CN114967823A - 基于改进黑寡妇的光伏最大功率点跟踪的控制方法及装置 - Google Patents
基于改进黑寡妇的光伏最大功率点跟踪的控制方法及装置 Download PDFInfo
- Publication number
- CN114967823A CN114967823A CN202210641613.8A CN202210641613A CN114967823A CN 114967823 A CN114967823 A CN 114967823A CN 202210641613 A CN202210641613 A CN 202210641613A CN 114967823 A CN114967823 A CN 114967823A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- black
- power generation
- 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
- 241000145313 Gymnocorymbus ternetzi Species 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000010248 power generation Methods 0.000 claims abstract description 69
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 22
- 238000007405 data analysis Methods 0.000 claims description 13
- 238000005286 illumination Methods 0.000 claims description 13
- 230000035772 mutation Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 6
- 241000239290 Araneae Species 0.000 claims description 3
- 241000238866 Latrodectus mactans Species 0.000 claims description 3
- 101100273030 Schizosaccharomyces pombe (strain 972 / ATCC 24843) caf1 gene Proteins 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 3
- 230000037213 diet Effects 0.000 claims description 3
- 235000005911 diet Nutrition 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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)
Abstract
本发明公开了一种基于改进黑寡妇的光伏最大功率点跟踪的控制方法及装置,所述方法包括以下步骤:S1、对光伏发电系统的数据进行采集;S2、根据采集得到的数据计算当前的光伏发电功率;S3、基于改进黑寡妇算法求得光伏最大发电功率;S4、对基于改进黑寡妇算法求得的光伏最大发电功率与当前的光伏发电功率进行比较;若基于改进黑寡妇算法求得的光伏最大发电功率大于当前的光伏发电功率,则改变占空比,跟踪光伏最大功率点;若基于改进黑寡妇算法求得的光伏最大发电功率小于当前的光伏发电功率,则不改变占空比。本发明有效地结合了改进黑寡妇算法,能够迅速地找到全局最优解,且抗鲁棒性强,计算时间短,改善了因不可抗力而损失能源的现象。
Description
技术领域
本发明涉及光伏发电技术领域,尤其是涉及一种基于改进黑寡妇的光伏最大功率点跟踪的控制方法及装置。
背景技术
随着常规能源的有限性以及环境问题的日益突出,以环保和可再生为特质的新能源越来越得到各国政府的重视。太阳能作为新能源的一种,具有非常大的潜力,光伏发电是利用太阳能的主要形式,具有广阔的应用前景。
光伏发电系统可能会连接逆变器、外部电网、电池组或是其他的电子负载。但不论其连接的负载为何,最大功率点追踪要处理的问题都类似,与太阳能电池功率传输的效率和照到太阳能板上的日照量有关,也和负载的电子特性有关。当日照情形变化时,可以提供最大功率传输效率的负载曲线也随之变化,若负载可以配合功率传输效率最高的负载曲线来调整,系统会有最佳的效率,功率传输效率最高的负载特性称为最大功率点。而最大功率点追踪是设法找到最大功率点,并使负载特性维持在这个功率点。
