《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 设计应用 > 基于改进鲸鱼算法光伏阵列MPPT的研究
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。
中圖分類號： TM615
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.01.006
引用格式： 孫榮霞，尚婭慧，韓帥。 基于改進鯨魚算法光伏陣列MPPT的研究[J].信息技術(shù)與網(wǎng)絡(luò)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

　　隨著化石能源的消耗以及環(huán)境污染的日益加重，綠色可再生能源的開發(fā)越來越深入人心，太陽能作為一種無污染、低成本、儲量大、無噪音的新型能源越來越受到人們的青睞[1]。光伏電池是利用太陽能的主要裝置，但光照強度和溫度對光伏電池的輸出特性有直接影響，外界因素改變時，光伏電池的最大功率點也會發(fā)生改變。為了使光伏陣列一直輸出最大功率值，有必要對光伏陣列的最大功率點進行跟蹤。

　　目前有多種傳統(tǒng)算法已經(jīng)實現(xiàn)了對最大功率點的追蹤，如擾動觀察法（Perturbation & Observation，P&O）、電導(dǎo)增量法（Incremental Conductance，InC）、模糊控制法（Fuzzy Control，F(xiàn)C）、恒定電壓法（Constant Voltage Tracking，CVT）等，但當遇到陰影遮擋存在多峰現(xiàn)象時，此類方法追蹤效果失效。針對此現(xiàn)象提出了很多智能算法，如粒子群算法（Particle Swarm Optimization，PSO）[2]、蟻群算法（Ant Colony Optimization，ACO）[3]、改進蝙蝠算法（Bat Algorithm，BA）[4]、灰狼算法（Gray Wolf Optimization，GWO）[5]等都已經(jīng)應(yīng)用到多峰尋優(yōu)中，但是這些算法穩(wěn)定性普遍不高，易陷入局部最優(yōu)解。



本文詳細內(nèi)容請下載：http://m.ihrv.cn/resource/share/2000003314





作者信息：

孫榮霞，尚婭慧，韓  帥

（河北大學 電子信息工程學院，河北 保定071002）


此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容