一种基于改进布谷鸟算法的极值搜索控制方法及应用

【目的】不确定复杂动力学系统难以实现最优控制。太阳能光伏系统由于其外界环境不确定,导致其最优稳态模型不确定,需要一个最大功率点跟踪（MPPT）控制器确保在任何环境下太阳能电池都保持最大功率工作。【方法】课题组介绍了一种基于改进布谷鸟算法的极值搜索控制方法（ICS）,通过改进算法迭代过程提升其动态性能和稳态性能,并提出了离散-连续控制方法,实现了离散算法在连续物理系统中的应用,并通过数值仿真的方式验证了ICS算法性能。【结果】与传统CS算法相比,ICS算法大幅度优化了调节时间、振荡次数和极值搜索能力,其调节时间仅为0.025 5 s,算法收敛前仅大幅振荡两次,且该算法找到的极值输出功率也大于传统CS算法,即更接近全局最优值。【结论】ICS算法的动态性能和稳态性能均远优于传统CS算法,其在调节时间、振荡水平和极值搜索能力等方面均性能优越。     

新能源汽车光伏充电站的MPPT技术研究

光伏电池由于其非线性功率输出特性,需要实时变更光伏系统的输出特性进行最大功率点追踪(MPPT)。传统基于Buck或Boost拓扑的PID恒压控制法的MPPT技术,具有精度差、调节时间长、灵活性差等不足,提出了一种采用仿人智能控制算法(HSIC)进行恒压控制,并在电路拓扑上采用Buck-Boost拓扑电路代替传统的Buck或Boost电路,最后在MATLAB/SIMULINK下进行建模仿真。实验结果表明,该控制方法灵活性高,控制速度和精度等动稳态性能优于一般的PID控制方法,证明了该控制方法的有效性。     

光伏发电可变端点最优轨迹法的最大功率点跟踪新策略研究

光伏发电系统极易受外界条件的影响而出现电压波动及谐波，并且由于其时变、非线性、多变量的特性，传统最大功率点跟踪（MPPT）算法无法兼顾追踪速度和稳态振荡的问题，文章提出了可变端点最优轨迹法，构造电能泛函以及光伏数学模型下的电压靶线函数，利用取极值的基本条件寻找出能达到最大功率的电压最优轨迹，然后利用模型参考自适应理论将最优轨迹的电压作为参考模型，实际输出电压作为可调模型，最终使对象输出电压完全跟踪最优轨迹电压，改进了传统电导增量法中的稳态振荡问题，通过青浦区金山荣美光伏发电项目的各项参数作为仿真参数，证明了系统控制效果理想，动态响应速度更快，稳态误差更小，被控对象具备良好的动、静态性能，提高了光伏发电的效率。     

阻尼器测试试验台的新变步长LMS自适应滤波器设计

【目的】提升阻尼器测试试验台的控制品质,进而得到更好的被测阻尼器参数曲线,需要对试验台反馈数据进行滤波提取。【方法】课题组通过对传统LMS自适应滤波器的研究,针对其步长选值问题,提出了一种基于麻雀搜索算法（Sparrow Search Algorithm, SSA）的变步长LMS算法,进而进行了新变步长LMS自适应滤波器设计。并通过Tent混沌映射优化了SSA算法在LMS自适应滤波器中的使用,加强了该算法的跟踪和收敛能力。【结果】仿真结果表明,优化后的算法较优化前误差总值下降约75.72%,优化效果较为显著。同时,相较于其他文献中的LMS自适应滤波算法,本设计中的算法能在快速收敛的同时保持较低的稳态误差,误差总值下降约35.17%。【结论】经过Tent混沌映射所得出的SSA算法初始种群能够提高LMS算法的跟踪能力、收敛速度和稳态精度。课题组设计的滤波器表现良好,具有较强的跟踪能力和稳态精度在低范围的保持能力,为阻尼器测试试验台性能优化和反馈数据的滤波提取提供了新的思路和方案。     

农业温室太阳能供电系统最大功率点跟踪算法设计

在温室中引入可再生能源,能够极大地促进温室的节能减排。针对温室室顶安装的太阳能电池板,可能出现的局部遮阴或光强分布不均而造成的光伏阵列失配及热斑现象等问题,采取了一种新型的两阶段光伏最大功率点跟踪(MPPT)控制方法。该方法将光伏系统产生的阻抗偏差以及偏差的变化率作为模糊控制的输入,输出量为下一时刻的占空比调整步长,从而控制负载大小,实现最大功率点的跟踪控制。此外,基于系统初次寻优时间、环境改变后的二次寻优时间,以及功率的振幅为MPPT的性能指标,在仿真环境和试验平台下对提出的控制方法进行分析对比,结果表明:所提出的模糊优化等效阻抗匹配法具有较快的寻优速度和较高的稳态精度。     