光伏阵列在特定的环境条件下,光伏电池的输出具有很强的非线性,而且只有一个最大功率输出点。为了提高光伏电池的发电效率,最大限度地利用光伏阵列输出的电能,需要通过功率器件调节使光伏阵列输出电压趋近最大功率点输出电压,以保证光伏阵列在最大功率点运行而获得最大能源。
为了最大可能地获取光伏阵列系统的电能,现有的最大功率点跟踪控制方法包括扰动观察法、电导增量法、模拟退火法、大数据统计算法等。其中,扰动观察法和电导增量法容易陷入局部最大功率点而偏离全局最大功率点;而模拟退火法和大数据统计法则无法百分百地锁定全局最大功率点,存在找到次大功率点的可能性。
发明内容
本发明提出一种基于改进黑寡妇的光伏最大功率点跟踪的控制方法及装置,以解决背景技术中的问题,以快速找到全局全局最大功率点,避免找到局部最优解的情况发生。
本发明的技术方案是这样实现的:
基于改进黑寡妇的光伏最大功率点跟踪的控制方法,包括以下步骤:
S1、对光伏发电系统的数据进行采集;
S2、根据采集得到的数据计算当前的光伏发电功率,并根据已有的数据计算当前数据的光伏最大发电功率;
S3、基于改进黑寡妇算法求得光伏最大发电功率;
S4、对基于改进黑寡妇算法求得的光伏最大发电功率与当前的光伏发电功率进行比较;
若基于改进黑寡妇算法求得的光伏最大发电功率大于当前的光伏发电功率,则改变占空比,跟踪光伏最大功率点;
若基于改进黑寡妇算法求得的光伏最大发电功率小于当前的光伏发电功率,则不改变占空比。
进一步优化技术方案,所述步骤S2中,计算当前的光伏发电功率的公式如下:
DV=-βDT-RSDI
DT=TC-Tref
TC=Ta+tCR
式中:A、B为常数,ISC为光伏电池在标准测试条件下的最大输出电流;UOC为光伏电池在标准测试条件下的最大输出电压;I为实时电流;U为实时电压;D为占空比;Um为光伏电池在最大功率点处的电压;Im为光伏电池在最大功率点处的电流;α为标准条件下,电流变化温度系数;R为实时光照强度;Rref为标准光照强度;β为标准条件下,电压变化温度系数;TC为光伏阵列组件的温度;Ta为实时环境温度;Tref为光伏阵列的温度系数;RS为光伏阵列的等效串联电阻;P为实时功率。
进一步优化技术方案,所述改进黑寡妇算法包括以下步骤:
S10、采用二进制策略初始化黑寡妇种群:二进制策略初始化黑寡妇蜘蛛,生成含有NPOP只蜘蛛的黑寡妇种群pop,为每只黑寡妇计算适应度;
S20、“或门”策略生殖:根据适应度大小对种群排序,计算种群中参与生殖的黑寡妇,随机选择一对父母,使用“或门”策略进行交配,繁殖生成NVar个孩子并计算适应度;
S30、同类相食:摧毁步骤S20中的父亲,根据适应度值对步骤S20中的NVar个孩子排序,摧毁适应度低的孩子,剩下的黑寡妇保存到种群pop2中;
S40、种群限制策略:种群pop2根据适应度排序,执行种群限制策略,将超过NPOP且适应度低的黑寡妇删除;
S50、突变:每个随机被选择进行突变的黑寡妇随机交换0,1数组中的两个特征值,确定需要突变的黑寡妇的数量;
S60、更新种群:种群pop更新为步骤S40保留下来的黑寡妇以及步骤S50得到的黑寡妇;
S70、返回最优特征子集:循环步骤S20-步骤S60,直到停止条件,返回种群pop中适应度最好的黑寡妇,得到最优特征子集XBest。
进一步优化技术方案,对黑寡妇适应度进行计算的适应度函数为:
式中:Pi 2为第i个改变占空比后的功率,Fit为改变占空比后的功率与实时功率之比。
进一步优化技术方案,通过改进黑寡妇算法进行特征选择时,参与计算的黑寡妇和α是0,1数组,公式为:
child1=α×W1||(1-α)×W2
child2=α×W2||(1-α)×W1
式中:W1和W2是父母,child1和child2是后代,×代表对应位置相乘,||代表对应位置做或运算。
基于改进黑寡妇的光伏最大功率点跟踪的控制装置,包括:
数据采集模块,用于对光伏发电系统的数据进行采集;
数据处理模块,用于根据采集得到的数据计算当前的光伏发电功率;所述数据采集模块的输出端连接于所述数据处理模块的输入端;
数据分析模块,用于基于改进黑寡妇算法求得光伏最大发电功率;所述数据处理模块的输出端连接于所述数据分析模块的输入端;
功率控制模块,用于对基于改进黑寡妇算法求得的光伏最大发电功率与当前的光伏发电功率进行比较,判断是否需要改变占空比,以跟踪光伏最大功率点;所述数据分析模块的输出端连接于所述功率控制模块的输入端。
采用了上述技术方案,本发明的有益效果为:
