基于改進鯨魚算法光伏陣列MPPT的研究
信息技術與網絡安全
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）
摘要： 光伏發電系統處于局部陰影遮擋時，P-V特性曲線呈現多峰狀態，傳統的最大功率點追蹤算法已無法追蹤到最大功率點。針對此問題，應用改進鯨魚算法對光伏陣列的最大功率點進行追蹤，改變原算法的收斂因子，由線性遞減改為余弦形式的非線性遞減，平衡全局搜索和局部搜索的能力，且加入同步余弦形式的慣性權重，提高尋優精度，加快搜索速度。在MATLAB/Simulink中建立仿真模型，并在不同控制狀態下模擬不同環境進行仿真、分析、對比，驗證改進鯨魚算法的高效性和實時性。
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].信息技術與網絡安全，2021，40（1）：31-36.
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].信息技術與網絡安全，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境污染的日益加重，綠色可再生能源的開發越來越深入人心，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。
目前有多種傳統算法已經實現了對最大功率點的追蹤，如擾動觀察法（Perturbation & Observation，P&O）、電導增量法（Incremental Conductance，InC）、模糊控制法（Fuzzy Control，FC）、恒定電壓法（Constant Voltage Tracking，CVT）等，但當遇到陰影遮擋存在多峰現象時，此類方法追蹤效果失效。針對此現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]等都已經應用到多峰尋優中，但是這些算法穩定性普遍不高，易陷入局部最優解。
本文詳細內容請下載：http://www.jysgc.com/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）
此內容為AET網站原創，未經授權禁止轉載。