁群算法和电导增量法的多峰值mppt算法
CN107992153A (zh) * 2017-12-07 2018-05-04 陕西科技大学 一种太阳能光伏最大功率点跟踪控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胡林静等: "局部阴影下光伏阵列MPPT控制策略研究", 《计算机仿真》 *
魏超等: "基于光伏阵列输出特性的GMPPT算法研究", 《电源学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112148059A (zh) * 2020-10-12 2020-12-29 四川科陆新能电气有限公司 一种用于光伏发电站的mppt最大功率跟踪方法

Similar Documents

Publication Publication Date Title
Jyothy et al. An artificial neural network based MPPT algorithm for solar PV system
CN109858173B (zh) 一种风光水互补发电系统联合调度的多目标正切方法
Mohammed et al. A novel hybrid maximum power point tracking technique using perturb & observe algorithm and learning automata for solar PV system
Dabra et al. Optimization of photovoltaic power system: a comparative study
CN109814651B (zh) 基于粒子群的光伏电池多峰值最大功率跟踪方法及系统
Chiang et al. Direct power control for distributed PV power system
CN105955394B (zh) 基于蚁群优化与变步长扰动观察算法的光伏系统mppt方法
CN109101071B (zh) 一种基于智能预测的光伏多峰值最大功率点跟踪方法
CN114069687B (zh) 一种计及逆变器无功调节作用的分布式光伏规划方法
CN111061331A (zh) 光伏最大功率控制系统和方法
Manna et al. A novel MRAC-MPPT scheme to enhance speed and accuracy in PV systems
CN110601184A (zh) 一种考虑升压主变容量的风电场扩展光伏多目标优化方法
CN116722561B (zh) 一种无功功率补偿系统
Ahmed et al. PSO-SMC controller based GMPPT technique for photovoltaic panel under partial shading effect
CN108803771A (zh) 基于自适应模糊控制的最大功率点跟踪方法
CN113555908B (zh) 一种智能配电网储能优化配置方法
Bharti et al. Comparative Study of ANN and Incremental Conductance MPPT for Solar Water Pump
CN109508062B (zh) 一种基于模糊电导的光伏发电控制方法及系统
CN107453366B (zh) 计及风电决策风险的含upfc多目标最优潮流计算方法
CN115146936A (zh) 梯级水光蓄互补调度模型求解的动态调整学习因子算法
Babu et al. An Intelligent Controller-based Water Pumping Applications Driven by Solar Power
Yılmaz et al. PSO Training Neural Network MPPT with CUK Converter Topology for Stand-Alone PV Systems Under Varying Load and Climatic Conditions
Neethu et al. Comparison method of PSO and DE optimization for MPPT in PV systems under partial shading conditions
CN116880168B (zh) 一种基于smgsa算法的mppt控制方法
Duan et al. Application of improved radial basis function neural network method in global MPPT for PV 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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200424