本发明能够基于改进黑寡妇算法对当前光伏发电功率进行判断,如果计算出的最大光伏发电功率大于当前光伏发电功率,则通过改变占空比的方式跟踪光伏最大功率点,即可提高光伏阵列发电效率,实时自动控制光伏阵列在最大功率点处进行供电,提高了太阳能控制装置的智能化程度。
本发明有效地结合了改进黑寡妇算法,相对于传统算法能够迅速地找到全局最优解,避免了陷入局部最大功率点而偏离全局最大功率点的情况,且抗鲁棒性强,计算时间短,改善了因不可抗力而损失能源的现象。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明基于改进黑寡妇的光伏最大功率点跟踪的控制方法的流程图;
图2是本发明基于改进黑寡妇的光伏最大功率点跟踪的控制方法中改进黑寡妇算法的流程图;
图3是本发明基于改进黑寡妇的光伏最大功率点跟踪的控制装置的原理框图;
图4是本发明基于改进黑寡妇的光伏最大功率点跟踪的控制装置中数据采集模块的原理框图;
图5是本发明基于改进黑寡妇的光伏最大功率点跟踪的控制装置中数据处理模块的原理框图。
其中:10、数据采集模块,11、光伏板温度传感器,12、环境温度传感器,13、光伏板电流电压传感器,14、光照辐射量检测器;
20、数据处理模块,21、输入接口,22、输出接口,23、信号转换模块,24、数据加工模块;
30、数据分析模块;
40、功率控制模块。
具体实施方式
下面将结合具体实施方案对本发明的技术方案进行清楚、完整的描述,但是本领域技术人员应当理解,下文所述的实施方案仅用于说明本发明,而不应视为限制本发明的范围。基于本发明中的实施方案,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方案,都属于本发明保护的范围。
基于改进黑寡妇的光伏最大功率点跟踪的控制方法,包括以下步骤:
S1、对光伏发电系统的数据进行采集。光伏发电系统的数据包括温度、环境温度、电流、电压、光照辐射量等。
S2、根据采集得到的数据计算当前的光伏发电功率,并根据已有的数据计算当前数据的光伏最大发电功率。
步骤S2中,计算当实时光伏发电功率的公式如下:
DV=-βDT-RSDI
DT=TC-Tref
TC=Ta+tCR
式中:A、B为常数,ISC为光伏电池在标准测试条件下的最大输出电流;UOC为光伏电池在标准测试条件下的最大输出电压;I为实时电流;U为实时电压;D为占空比;Um为光伏电池在最大功率点处的电压;Im为光伏电池在最大功率点处的电流;α为标准条件下,电流变化温度系数;R为实时光照强度;Rref为标准光照强度;β为标准条件下,电压变化温度系数;TC为光伏阵列组件的温度;Ta为实时环境温度;Tref为光伏阵列的温度系数;RS为光伏阵列的等效串联电阻;P为实时功率。
S3、黑寡妇算法相比于其他算法,具有收敛速度快、适应度值优化等方面的诸多优势,但其缺点是不能进行特征选择。对此,本发明基于改进黑寡妇算法求得光伏最大发电功率。通过使用改进黑寡妇算法,使MPPT用时更短,效果更好,提升装置智能化。改进黑寡妇算法的优势在于每次迭代时全局搜索的特征子集的可能性更多,找到最优特征子集的可能性更大。
本发明中改进黑寡妇算法包括以下步骤:
S10、采用二进制策略初始化黑寡妇种群:二进制策略初始化黑寡妇蜘蛛,生成含有NPOP只蜘蛛的黑寡妇种群pop,每只黑寡妇都是一个特征子集,为每只黑寡妇计算适应度。经过初始化种群阶段,生成NPOP(种群大小)只黑寡妇,得到一个NPOP×NVar的黑寡妇矩阵。NPOP需预先定义,可选30、50等。
S20、“或门”策略生殖:根据适应度大小对种群排序,基于生殖率计算种群中参与生殖的黑寡妇,从中随机选择一对父母,使用“或门”策略进行交配,繁殖生成NVar个孩子并计算适应度。
S30、同类相食:摧毁步骤S20中的父亲,根据适应度值对步骤S20中的NVar个孩子排序,基于同类相食率CR,摧毁适应度低的孩子,剩下的黑寡妇保存到种群pop2中。
S40、种群限制策略:种群pop2根据适应度排序,执行种群限制策略,将超过NPOP且适应度低的黑寡妇删除。
S50、突变:每个随机被选择进行突变的黑寡妇随机交换0,1数组中的两个特征值,使用突变率确定需要突变的黑寡妇的数量。
S60、更新种群:种群pop更新为步骤S40保留下来的黑寡妇以及步骤S50得到的黑寡妇。
S70、返回最优特征子集:循环步骤S20-步骤S60,直到停止条件,返回种群pop中适应度最好的最佳黑寡妇,得到最优特征子集XBest。
S4、对基于改进黑寡妇算法求得的光伏最大发电功率与当前的光伏发电功率进行比较。
若基于改进黑寡妇算法求得的光伏最大发电功率大于当前的光伏发电功率,则改变占空比,跟踪光伏最大功率点。
