CN111538366A - 一种最大功率点跟踪方法、系统、设备和介质 - Google Patents
一种最大功率点跟踪方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN111538366A CN111538366A CN202010258395.0A CN202010258395A CN111538366A CN 111538366 A CN111538366 A CN 111538366A CN 202010258395 A CN202010258395 A CN 202010258395A CN 111538366 A CN111538366 A CN 111538366A
- Authority
- CN
- China
- Prior art keywords
- voltage
- photovoltaic
- actual
- value
- working 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
-
- 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)
- Photovoltaic Devices (AREA)
- Control Of Electrical Variables (AREA)
Abstract
本发明提供一种最大功率点跟踪方法、系统、设备和介质,方法包括初始化光伏发电系统的第一工作点电压,待光伏实际电压跟踪到第一工作点电压时,记录第一光伏输出功率;将第一光伏输出功率除以光伏板标准光照强度下的短路电流得到第二工作点电压,待光伏实际电压跟踪到第二工作点电压时,记录第一电流值,依据第一电流值确定出电压搜索范围;启动粒子群算法,在电压搜索范围内初始化粒子电压;通过粒子群算法计算适应度值,并更新个体最优电压、全局最优电压以及粒子的速度和电压;对粒子进行迭代,直到找到全局最优电压时,终止迭代,并输出最优电压值。本发明优点:提高粒子的优寻速度,且跟踪精度高,功率振荡程度小。
Description
技术领域
本发明涉及光伏发电技术领域,特别涉及一种最大功率点跟踪方法、系统、设备和介质。
背景技术
目前,光伏发电具有独特的优势,正受到广大研究者的重视。在光伏发电系统中,通常会将光伏电池串联起来形成光伏阵列以提升发电功率和变换器的发电效率,同时为了避免热斑效应,一般会在光伏电池两端反并联二极管。在局部阴影情况下,光伏阵列呈现出多峰值的特性,光伏阵列模型如图1所示,光伏电池的单二极管等效电路如图2所示。
目前,在光伏发电最大功率点跟踪(MPPT)中应用最广泛的便是扰动观察法,因其控制简单、收敛速度快等优点而备受青睐,但是扰动观察法只能适用于单峰情况下使用,当光伏系统出现多峰特性时,扰动观察算法便无法准确的跟踪到最大功率点,这时候为了要准确的找到最大功率点,就需要采用能判断多峰值最大功率点的算法,如采用粒子群优化算法(PSO)。然而,目前PSO在最大功率点跟踪中的应用存在有收敛时间较长、收敛精度较低、功率振荡大等不足之处。
例如,现有技术中存在的以下3篇关于最大功率点跟踪的专利,包括专利一:申请日为2014.10.28,申请号为201410594790.0的中国发明专利公开了一种基于粒子群算法的光伏电池板最大功率跟踪方法及系统;专利二:申请日为2019.07.19,申请号为201910654795.0的中国发明专利公开了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;专利三:申请日为2016.04.11,申请号为201610219387.9的中国发明专利公开了应用于多峰MPPT的整体分布-粒子群优化算法。其中,专利一和专利二都是基于自适应的粒子群算法,通过在迭代过程中改变粒子群的算法参数来提高算法的跟踪速度,然而专利一和专利二在寻优的过程中存在功率振荡大、能量损耗高等不足;专利三是通过整体分布(OD算法)来缩小最大功率点所在的范围,再通过粒子群算法(PSO)进行进一步迭代,最终收敛到最大功率点,然而专利三由于需要花费很多的时间去确定最大功率点所在的范围,因此存在收敛时间长等不足。
发明内容
本发明要解决的技术问题,在于提供一种最大功率点跟踪方法、系统、设备和介质,解决现有粒子群算法在最大功率点跟踪中的应用存在收敛时间较长、收敛精度较低、功率振荡大的不足之处。
第一方面,本发明提供了一种最大功率点跟踪方法,所述方法包括:
步骤S1、初始化光伏发电系统的第一工作点电压,使光伏发电系统的光伏实际电压跟踪第一工作点电压;待光伏实际电压跟踪到第一工作点电压时,记录第一光伏输出功率;
步骤S2、将第一光伏输出功率除以光伏板标准光照强度下的短路电流得到第二工作点电压,使光伏发电系统的光伏实际电压跟踪第二工作点电压;待光伏实际电压跟踪到第二工作点电压时,记录第一电流值,并依据第一电流值确定出电压搜索范围;
步骤S3、启动粒子群算法,在确定出的电压搜索范围内初始化粒子电压;
步骤S4、通过粒子群算法计算适应度值,并更新个体最优电压、全局最优电压以及粒子的速度和电压;
步骤S5、对粒子进行迭代,直到找到全局最优电压,即光伏发电系统的最大功率点时,终止迭代,并输出最优电压值。
进一步地,所述方法还包括:
步骤S6、在找到最大功率点后,将光伏发电系统的光伏实际输出功率与该最大功率点的光伏瞬时输出功率进行实时比对,并根据比对结果判断外部环境是否发生变化,如果发生变化,则重启光伏发电系统;如果未发生变化,则继续输出最优电压值。
进一步地,在所述步骤S1中,所述的初始化光伏发电系统的第一工作点电压具体为:将光伏发电系统的第一工作点电压设置为光伏板标准光照强度下的开路电压的0.8倍;
所述的待光伏实际电压跟踪到第一工作点电压时具体为:将光伏实际电压与第一工作点电压进行比对,且当比对到光伏实际电压与第一工作点电压之间的差值绝对值小于第一预设值时,则认为光伏实际电压跟踪到第一工作点电压;否则认为光伏实际电压未跟踪到第一工作点电压。