光伏阵列MPPT控制方法的改进

在研究了光伏系统的最大功率跟踪(MPPT)方法:扰动观察法、电导增量法、恒压法的基础上,提出了一种分区域变步长的MPPT法。该方法对常规的跟踪方法进行了改进,同传统的方法比较,可以有效的缩短追踪时间,减少在最大功率点的振荡。仿真实验对该方法同传统方法对比分析,结果显示分区域变步长的MPPT法可以缩短寻优时间近2/3,并能有效减少功率点的振荡。     

混合果蝇优化算法PID参数整定方法的研究

【目的】解决基本果蝇优化算法（FOA）由于算法局限性而出现比例积分微分（PID）参数整定收敛速度慢且容易过早陷入局部最优的问题。【方法】为了在迭代前期具有更高的全局搜索效率,利用粒子群算法（PSO）寻找多个全局较优种群,迭代后期使用具有较强的局部寻优能力的FOA算法提高收敛精度,实现对全局搜索和局部搜索过程的优化。【结果】两个二阶时滞系统的阶跃响应测试结果表明,基于HFOA的PID控制器参数整定的上升时间、调节时间和超调量等指标更优,能够实现更好的系统响应性能。【结论】优化后算法具有控制精度高、响应速度快、鲁棒性好等优点,为PID参数优化提供了参考。     

基于光伏发电技术的农业智能化灌溉系统设计

针对我国农业灌溉存在的水资源浪费、耗电量大的问题,建立了基于光伏发电技术的智能灌溉系统,主要由水泵、无线传感网络、光伏发电装置和中央控制中心组成。系统通过DV-Hop算法对需灌溉区域进行定位,采用最大功率点跟踪(MPPT)方法确定光伏电池板的最大功率。灌溉系统的性能测试结果表明:光伏发电装置可为该智能灌溉系统提供稳定的能量,且灌溉系统运行稳定,能够及时响应环境变化,针对农田实施灌溉。     

农业光伏系统局部阴影条件下建模与MPPT控制研究

农业光伏发电系统在局部阴影条件下的输出功率呈现出多个极值点,传统的光伏模型难以快速准确反映这种变化,常规的MPPT算法易陷入局部极值而失效,极大的影响发电效率。针对上述问题,在光伏电池单二极管模型的基础上,分析局部阴影条件下带旁路二极管的光伏组件的功率输出过程,推导出复杂光照条件下光伏阵列的数学模型。提出一种改进PSO的MPPT优化方法用以精确跟踪光伏电池的最大功率点,将光伏阵列模型与BUCK变换器连接,进行仿真实验。结果表明,所提方法能够准确反映光伏阵列在局部阴影条件下的多极值输出特性,设定BUCK变换器开关频率为20 kHz时,在光伏阵列输出功率波动0.1 s后即能快速跟踪到最大功率点,为提高农业光伏发电效率和阵列优化布局提供有力支持。     

基于MPPT技术的光伏充放电系统设计

本文对最大功率点跟踪技术进行深入的研究,根据其输出的非线性关系选择一个最大功率点跟踪的方法,从而设计了一款基于MPPT(Maximum Power Point Tracking)技术的光伏充电系统,对提高能源的利用率具有非常重要的意义。本论文设计主要由光伏电池模型、DC/DC控制器、MPPT控制器、蓄电池、四部分组成。结合DC/DC变换器对常用MPPT算法进行仿真。本文DC/DC控制电路选择前级升压后级降压的电路对蓄电池进行控制,然后在MATLAB-Simulink建立光伏电池仿真模型,进行实验测试证明本设计的合理性,满足设计需求。     

光伏发电最大功率点跟踪控制研究与仿真

该文根据光伏发电系统的输出特性,详细总结和阐述了当前最大功率点跟踪控制的常用算法及其特点。同时,利用DIgSILENT仿真平台建立了基于扰动观测法的MPPT控制模型,并进行仿真分析。     

农用光伏水泵最大功率的跟踪方法

提出了一种基于Fibonacci搜索算法的、用于光伏水泵最大功率的跟踪(MPPT)方法,它能在部分遮蔽或者日照突变的情况下,实现简单有效的控制来跟踪实际最大功率点。通过修改Fibonacci搜索算法来适用于时变的光伏组件的P-V特性。实验证明,该算法工作可靠,即使在部分遮蔽或者日照突变情况下,也有较快的响应速度和较高的准确性。     

基于AVR单片机的全自动光伏水泵系统

为探究一种新型的自适应最大功率跟踪算法,提出了基于AVR单片机的光伏水泵系统控制结构.将遗传算法与占空比扰动观察法(P&O)相结合,根据遗传算法的原理计算推导出DC-AC变换器的占空比,可以实现快速搜索到光伏水泵系统的最大功率跟踪点,以克服外界环境的剧烈变化对控制器造成的干扰.通过Simulink环境下的仿真试验,验证了基于遗传算法实现的MPPT方法具有良好的自适应性以及稳定性.在光伏水泵系统的试验平台上进行相关的抽水试验,结果表明:建立于遗传算法进而实现MPPT算法而设计的系统,对于外界不断的气候变化,该光伏水泵系统都可以较好地应对,综合效率基本稳定在60%以上.所开发的系统可以实现对水泵负载的可靠控制,系统工作稳定,整体效率较高,为光伏水泵系统的优化控制提供了参考.     