若基于改进黑寡妇算法求得的光伏最大发电功率小于当前的光伏发电功率,则不改变占空比。
目标函数的公式为:
maxP(D)
式中:D为占空比。
其中,改进黑寡妇算法的步骤中,特征值为占空比,为了比较每种不同的特征值,本发明提出一种适应度函数,对黑寡妇适应度进行计算的适应度函数为:
式中:Pi 2为第i个改变占空比后的功率,Fit为改变占空比后的功率与实时功率之比,越大则功率越高。
通过改进黑寡妇算法进行特征选择时,参与计算的黑寡妇和α是0,1数组,公式为:
child1=α×W1||(1-α)×W2
child2=α×W2||(1-α)×W1
式中:W1和W2是父母,child1和child2是后代,×代表对应位置相乘,||代表对应位置做或运算。
基于改进黑寡妇的光伏最大功率点跟踪的控制装置,包括数据采集模块10、数据处理模块20、数据分析模块30、功率控制模块40。
数据采集模块10,用于对光伏发电系统的数据进行采集。数据采集模块10包括光伏板温度传感器11、环境温度传感器12、电流电压传感器13、光照辐射量检测器14,光伏板温度传感器11、环境温度传感器12、电流电压传感器13、光照辐射量检测器14的输出端分别连接于数据处理模块20的输入端,能够将采集的数据上传至数据处理模块20。
光伏板温度传感器11,安装在太阳能光伏板上,用于检测光伏阵列组件的温度。
环境温度传感器12,安装在太阳能光伏板上,用于检测外界环境温度。
电流电压传感器13,连接设置在光伏板导线连接上,用于对光伏发电系统中的电流和电压进行检测。
光照辐射量检测器14,用于检测光照辐射量。
数据处理模块20,用于接收数据采集模块10传输的数据信息,并根据采集得到的数据计算当前的光伏发电功率。数据采集模块的输出端连接于所述数据处理模块的输入端。
数据处理模块20包括输入接口21、输出接口22、信号转换模块23、数据加工模块24。
输入接口21,与光伏板温度传感器11、环境温度传感器12、电流电压传感器13、光照辐射量检测器14相连接,用于接收光伏板温度传感器11、环境温度传感器12、电流电压传感器13、光照辐射量检测器14传输的信号。
输出接口22,与数据分析模块30相连接,用于将信号传输至数据分析模块30。
信号转换模块23,与输入接口21和数据加工模块24相连接,用于将数据采集模块10传输的数据进行模数转换,并将模数转换后的信号传输至数据加工模块24。
数据加工模块24,用于将信号转换模块23传输的信号进行计算,计算出当前的光伏发电功率。
输出接口22,与数据加工模块24相连接,用于将数据加工模块24计算出的光伏发电功率输出。
数据分析模块30,用于基于改进黑寡妇算法求得光伏最大发电功率。数据处理模块的输出端连接于所述数据分析模块的输入端。
功率控制模块40,用于对基于改进黑寡妇算法求得的光伏最大发电功率与当前的光伏发电功率进行比较,判断是否需要改变占空比,改变占空比来跟踪光伏最大功率点。数据分析模块的输出端连接于所述功率控制模块的输入端。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (6)
1.基于改进黑寡妇的光伏最大功率点跟踪的控制方法,其特征在于,包括以下步骤:
S1、对光伏发电系统的数据进行采集;
S2、根据采集得到的数据计算当前的光伏发电功率,并根据已有的数据计算当前数据的光伏最大发电功率;
S3、基于改进黑寡妇算法求得光伏最大发电功率;
S4、对基于改进黑寡妇算法求得的光伏最大发电功率与当前的光伏发电功率进行比较;
若基于改进黑寡妇算法求得的光伏最大发电功率大于当前的光伏发电功率,则改变占空比,跟踪光伏最大功率点;
若基于改进黑寡妇算法求得的光伏最大发电功率小于当前的光伏发电功率,则不改变占空比。
2.根据权利要求1所述的基于改进黑寡妇的光伏最大功率点跟踪的控制方法,其特征在于,所述步骤S2中,计算当前的光伏发电功率的公式如下:
DV=-βDT-RSDI
DT=TC-Tref
TC=Ta+tCR
式中:A、B为常数,ISC为光伏电池在标准测试条件下的最大输出电流;UOC为光伏电池在标准测试条件下的最大输出电压;I为实时电流;U为实时电压;D为占空比;Um为光伏电池在最大功率点处的电压;Im为光伏电池在最大功率点处的电流;α为标准条件下,电流变化温度系数;R为实时光照强度;Rref为标准光照强度;β为标准条件下,电压变化温度系数;TC为光伏阵列组件的温度;Ta为实时环境温度;Tref为光伏阵列的温度系数;Rs为光伏阵列的等效串联电阻;P为实时功率。
3.根据权利要求1所述的基于改进黑寡妇的光伏最大功率点跟踪的控制方法,其特征在于,所述改进黑寡妇算法包括以下步骤:
S10、采用二进制策略初始化黑寡妇种群:二进制策略初始化黑寡妇蜘蛛,生成含有NPOP只蜘蛛的黑寡妇种群pop,为每只黑寡妇计算适应度;
S20、“或门”策略生殖:根据适应度大小对种群排序,计算种群中参与生殖的黑寡妇,随机选择一对父母,使用“或门”策略进行交配,繁殖生成NVar个孩子并计算适应度;
S30、同类相食:摧毁步骤S20中的父亲,根据适应度值对步骤S20中的NVar个孩子排序,摧毁适应度低的孩子,剩下的黑寡妇保存到种群pop2中;
S40、种群限制策略:种群pop2根据适应度排序,执行种群限制策略,将超过NPOP且适应度低的黑寡妇删除;
S50、突变:每个随机被选择进行突变的黑寡妇随机交换0,1数组中的两个特征值,确定需要突变的黑寡妇的数量;
S60、更新种群:种群pop更新为步骤S40保留下来的黑寡妇以及步骤S50得到的黑寡妇;
S70、返回最优特征子集:循环步骤S20-步骤S60,直到停止条件,返回种群pop中适应度最好的黑寡妇,得到最优特征子集NBest。
5.根据权利要求1所述的基于改进黑寡妇的光伏最大功率点跟踪的控制方法,其特征在于,通过改进黑寡妇算法进行特征选择时,参与计算的黑寡妇和α是0,1数组,公式为:
child1=α×W1||(1-α)×W2
child2=α×W2||(1-α)×W1
式中:W1和W2是父母,child1和child2是后代,×代表对应位置相乘,||代表对应位置做或运算。
6.基于改进黑寡妇的光伏最大功率点跟踪的控制装置,其特征在于,包括:
数据采集模块,用于对光伏发电系统的数据进行采集;
数据处理模块,用于根据采集得到的数据计算当前的光伏发电功率;所述数据采集模块的输出端连接于所述数据处理模块的输入端;
数据分析模块,用于基于改进黑寡妇算法求得光伏最大发电功率;所述数据处理模块的输出端连接于所述数据分析模块的输入端;
功率控制模块,用于对基于改进黑寡妇算法求得的光伏最大发电功率与当前的光伏发电功率进行比较,判断是否需要改变占空比,以跟踪光伏最大功率点;所述数据分析模块的输出端连接于所述功率控制模块的输入端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210641613.8A CN114967823A (zh) | 2022-06-07 | 2022-06-07 | 基于改进黑寡妇的光伏最大功率点跟踪的控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210641613.8A CN114967823A (zh) | 2022-06-07 | 2022-06-07 | 基于改进黑寡妇的光伏最大功率点跟踪的控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114967823A true CN114967823A (zh) | 2022-08-30 |
Family
ID=82961180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210641613.8A Pending CN114967823A (zh) | 2022-06-07 | 2022-06-07 | 基于改进黑寡妇的光伏最大功率点跟踪的控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114967823A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116609672A (zh) * | 2023-05-16 | 2023-08-18 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于改进的bwoa -fnn算法的储能电池soc估计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101882896A (zh) * | 2010-07-12 | 2010-11-10 | 山东电力研究院 | 大规模光伏电站动态等值阻抗的建模方法 |
CN102622034A (zh) * | 2012-03-14 | 2012-08-01 | 浙江大学 | 一种太阳能光伏系统的mppt控制器及其控制方法 |
CN107704696A (zh) * | 2017-10-15 | 2018-02-16 | 国网内蒙古东部电力有限公司通辽供电公司 | 并网光伏电站动态等值阻抗及仿真分析策略 |