进一步地,在所述步骤S2中,所述的使光伏发电系统的光伏实际电压跟踪第二工作点电压具体为:判断第二工作点电压是否超过电路的工作上限幅值,如果超过,则先对第二工作点电压进行限幅,即令该第二工作点电压等于工作上限幅值,再使光伏发电系统的光伏实际电压跟踪第二工作点电压;如果不超过,则直接使光伏发电系统的光伏实际电压跟踪第二工作点电压;
所述的待光伏实际电压跟踪到第二工作点电压时具体为:将光伏实际电压与第二工作点电压进行比对,且当比对到光伏实际电压与第二工作点电压之间的差值绝对值小于第二预设值时,则认为光伏实际电压跟踪到第二工作点电压;否则认为光伏实际电压未跟踪到第二工作点电压;
所述的依据第一电流值确定出电压搜索范围具体为:将第一光伏输出功率除以第一电流值得到窗口下限值,将窗口上限值设置为光伏板标准光照强度下的开路电压的0.87倍。
进一步地,所述步骤S4具体为:
通过粒子群算法计算适应度值,适应度值函数为f(·)=P=U*I,并更新个体最优电压pbest、全局最优电压gbest以及粒子的速度V和电压X,更新公式如以下式(1)-式(4):
其中,i表示第个i粒子,k表示第k次迭代;表示第i个粒子在第k+1次迭代时的速度;表示第i个粒子在第k+1次迭代时的电压;表示第i个粒子在第k+1次迭代时的个体最优电压;gbestk+1表示第k+1次迭代时的全局最优电压;f(gbestk+1)表示从所有个体最优电压中选出的全局最优电压对应的光伏瞬时输出功率;ω表示粒子群算法中的惯性权重;N表示粒子数;c1表示自学习因子,c2表示社会学习因子;rand()表示[0,1]之间的均匀随机数。
进一步地,所述步骤S5具体为:
对粒子进行迭代,以寻找最大功率点;
在每一次迭代的过程中,均将该次迭代寻找到的最大功率点的功率f(gbest)与该次迭代之前寻找到的最大功率点的功率f(gbest_last)进行比对,且如果f(gbest)大于f(gbest_last),则将gbest_last更新为gbest,并将累加数sum清零;如果f(gbest)小于等于f(gbest_last),则保持gbest_last不变,并将累加数sum加1;
判断累加数sum是否达到设定的第一累加值,如果是,则认为已寻找到全局最优电压,即光伏发电系统的最大功率点,此时终止迭代,并输出最优电压值Vref;如果否,则继续对粒子进行迭代。
进一步地,所述步骤S6具体包括:
步骤S61、在找到最大功率点后,将光伏发电系统的光伏实际输出功率p与该最大功率点的光伏瞬时输出功率f(gbest)进行实时比对;
步骤S62、判断光伏实际输出功率p与光伏瞬时输出功率f(gbest)之间的差值绝对值是否大于第三预设值,如果是,则将累加数trouble加1,并进入步骤S63;如果否,则将累加数trouble清零,并返回步骤S61;
步骤S63、将当前的光伏实际输出功率p与上一个光伏实际输出功率p_last进行比对,并判断当前的光伏实际输出功率p与上一个光伏实际输出功率p_last之间的差值绝对值是否大于第四预设值,如果是,则说明外部环境在变化,此时将累加数trouble清零,令p_last=p,并返回步骤S61;如果否,则说明外部环境变化结束,已稳定在新的工作环境,此时进入步骤S64;
步骤S64、判断累加数trouble是否达到设定的第二累加值,如果否,则认为外部环境未发生变化,此时光伏发电系统继续输出最优电压值,并返回步骤S61;如果是,则认为外部环境发生变化,此时重启光伏发电系统,重新确定电压搜索范围。
第二方面,本发明提供了一种最大功率点跟踪系统,所述系统包括初始化模块、搜索范围确定模块、算法启动模块、更新模块、最优值输出模块以及系统重启模块;
所述初始化模块,用于初始化光伏发电系统的第一工作点电压,使光伏发电系统的光伏实际电压跟踪第一工作点电压;待光伏实际电压跟踪到第一工作点电压时,记录第一光伏输出功率;
所述搜索范围确定模块,用于将第一光伏输出功率除以光伏板标准光照强度下的短路电流得到第二工作点电压,使光伏发电系统的光伏实际电压跟踪第二工作点电压;待光伏实际电压跟踪到第二工作点电压时,记录第一电流值,并依据第一电流值确定出电压搜索范围;
所述算法启动模块,用于启动粒子群算法,在确定出的电压搜索范围内初始化粒子电压;
所述更新模块,用于通过粒子群算法计算适应度值,并更新个体最优电压、全局最优电压以及粒子的速度和电压;
所述最优值输出模块,用于对粒子进行迭代,直到找到全局最优电压,即光伏发电系统的最大功率点时,终止迭代,并输出最优电压值;
所述系统重启模块,用于在找到最大功率点后,将光伏发电系统的光伏实际输出功率与该最大功率点的光伏瞬时输出功率进行实时比对,并根据比对结果判断外部环境是否发生变化,如果发生变化,则重启光伏发电系统;如果未发生变化,则继续输出最优电压值。
第三方面,本发明提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面所述的方法。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述的方法。
本发明实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、通过预先预测最大功率点的位置,将搜索电压限制在一定的范围之内,能够在满足多峰值条件下的工作需求的基础上,大大缩小粒子的搜索范围,提高粒子的优寻速度,且跟踪精度高;
2、在搜索到最大功率点后,使光伏发电系统稳定工作在搜索到的最大功率点处,同时在外部环境发生变化时,重启光伏发电系统,并重新确定电压搜索范围,能够有效避免因功率振荡引起功率损耗,即功率振荡程度小。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为现有光伏阵列模型的电路图;
图2为现有光伏电池的单二极管等效电路;
图3为本发明实施例一中一种最大功率点跟踪方法的流程图之一;
图4为本发明实施例一中一种最大功率点跟踪方法的流程图之二;
图5为本发明实施例二中一种最大功率点跟踪装置的结构示意图;
图6为本发明实施例三中电子设备的结构示意图;
图7为本发明实施例四中介质的结构示意图。
