基于改进鲸鱼算法光伏阵列MPPT的研究
信息技术与网络安全
孙荣霞,尚娅慧,韩 帅
(河北大学 电子信息工程学院,河北 保定071002)
摘要: 光伏发电系统处于局部阴影遮挡时,P-V特性曲线呈现多峰状态,传统的最大功率点追踪算法已无法追踪到最大功率点。针对此问题,应用改进鲸鱼算法对光伏阵列的最大功率点进行追踪,改变原算法的收敛因子,由线性递减改为余弦形式的非线性递减,平衡全局搜索和局部搜索的能力,且加入同步余弦形式的惯性权重,提高寻优精度,加快搜索速度。在MATLAB/Simulink中建立仿真模型,并在不同控制状态下模拟不同环境进行仿真、分析、对比,验证改进鲸鱼算法的高效性和实时性。
中图分类号: TM615
文献标识码: A
DOI: 10.19358/j.issn.2096-5133.2021.01.006
引用格式: 孙荣霞,尚娅慧,韩帅。 基于改进鲸鱼算法光伏阵列MPPT的研究[J].信息技术与网络安全,2021,40(1):31-36.
文献标识码: A
DOI: 10.19358/j.issn.2096-5133.2021.01.006
引用格式: 孙荣霞,尚娅慧,韩帅。 基于改进鲸鱼算法光伏阵列MPPT的研究[J].信息技术与网络安全,2021,40(1):31-36.
Maximum power point tracking for photovoltaic array using improved whale algorithm
Sun Rongxia,Shang Yahui,Han Shuai
(College of Electronic Information Engineering,Hebei University,Baoding 071002,China)
Abstract: When the photovoltaic power generation system is partially shadowed, the P-V characteristic curve shows a multi-peak state, and the traditional maximum power point tracking algorithm can no longer track the maximum power point. In response to this problem, this paper applied an improved whale algorithm to track the maximum power point of the photovoltaic array. This algorithm changes the convergence factor of the original algorithm, from linear decline to nonlinear decline in the form of cosine, balances the ability of global search and local search, and adds synchronization inertial weights in the form of cosine, which improves the optimization accuracy and speeds up the search time. A simulation model was established in MATLAB/Simulink, and simulated different environments under different control states to verify the efficiency and real-time performance of the improved whale algorithm.
Key words : maximum power point tracking(MPPT);whale algorithm;convergence factor;inertia weight
0 引言
随着化石能源的消耗以及环境污染的日益加重,绿色可再生能源的开发越来越深入人心,太阳能作为一种无污染、低成本、储量大、无噪音的新型能源越来越受到人们的青睐[1]。光伏电池是利用太阳能的主要装置,但光照强度和温度对光伏电池的输出特性有直接影响,外界因素改变时,光伏电池的最大功率点也会发生改变。为了使光伏阵列一直输出最大功率值,有必要对光伏阵列的最大功率点进行跟踪。
目前有多种传统算法已经实现了对最大功率点的追踪,如扰动观察法(Perturbation & Observation,P&O)、电导增量法(Incremental Conductance,InC)、模糊控制法(Fuzzy Control,FC)、恒定电压法(Constant Voltage Tracking,CVT)等,但当遇到阴影遮挡存在多峰现象时,此类方法追踪效果失效。针对此现象提出了很多智能算法,如粒子群算法(Particle Swarm Optimization,PSO)[2]、蚁群算法(Ant Colony Optimization,ACO)[3]、改进蝙蝠算法(Bat Algorithm,BA)[4]、灰狼算法(Gray Wolf Optimization,GWO)[5]等都已经应用到多峰寻优中,但是这些算法稳定性普遍不高,易陷入局部最优解。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003314
作者信息:
孙荣霞,尚娅慧,韩 帅
(河北大学 电子信息工程学院,河北 保定071002)
此内容为AET网站原创,未经授权禁止转载。