CN109710021A (zh) * | 2019-03-14 | 2019-05-03 | 河北工业大学 | 基于改进量子粒子群算法的光伏多峰mppt控制方法 |
CN110581567A (zh) * | 2019-08-08 | 2019-12-17 | 国网山东省电力公司济南市历城区供电公司 | 实时跟踪内阻匹配的功率传输方法和系统 |
CN113075940A (zh) * | 2021-03-24 | 2021-07-06 | 阳光电源(上海)有限公司 | 一种光伏组串跟踪支架控制方法及相关装置 |
CN113688573A (zh) * | 2021-08-30 | 2021-11-23 | 郑州轻工业大学 | 一种基于改进的黑寡妇蜘蛛算法的拉伸弹簧优化方法 |
-
2022
- 2022-06-07 CN CN202210641613.8A patent/CN114967823A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101882896A (zh) * | 2010-07-12 | 2010-11-10 | 山东电力研究院 | 大规模光伏电站动态等值阻抗的建模方法 |
CN102622034A (zh) * | 2012-03-14 | 2012-08-01 | 浙江大学 | 一种太阳能光伏系统的mppt控制器及其控制方法 |
CN107704696A (zh) * | 2017-10-15 | 2018-02-16 | 国网内蒙古东部电力有限公司通辽供电公司 | 并网光伏电站动态等值阻抗及仿真分析策略 |
CN109710021A (zh) * | 2019-03-14 | 2019-05-03 | 河北工业大学 | 基于改进量子粒子群算法的光伏多峰mppt控制方法 |
CN110581567A (zh) * | 2019-08-08 | 2019-12-17 | 国网山东省电力公司济南市历城区供电公司 | 实时跟踪内阻匹配的功率传输方法和系统 |
CN113075940A (zh) * | 2021-03-24 | 2021-07-06 | 阳光电源(上海)有限公司 | 一种光伏组串跟踪支架控制方法及相关装置 |
CN113688573A (zh) * | 2021-08-30 | 2021-11-23 | 郑州轻工业大学 | 一种基于改进的黑寡妇蜘蛛算法的拉伸弹簧优化方法 |
Non-Patent Citations (1)
Title |
---|
李郅琴等: "基于黑寡妇算法的特征选择方法研究", Retrieved from the Internet <URL:https://www.doc88.com/p-49699832938299.html> * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116609672A (zh) * | 2023-05-16 | 2023-08-18 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于改进的bwoa -fnn算法的储能电池soc估计方法 |
CN116609672B (zh) * | 2023-05-16 | 2024-05-07 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于改进的bwoa-fnn算法的储能电池soc估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Parameter extraction of photovoltaic models using an improved teaching-learning-based optimization | |
Kumari et al. | Parameter estimation for photovoltaic system under normal and partial shading conditions: A survey | |
Ridha et al. | Sizing and implementing off-grid stand-alone photovoltaic/battery systems based on multi-objective optimization and techno-economic (MADE) analysis | |
Rana et al. | String level optimisation on grid‐tied solar PV systems to reduce partial shading loss | |