具体实施方式
本申请实施例通过提供一种最大功率点跟踪方法、系统、设备及介质,用于解决现有粒子群算法在最大功率点跟踪中的应用存在收敛时间较长、收敛精度较低、功率振荡大的不足之处。
本申请实施例中的技术方案,总体思路如下:首先,在粒子群算法启动之前,先预测最大功率点的大概范围,确定出电压搜索范围,从而提高了粒子找到最大功率点的速度;然后,启动粒子群算法,在确定出的电压搜索范围内不断更新粒子的速度和电压,寻找最大功率点;最后,在搜索到最大功率点后,使光伏发电系统稳定工作在搜索到的最大功率点处,同时在外部环境发生变化时,重启光伏发电系统,并重新确定电压搜索范围,能够有效避免因功率振荡引起功率损耗。
实施例一
本实施例提供一种最大功率点跟踪方法,如图3所示,所述方法包括:
步骤S1、初始化光伏发电系统的第一工作点电压,使光伏发电系统的光伏实际电压跟踪第一工作点电压;待光伏实际电压跟踪到第一工作点电压时,记录第一光伏输出功率;
步骤S2、将第一光伏输出功率除以光伏板标准光照强度下的短路电流得到第二工作点电压,使光伏发电系统的光伏实际电压跟踪第二工作点电压;待光伏实际电压跟踪到第二工作点电压时,记录第一电流值,并依据第一电流值确定出电压搜索范围;
步骤S3、在确定出电压搜索范围后,启动粒子群算法,在确定出的电压搜索范围内初始化粒子电压;
步骤S4、通过粒子群算法计算适应度值,并更新个体最优电压、全局最优电压以及粒子的速度和电压;
步骤S5、对粒子进行迭代,直到找到全局最优电压,即光伏发电系统的最大功率点时,终止迭代,并输出最优电压值。
在本实施例中,如图4所示,所述方法还包括:
步骤S6、在找到最大功率点后,将光伏发电系统的光伏实际输出功率与该最大功率点的光伏瞬时输出功率进行实时比对,并根据比对结果判断外部环境是否发生变化,如果发生变化,则重启光伏发电系统;如果未发生变化,则继续输出最优电压值。
在本实施例中,在所述步骤S1中,所述的初始化光伏发电系统的第一工作点电压具体为:将光伏发电系统的第一工作点电压upv_ref设置为光伏板标准光照强度下的开路电压Voc的0.8倍;即在初始化参数时,因为最大功率点通常都出现在0.8倍的开路电压处,因此,设置第一工作点电压(光伏参考电压)upv_ref=0.8Voc,当然,本发明并不仅限于此,在具体实施时,还可以根据实际情况来调整第一工作点电压upv_ref。
所述的待光伏实际电压跟踪到第一工作点电压时具体为:将光伏实际电压与第一工作点电压进行比对,且当比对到光伏实际电压与第一工作点电压之间的差值绝对值小于第一预设值时,则认为光伏实际电压跟踪到第一工作点电压;否则认为光伏实际电压未跟踪到第一工作点电压。在本实施例中,所述第一预设值可取为0.5V,当然,在具体实施时,还可以根据实际需要来调整该第一预设值的取值。
在本实施例中,在所述步骤S2中,所述的使光伏发电系统的光伏实际电压跟踪第二工作点电压具体为:判断第二工作点电压是否超过电路的工作上限幅值,如果超过,则先对第二工作点电压进行限幅,即令该第二工作点电压等于工作上限幅值,再使光伏发电系统的光伏实际电压跟踪第二工作点电压;如果不超过,则直接使光伏发电系统的光伏实际电压跟踪第二工作点电压;因为在实际工作时,所有光强的光伏输出功率都小于单一最大光强的光伏输出功率,而在对应单一最大光强的光伏输出功率时,都会对电压给定一个上偏量作为上限,给定的该上偏量就是电路的工作上限幅值。
所述的待光伏实际电压跟踪到第二工作点电压时具体为:将光伏实际电压与第二工作点电压进行比对,且当比对到光伏实际电压与第二工作点电压之间的差值绝对值小于第二预设值时,则认为光伏实际电压跟踪到第二工作点电压;否则认为光伏实际电压未跟踪到第二工作点电压;在本实施例中,所述第二预设值可取为0.5V,当然,在具体实施时,还可以根据实际需要来调整该第二预设值的取值。
所述的依据第一电流值确定出电压搜索范围具体为:将第一光伏输出功率Pb除以第一电流值I得到窗口下限值,将窗口上限值设置为光伏板标准光照强度下的开路电压的0.87倍,即最终确定出的电压搜索范围为[Pb/I,0.87Voc]。
在本实施例中,所述步骤S4具体为:
通过粒子群算法计算适应度值,适应度值函数为f(·)=P=U*I,并更新个体最优电压pbest、全局最优电压gbest以及粒子的速度V和电压X,更新公式如以下式(1)-式(4):
其中,i表示第个i粒子,k表示第k次迭代;表示第i个粒子在第k+1次迭代时的速度;表示第i个粒子在第k+1次迭代时的电压;表示第i个粒子在第k+1次迭代时的个体最优电压;gbestk+1表示第k+1次迭代时的全局最优电压;f(gbestk+1)表示从所有个体最优电压中选出的全局最优电压对应的光伏瞬时输出功率;ω表示粒子群算法中的惯性权重;N表示粒子数,在本实施例中,N可取为6,当然本发明并不仅限于此,在具体实施时还可以根据实际需要来设置N的值;c1表示自学习因子,c2表示社会学习因子;rand()表示[0,1]之间的均匀随机数。
在本实施例中,所述步骤S5具体为:
对粒子进行迭代,以寻找最大功率点;
在每一次迭代的过程中,均将该次迭代寻找到的最大功率点的功率f(gbest)与该次迭代之前寻找到的最大功率点的功率f(gbest_last)进行比对,且如果f(gbest)大于f(gbest_last),则将gbest_last更新为gbest,并将累加数sum清零;如果f(gbest)小于等于f(gbest_last),则保持gbest_last不变,并将累加数sum加1;
判断累加数sum是否达到设定的第一累加值n1,如果是,则认为已寻找到全局最优电压,即光伏发电系统的最大功率点,此时终止迭代,并输出最优电压值Vref;如果否,则继续对粒子进行迭代。在本实施例中,所述第一累加值n1可取为4,该第一累加值n1的取值越大,收敛速度会越慢,但跟踪精度会越高,因此,在具体实施时,可以根据实际需要来设定该第一累加值n1的取值。
在本实施例中,所述步骤S6具体包括:
步骤S61、在找到最大功率点后,将光伏发电系统的光伏实际输出功率p与该最大功率点的光伏瞬时输出功率f(gbest)进行实时比对;