基于双并联Boost电路的功率预测改进电导增量法研究

光伏电池输出功率易受光照强度和外界温度的影响,需采用最大功率点跟踪电路,才能使光伏电池始终输出最大功率,是提高光伏电池效率的重要手段。本文通过分析比较传统电导增量方法,提出一种新型双并联Boost电路的功率预测改进电导增量法最大功率跟踪策略。利用Matlab/Simulink软件进行仿真建模与分析,表明本文所提出的方法跟踪速度更快、稳态性能更好、纹波系数更小,减小振荡的同时又能避免发生误判,可有效实现对太阳能发电系统输出特性的优化,对于光伏发电系统有重要的参考意义。     

光伏电源并网对配电网电能质量的影响

<正>随着社会和经济的快速发展,能源短缺和环境污染问题变得日益严重。光伏发电以其储量的丰富性和环保性,成为了新时代电力行业的研究热点。由于光伏发电具有随机性、间歇性和波动性,使传统配电系统的控制和运行变得复杂化。例如,光伏并网系统中应用的大量电力电子器件是隐藏的谐波源,会造成配电网的谐波污染;MPPT最大功率点跟踪算法受光照强度的影响,会引起输出功率的波动,进而影响并网点电     

光伏车顶对太阳能辅助客车的电增益性仿真

以光伏电池的工作原理与等效电路为研究基础,利用MATLAB软件对光伏电池的工程模型进行建模仿真,计算分析了影响功率变化的因素;研究了最大功率点跟踪,通过仿真模拟分析了最大功率跟踪效果.结果表明,该方法能够确保光伏电池以最大功率输出,提高了光伏系统的发电效率.计算对比了光伏电池的发电量与客车空调耗电量,补电量最高可达耗电...     

小型风光互补发电系统的建模仿真

在传统的风光互补发电系统的基础上,建立基于直流母线的系统模型,利用Matlab分别搭建风力发电机、光伏阵列及直流斩波器模型.根据风能和太阳能发电系统最大功率跟踪控制基本原理,运用变步长扰动方法控制脉冲发生器的占空比,实现最大功率点的跟踪控制.稳态模型的建立可以评估预测所设计系统的各种性能,为建立实验平台和示范工程奠定基础.     

基于LS-SVM的光伏最大功率跟踪控制方法

为解决自然环境剧烈变化条件下,传统光伏最大功率跟踪控制中存在的控制精度低和误跟踪现象,建立了基于最小二乘支持向量机的最大工作点电压预测模型,通过该模型预测光伏发电系统的最大工作点电压,并用预测电压来修正恒电压控制法的参考电压,从而实现光伏发电系统的最大功率跟踪控制。仿真结果表明预测模型具有较高的精度,相对误差在0.04以内,控制方法能够快速、稳定地实现光伏发电系统的最大功率跟踪,有效避免误跟踪现象。     

基于机器学习的排涝闸站雨后水位预测

【目的】精准预测排涝闸站雨后水位。【方法】在分析为期1a的田间实测水位数据的基础上,收集了四湖流域2个典型闸站（习家口站、田关站）为期10 a(2010—2020年)的历史水情资料,利用2种机器学习算法（支持向量机回归算法、回归树算法）对排涝闸站的雨后水位进行预测分析。【结果】支持向量机回归算法和回归树算法均较好地预测了习家口站和田关站的雨后最高闸上水位,R2基本大于0.80;2种机器学习算法在习家口站的表现均优于田关站,核函数的选取对支持向量机回归算法的预测结果有一定影响,线性核函数表现较为稳定。回归树算法的效果略优于支持向量机回归算法。【结论】基于闸上水位、降水量、降水时间、泵站排水流量预测雨后最高闸上水位是可行的。不同闸站应分开进行训练,并寻找最优的机器学习算法,未来有必要结合降水预报数据实现农田涝灾情况的实时预报。     

基于改进的扰动观察光伏发电MPPT控制方法的仿真研究

为改进传统扰动观察法跟踪速度慢、稳定性差的问题,提出一种改进的扰动观察法。在光伏发电系统到达最大功率前,通过扰动步长与功率差成正比的方式进行扰动,当功率差大于所选阈值E时选择大步长快速到达最大功率点附近,当功率差小于阈值E时采用小步长进行跟踪扰动。利用Matlab/Simulink搭建光伏发电系统的最大功率点跟踪模型。仿真实验表明:到达最大功率点所需时间从传统扰动观察法的0.045s减少到0.03s左右。达到最大功率点后,震荡也比传统扰动观察法明显减小,避免过多的能量损失。