CN111245365B (zh) | 基于动态加权深度森林的光伏组件故障诊断方法 | |
Carotenuto et al. | An evolutionary approach to the dynamical reconfiguration of photovoltaic fields | |
CN110503153B (zh) | 基于差分进化算法和支持向量机的光伏系统故障诊断方法 | |
WO2024036950A1 (zh) | 微电网分布式光伏发电系统配置优化方法及终端设备 | |
Hou et al. | A novel maximum power point tracking algorithm based on glowworm swarm optimization for photovoltaic systems | |
CN111181196A (zh) | 光伏电站配置方法及装置 | |
Shaheen et al. | Enhanced social network search algorithm with powerful exploitation strategy for PV parameters estimation | |
CN114967823A (zh) | 基于改进黑寡妇的光伏最大功率点跟踪的控制方法及装置 | |
Roy et al. | Maximum power tracking by neural network | |
Senthilkumar et al. | Brief review on solar photovoltaic parameter estimation of single and double diode model using evolutionary algorithms | |
Megantoro et al. | Analyze and optimization of genetic algorithm implemented on maximum power point tracking technique for PV system | |
Seera et al. | Performance analyses of various commercial photovoltaic modules based on local spectral irradiances in Malaysia using genetic algorithm | |
CN115469184A (zh) | 基于卷积网络的新能源输电线路故障识别方法 | |
Al Mansur et al. | Mitigation of mismatch power loss in aged photovoltaic arrays following a comparative investigation into module rearrangement techniques | |
CN111831048B (zh) | 一种用于光伏阵列的优化方法 | |
WO2022105060A1 (zh) | 一种单二极管结构光伏电池参数的辨识方法 | |
CN111193289B (zh) | 一种光伏电站并联失配的调整方法及装置 | |
Kamaruddin et al. | Adapting perturbation voltage in PV array with power point tracking and differential evolution | |
Zhao et al. | Short-term photovoltaic power prediction based on DE-GWO-LSTM | |
IssanRaj et al. | Simpson’s rule based accurate mathematical modelling of photovoltaic cell using multi-objective genetic algorithm for hardware verification | |
Mahmoud et al. | Classification of solar variability using K-means method for the evaluation of solar photovoltaic systems performance |
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 |