步骤S62、判断光伏实际输出功率p与光伏瞬时输出功率f(gbest)之间的差值绝对值是否大于第三预设值,如果是,则将累加数trouble加1,并进入步骤S63;如果否,则将累加数trouble清零,并返回步骤S61;在本实施例中,所述第三预设值可取为20,当然,在具体实施时,还可以根据实际需要来设置该第三预设值的取值;
步骤S63、将当前的光伏实际输出功率p与上一个光伏实际输出功率p_last进行比对,并判断当前的光伏实际输出功率p与上一个光伏实际输出功率p_last之间的差值绝对值是否大于第四预设值,如果是,则说明外部环境在变化,为了不让光伏发电系统重启,此时将累加数trouble清零,令p_last=p,并返回步骤S61;如果否,则说明外部环境变化结束,已稳定在新的工作环境,此时进入步骤S64;在本实施例中,所述第四预设值可取为2,当然,在具体实施时,还可以根据实际需要来设置该第四预设值的取值;
步骤S64、判断累加数trouble是否达到设定的第二累加值n2,如果否,则认为外部环境未发生变化,此时光伏发电系统继续输出最优电压值Vref,并返回步骤S61;如果是,则认为外部环境发生变化,此时重启光伏发电系统,重新确定电压搜索范围(即返回步骤S1重新开始执行);在本实施例中,所述第二累加值n2可取为3,当然,在具体实施时,还可以根据实际需要来选取合适的第二累加值n2,只是第二累加值n2的取值越大,出现误判的可能性就会越小,但是重启过程中的损耗也会因为重启时间的变长而增大。
基于同一发明构思,本申请还提供了与实施例一中的方法对应的系统,详见实施例二。
实施例二
在本实施例中提供了一种最大功率点跟踪系统,如图5所示,所述系统包括初始化模块、搜索范围确定模块、算法启动模块、更新模块、最优值输出模块以及系统重启模块;
所述初始化模块,用于初始化光伏发电系统的第一工作点电压,使光伏发电系统的光伏实际电压跟踪第一工作点电压;待光伏实际电压跟踪到第一工作点电压时,记录第一光伏输出功率;
所述搜索范围确定模块,用于将第一光伏输出功率除以光伏板标准光照强度下的短路电流得到第二工作点电压,使光伏发电系统的光伏实际电压跟踪第二工作点电压;待光伏实际电压跟踪到第二工作点电压时,记录第一电流值,并依据第一电流值确定出电压搜索范围;
所述算法启动模块,用于在确定出电压搜索范围后,启动粒子群算法,在确定出的电压搜索范围内初始化粒子电压;
所述更新模块,用于通过粒子群算法计算适应度值,并更新个体最优电压、全局最优电压以及粒子的速度和电压;
所述最优值输出模块,用于对粒子进行迭代,直到找到全局最优电压,即光伏发电系统的最大功率点时,终止迭代,并输出最优电压值;
所述系统重启模块,用于在找到最大功率点后,将光伏发电系统的光伏实际输出功率与该最大功率点的光伏瞬时输出功率进行实时比对,并根据比对结果判断外部环境是否发生变化,如果发生变化,则重启光伏发电系统;如果未发生变化,则继续输出最优电压值。
在本实施例中,在所述初始化模块中,所述的初始化光伏发电系统的第一工作点电压具体为:将光伏发电系统的第一工作点电压upv_ref设置为光伏板标准光照强度下的开路电压Voc的0.8倍;即在初始化参数时,因为最大功率点通常都出现在0.8倍的开路电压处,因此,设置第一工作点电压(光伏参考电压)upv_ref=0.8Voc,当然,本发明并不仅限于此,在具体实施时,还可以根据实际情况来调整第一工作点电压upv_ref。
所述的待光伏实际电压跟踪到第一工作点电压时具体为:将光伏实际电压与第一工作点电压进行比对,且当比对到光伏实际电压与第一工作点电压之间的差值绝对值小于第一预设值时,则认为光伏实际电压跟踪到第一工作点电压;否则认为光伏实际电压未跟踪到第一工作点电压。在本实施例中,所述第一预设值可取为0.5V,当然,在具体实施时,还可以根据实际需要来调整该第一预设值的取值。
在本实施例中,在所述搜索范围确定模块中,所述的使光伏发电系统的光伏实际电压跟踪第二工作点电压具体为:判断第二工作点电压是否超过电路的工作上限幅值,如果超过,则先对第二工作点电压进行限幅,即令该第二工作点电压等于工作上限幅值,再使光伏发电系统的光伏实际电压跟踪第二工作点电压;如果不超过,则直接使光伏发电系统的光伏实际电压跟踪第二工作点电压;因为在实际工作时,所有光强的光伏输出功率都小于单一最大光强的光伏输出功率,而在对应单一最大光强的光伏输出功率时,都会对电压给定一个上偏量作为上限,给定的该上偏量就是电路的工作上限幅值。
所述的待光伏实际电压跟踪到第二工作点电压时具体为:将光伏实际电压与第二工作点电压进行比对,且当比对到光伏实际电压与第二工作点电压之间的差值绝对值小于第二预设值时,则认为光伏实际电压跟踪到第二工作点电压;否则认为光伏实际电压未跟踪到第二工作点电压;在本实施例中,所述第二预设值可取为0.5V,当然,在具体实施时,还可以根据实际需要来调整该第二预设值的取值。
所述的依据第一电流值确定出电压搜索范围具体为:将第一光伏输出功率Pb除以第一电流值I得到窗口下限值,将窗口上限值设置为光伏板标准光照强度下的开路电压的0.87倍,即最终确定出的电压搜索范围为[Pb/I,0.87Voc]。
在本实施例中,所述更新模块具体为:
通过粒子群算法计算适应度值,适应度值函数为f(·)=P=U*I,并更新个体最优电压pbest、全局最优电压gbest以及粒子的速度V和电压X,更新公式如以下式(1)-式(4):
其中,i表示第个i粒子,k表示第k次迭代;表示第i个粒子在第k+1次迭代时的速度;表示第i个粒子在第k+1次迭代时的电压;表示第i个粒子在第k+1次迭代时的个体最优电压;gbestk+1表示第k+1次迭代时的全局最优电压;f(gbestk+1)表示从所有个体最优电压中选出的全局最优电压对应的光伏瞬时输出功率;ω表示粒子群算法中的惯性权重;N表示粒子数,在本实施例中,N可取为6,当然本发明并不仅限于此,在具体实施时还可以根据实际需要来设置N的值;c1表示自学习因子,c2表示社会学习因子;rand()表示[0,1]之间的均匀随机数。
在本实施例中,所述最优值输出模块具体为:
对粒子进行迭代,以寻找最大功率点;
在每一次迭代的过程中,均将该次迭代寻找到的最大功率点的功率f(gbest)与该次迭代之前寻找到的最大功率点的功率f(gbest_last)进行比对,且如果f(gbest)大于f(gbest_last),则将gbest_last更新为gbest,并将累加数sum清零;如果f(gbest)小于等于f(gbest_last),则保持gbest_last不变,并将累加数sum加1;
判断累加数sum是否达到设定的第一累加值,如果是,则认为已寻找到全局最优电压,即光伏发电系统的最大功率点,此时终止迭代,并输出最优电压值Vref;如果否,则继续对粒子进行迭代。在本实施例中,所述第一累加值n1可取为4,该第一累加值n1的取值越大,收敛速度会越慢,但跟踪精度会越高,因此,在具体实施时,可以根据实际需要来设定该第一累加值n1的取值。
在本实施例中,所述系统重启模块具体包括功率比对单元、差值判断单元、环境变化判断单元以及重启判断单元;
所述功率比对单元,用于在找到最大功率点后,将光伏发电系统的光伏实际输出功率p与该最大功率点的光伏瞬时输出功率f(gbest)进行实时比对;
所述差值判断单元,用于判断光伏实际输出功率p与光伏瞬时输出功率f(gbest)之间的差值绝对值是否大于第三预设值,如果是,则将累加数trouble加1,并进入所述环境变化判断单元;如果否,则将累加数trouble清零,并返回所述功率比对单元;在本实施例中,所述第三预设值可取为20,当然,在具体实施时,还可以根据实际需要来设置该第三预设值的取值;
所述环境变化判断单元,用于将当前的光伏实际输出功率p与上一个光伏实际输出功率p_last进行比对,并判断当前的光伏实际输出功率p与上一个光伏实际输出功率p_last之间的差值绝对值是否大于第四预设值,如果是,则说明外部环境在变化,为了不让光伏发电系统重启,此时将累加数trouble清零,令p_last=p,并返回所述功率比对单元;如果否,则说明外部环境变化结束,已稳定在新的工作环境,此时进入所述重启判断单元;在本实施例中,所述第四预设值可取为2,当然,在具体实施时,还可以根据实际需要来设置该第四预设值的取值;
所述重启判断单元,用于判断累加数trouble是否达到设定的第二累加值n2,如果否,则认为外部环境未发生变化,此时光伏发电系统继续输出最优电压值Vref,并返回所述功率比对单元;如果是,则认为外部环境发生变化,此时重启光伏发电系统,重新确定电压搜索范围(即返回所述初始化模块重新开始执行);在本实施例中,所述第二累加值n2可取为3,当然,在具体实施时,还可以根据实际需要来选取合适的第二累加值n2,只是第二累加值n2的取值越大,出现误判的可能性就会越小,但是重启过程中的损耗也会因为重启时间的变长而增大。
由于本发明实施例二所介绍的装置,为实施本发明实施例一的方法所采用的装置,故而基于本发明实施例一所介绍的方法,本领域所属人员能够了解该装置的具体结构及变形,故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
基于同一发明构思,本申请提供了实施例一对应的电子设备实施例,详见实施例三。
实施例三
本实施例提供了一种电子设备,如图6所示,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,可以实现实施例一中任一实施方式。
由于本实施例所介绍的电子设备为实施本申请实施例一中方法所采用的设备,故而基于本申请实施例一中所介绍的方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中的方法所采用的设备,都属于本申请所欲保护的范围。
基于同一发明构思,本申请提供了实施例一对应的存储介质,详见实施例四。
实施例四
本实施例提供一种计算机可读存储介质,如图7所示,其上存储有计算机程序,该计算机程序被处理器执行时,可以实现实施例一中任一实施方式。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、系统、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请实施例中提供的技术方案,至少具有如下技术效果或优点:
1、通过预先预测最大功率点的位置,将搜索电压限制在一定的范围之内,能够在满足多峰值条件下的工作需求的基础上,大大缩小粒子的搜索范围,提高粒子的优寻速度,且跟踪精度高;
2、在搜索到最大功率点后,使光伏发电系统稳定工作在搜索到的最大功率点处,同时在外部环境发生变化时,重启光伏发电系统,并重新确定电压搜索范围,能够有效避免因功率振荡引起功率损耗,即功率振荡程度小。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。
Claims (10)
1.一种最大功率点跟踪方法,其特征在于:所述方法包括:
步骤S1、初始化光伏发电系统的第一工作点电压,使光伏发电系统的光伏实际电压跟踪第一工作点电压;待光伏实际电压跟踪到第一工作点电压时,记录第一光伏输出功率;
步骤S2、将第一光伏输出功率除以光伏板标准光照强度下的短路电流得到第二工作点电压,使光伏发电系统的光伏实际电压跟踪第二工作点电压;待光伏实际电压跟踪到第二工作点电压时,记录第一电流值,并依据第一电流值确定出电压搜索范围;
步骤S3、启动粒子群算法,在确定出的电压搜索范围内初始化粒子电压;
步骤S4、通过粒子群算法计算适应度值,并更新个体最优电压、全局最优电压以及粒子的速度和电压;
步骤S5、对粒子进行迭代,直到找到全局最优电压,即光伏发电系统的最大功率点时,终止迭代,并输出最优电压值。
2.根据权利要求1所述的一种最大功率点跟踪方法,其特征在于:所述方法还包括:
步骤S6、在找到最大功率点后,将光伏发电系统的光伏实际输出功率与该最大功率点的光伏瞬时输出功率进行实时比对,并根据比对结果判断外部环境是否发生变化,如果发生变化,则重启光伏发电系统;如果未发生变化,则继续输出最优电压值。
3.根据权利要求1所述的一种最大功率点跟踪方法,其特征在于:在所述步骤S1中,所述的初始化光伏发电系统的第一工作点电压具体为:将光伏发电系统的第一工作点电压设置为光伏板标准光照强度下的开路电压的0.8倍;
所述的待光伏实际电压跟踪到第一工作点电压时具体为:将光伏实际电压与第一工作点电压进行比对,且当比对到光伏实际电压与第一工作点电压之间的差值绝对值小于第一预设值时,则认为光伏实际电压跟踪到第一工作点电压;否则认为光伏实际电压未跟踪到第一工作点电压。
4.根据权利要求1所述的一种最大功率点跟踪方法,其特征在于:在所述步骤S2中,所述的使光伏发电系统的光伏实际电压跟踪第二工作点电压具体为:判断第二工作点电压是否超过电路的工作上限幅值,如果超过,则先对第二工作点电压进行限幅,即令该第二工作点电压等于工作上限幅值,再使光伏发电系统的光伏实际电压跟踪第二工作点电压;如果不超过,则直接使光伏发电系统的光伏实际电压跟踪第二工作点电压;
所述的待光伏实际电压跟踪到第二工作点电压时具体为:将光伏实际电压与第二工作点电压进行比对,且当比对到光伏实际电压与第二工作点电压之间的差值绝对值小于第二预设值时,则认为光伏实际电压跟踪到第二工作点电压;否则认为光伏实际电压未跟踪到第二工作点电压;
所述的依据第一电流值确定出电压搜索范围具体为:将第一光伏输出功率除以第一电流值得到窗口下限值,将窗口上限值设置为光伏板标准光照强度下的开路电压的0.87倍。
5.根据权利要求1所述的一种最大功率点跟踪方法,其特征在于:所述步骤S4具体为:
通过粒子群算法计算适应度值,适应度值函数为f(·)=P=U*I,并更新个体最优电压pbest、全局最优电压gbest以及粒子的速度V和电压X,更新公式如以下式(1)-式(4):
6.根据权利要求1所述的一种最大功率点跟踪方法,其特征在于:所述步骤S5具体为:
对粒子进行迭代,以寻找最大功率点;
在每一次迭代的过程中,均将该次迭代寻找到的最大功率点的功率f(gbest)与该次迭代之前寻找到的最大功率点的功率f(gbest_last)进行比对,且如果f(gbest)大于f(gbest_last),则将gbest_last更新为gbest,并将累加数sum清零;如果f(gbest)小于等于f(gbest_last),则保持gbest_last不变,并将累加数sum加1;
判断累加数sum是否达到设定的第一累加值,如果是,则认为已寻找到全局最优电压,即光伏发电系统的最大功率点,此时终止迭代,并输出最优电压值Vref;如果否,则继续对粒子进行迭代。
7.根据权利要求2所述的一种最大功率点跟踪方法,其特征在于:所述步骤S6具体包括:
步骤S61、在找到最大功率点后,将光伏发电系统的光伏实际输出功率p与该最大功率点的光伏瞬时输出功率f(gbest)进行实时比对;
步骤S62、判断光伏实际输出功率p与光伏瞬时输出功率f(gbest)之间的差值绝对值是否大于第三预设值,如果是,则将累加数trouble加1,并进入步骤S63;如果否,则将累加数trouble清零,并返回步骤S61;
步骤S63、将当前的光伏实际输出功率p与上一个光伏实际输出功率p_last进行比对,并判断当前的光伏实际输出功率p与上一个光伏实际输出功率p_last之间的差值绝对值是否大于第四预设值,如果是,则说明外部环境在变化,此时将累加数trouble清零,令p_last=p,并返回步骤S61;如果否,则说明外部环境变化结束,已稳定在新的工作环境,此时进入步骤S64;
步骤S64、判断累加数trouble是否达到设定的第二累加值,如果否,则认为外部环境未发生变化,此时光伏发电系统继续输出最优电压值,并返回步骤S61;如果是,则认为外部环境发生变化,此时重启光伏发电系统,重新确定电压搜索范围。
8.一种最大功率点跟踪系统,其特征在于:所述系统包括初始化模块、搜索范围确定模块、算法启动模块、更新模块、最优值输出模块以及系统重启模块;
所述初始化模块,用于初始化光伏发电系统的第一工作点电压,使光伏发电系统的光伏实际电压跟踪第一工作点电压;待光伏实际电压跟踪到第一工作点电压时,记录第一光伏输出功率;
所述搜索范围确定模块,用于将第一光伏输出功率除以光伏板标准光照强度下的短路电流得到第二工作点电压,使光伏发电系统的光伏实际电压跟踪第二工作点电压;待光伏实际电压跟踪到第二工作点电压时,记录第一电流值,并依据第一电流值确定出电压搜索范围;
所述算法启动模块,用于启动粒子群算法,在确定出的电压搜索范围内初始化粒子电压;
所述更新模块,用于通过粒子群算法计算适应度值,并更新个体最优电压、全局最优电压以及粒子的速度和电压;
所述最优值输出模块,用于对粒子进行迭代,直到找到全局最优电压,即光伏发电系统的最大功率点时,终止迭代,并输出最优电压值;
所述系统重启模块,用于在找到最大功率点后,将光伏发电系统的光伏实际输出功率与该最大功率点的光伏瞬时输出功率进行实时比对,并根据比对结果判断外部环境是否发生变化,如果发生变化,则重启光伏发电系统;如果未发生变化,则继续输出最优电压值。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258395.0A CN111538366B (zh) | 2020-04-03 | 2020-04-03 | 一种最大功率点跟踪方法、系统、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258395.0A CN111538366B (zh) | 2020-04-03 | 2020-04-03 | 一种最大功率点跟踪方法、系统、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111538366A true CN111538366A (zh) | 2020-08-14 |
CN111538366B CN111538366B (zh) | 2021-12-21 |
Family
ID=71978598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010258395.0A Active CN111538366B (zh) | 2020-04-03 | 2020-04-03 | 一种最大功率点跟踪方法、系统、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111538366B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167937A (zh) * | 2022-02-12 | 2022-03-11 | 武汉理工大学 | 一种基于粒子群算法改进的热电最大功率跟踪方法及系统 |
CN114911301A (zh) * | 2022-04-27 | 2022-08-16 | 深圳市正浩创新科技股份有限公司 | 最大功率跟踪控制方法、光伏系统及储能设备 |
CN114924611A (zh) * | 2022-06-08 | 2022-08-19 | 成都信息工程大学 | 一种光伏电池最大功率点跟踪方法、设备和介质 |
CN114967822A (zh) * | 2022-05-27 | 2022-08-30 | 北京华能新锐控制技术有限公司 | 基于二进制非线性搜索的光伏电站fppt跟踪方法 |
CN116126036A (zh) * | 2023-02-14 | 2023-05-16 | 国网安徽省电力有限公司营销服务中心 | 一种太阳能光伏板发电功率优化方法、系统、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102158134A (zh) * | 2011-05-27 | 2011-08-17 | 深圳珈伟光伏照明股份有限公司 | 一种太阳能发电系统的峰值功率跟踪方法 |
CN103867387A (zh) * | 2014-03-28 | 2014-06-18 | 中科恒源科技股份有限公司 | 基于风力发电的最大功率跟踪控制的方法 |
CN103955253A (zh) * | 2014-05-05 | 2014-07-30 | 合肥工业大学 | 基于功率闭环扫描的光伏阵列多峰值最大功率点跟踪方法 |
CN108170200A (zh) * | 2018-01-03 | 2018-06-15 | 南京航空航天大学 | 基于动态惯性权重和多阈值重启条件的改进粒子群mppt算法 |
CN108181966A (zh) * | 2017-12-29 | 2018-06-19 | 马鞍山职业技术学院 | 一种光伏mppt控制电路及基于电压-功率扫描的光伏多峰mpp快速跟踪方法 |
CN109814651A (zh) * | 2019-01-21 | 2019-05-28 | 中国地质大学(武汉) | 基于粒子群的光伏电池多峰值最大功率跟踪方法及系统 |
-
2020
- 2020-04-03 CN CN202010258395.0A patent/CN111538366B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102158134A (zh) * | 2011-05-27 | 2011-08-17 | 深圳珈伟光伏照明股份有限公司 | 一种太阳能发电系统的峰值功率跟踪方法 |
CN103867387A (zh) * | 2014-03-28 | 2014-06-18 | 中科恒源科技股份有限公司 | 基于风力发电的最大功率跟踪控制的方法 |
CN103955253A (zh) * | 2014-05-05 | 2014-07-30 | 合肥工业大学 | 基于功率闭环扫描的光伏阵列多峰值最大功率点跟踪方法 |
CN108181966A (zh) * | 2017-12-29 | 2018-06-19 | 马鞍山职业技术学院 | 一种光伏mppt控制电路及基于电压-功率扫描的光伏多峰mpp快速跟踪方法 |
CN108170200A (zh) * | 2018-01-03 | 2018-06-15 | 南京航空航天大学 | 基于动态惯性权重和多阈值重启条件的改进粒子群mppt算法 |
CN109814651A (zh) * | 2019-01-21 | 2019-05-28 | 中国地质大学(武汉) | 基于粒子群的光伏电池多峰值最大功率跟踪方法及系统 |
Non-Patent Citations (2)
Title |
---|
王磊等: "优化粒子群算法在复杂遮阴条件光伏系统最大功率点跟踪中的应用", 《第四届全国电能质量学术会议暨电能质量行业发展论坛:电能质量与高效优质用电论文集》 * |
祝青等: "基于电压窗口限制的粒子群MPPT算法的研究", 《太阳能学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167937A (zh) * | 2022-02-12 | 2022-03-11 | 武汉理工大学 | 一种基于粒子群算法改进的热电最大功率跟踪方法及系统 |
CN114911301A (zh) * | 2022-04-27 | 2022-08-16 | 深圳市正浩创新科技股份有限公司 | 最大功率跟踪控制方法、光伏系统及储能设备 |
CN114967822A (zh) * | 2022-05-27 | 2022-08-30 | 北京华能新锐控制技术有限公司 | 基于二进制非线性搜索的光伏电站fppt跟踪方法 |
CN114967822B (zh) * | 2022-05-27 | 2023-09-12 | 北京华能新锐控制技术有限公司 | 基于二进制非线性搜索的光伏电站fppt跟踪方法 |
CN114924611A (zh) * | 2022-06-08 | 2022-08-19 | 成都信息工程大学 | 一种光伏电池最大功率点跟踪方法、设备和介质 |
CN116126036A (zh) * | 2023-02-14 | 2023-05-16 | 国网安徽省电力有限公司营销服务中心 | 一种太阳能光伏板发电功率优化方法、系统、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111538366B (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111538366B (zh) | 一种最大功率点跟踪方法、系统、设备和介质 | |
Paz et al. | Zero oscillation and irradiance slope tracking for photovoltaic MPPT | |
Feng et al. | A comprehensive approach for preventive and corrective control to mitigate voltage collapse | |
CN113342124B (zh) | 基于改进灰狼优化算法的光伏mppt方法 | |
CN106444956A (zh) | 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 | |
Motamarri et al. | JAYA algorithm based on Lévy flight for global MPPT under partial shading in photovoltaic system | |
CN113315164B (zh) | 无功电压控制方法和装置、介质以及计算装置 | |
Deboucha et al. | Voltage track optimizer based maximum power point tracker under challenging partially shaded photovoltaic systems | |
Basiński et al. | Hybrid MPPT algorithm for PV systems under partially shaded conditions using a stochastic evolutionary search and a deterministic hill climbing | |
CN110515418A (zh) | 一种光伏系统全局最大功率点的确定方法及跟踪方法 | |
Bhan et al. | A new computing perturb-and-observe-type algorithm for MPPT in solar photovoltaic systems and evaluation of its performance against other variants by experimental validation | |
CN113687684A (zh) | 引入改进步长因子的光伏mppt控制方法、系统、介质及设备 | |
CN115220522B (zh) | 一种基于改进型扰动观察法的最大功率点跟踪方法 | |
Tao et al. | Three-partition multistrategy adaptive fruit fly optimization algorithm for microgrid droop control | |
KR102162006B1 (ko) | 태양광 발전 시스템의 차동전력조절 시스템 및 이를 이용한 태양광 패널의 최대 전력점 추적방법 | |
Badoud | Real-time experimental analysis of hybrid BG-FL based MPPT controller for a photovoltaic system under partial shading conditions | |
Andic et al. | Honey Badger Algorithm Based Tuning of PID Conroller for Load Frequency Control in Two-Area Power System Including Electric Vehicle Battery | |
Bataineh | An Intelligent Maximum Power Point Using a Fuzzy Log Controller under Severe Weather Conditions | |
Begum et al. | Optimal design and implementation of fuzzy logic based controllers for LFC study in power system incorporated with wind firms | |
Wang et al. | An improved equivalent model for a long pv string under partial shading conditions | |
Chiu et al. | Maximum Power Exploitation of Photovoltaic System under Fast-Varying Solar Irradiation and Local Shading | |
CN116860066B (zh) | 一种最大功率点电压的判断方法、电子设备、存储介质 | |
Jaber et al. | Applied of the reflection strategy of fuzzy on high complex power system frequency control | |
CN117498353B (zh) | 新能源场站并网系统电压支撑调整方法及系统 | |
Xie et al. | A flexible power point tracking algorithm based on adaptive lion swarm optimization for photovoltaic system |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |