基于改进PSO算法的光伏发电系统MPPT控制策略

孙恺; 刘光宇

doi:10.13873/J.1000-9787(2021)01-0049-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进PSO算法的光伏发电系统MPPT控制策略

研究与探讨 | 更新时间：2025-09-11

- 基于改进PSO算法的光伏发电系统MPPT控制策略
- MPPT control strategy for PV generation system based on improved PSO algorithm
- 传感器与微系统 2021年40卷第1期页码：49-52
- 作者机构：
  
  杭州电子科技大学自动化学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61174074）;国家重大科研仪器研制资助项目（61427808）
- DOI：10.13873/J.1000-9787(2021)01-0049-04
  中图分类号： TP18;TM615
- 纸质出版：2021
- 稿件说明：
移动端阅览
[1]孙恺,刘光宇.基于改进PSO算法的光伏发电系统MPPT控制策略[J].传感器与微系统,2021,40(01):49-52.

SUN Kai, LIU Guangyu. MPPT control strategy for PV generation system based on improved PSO algorithm[J]. 2021, 40(1): 49-52.
[1]孙恺,刘光宇.基于改进PSO算法的光伏发电系统MPPT控制策略[J].传感器与微系统,2021,40(01):49-52. DOI： 10.13873/J.1000-9787(2021)01-0049-04.

SUN Kai, LIU Guangyu. MPPT control strategy for PV generation system based on improved PSO algorithm[J]. 2021, 40(1): 49-52. DOI： 10.13873/J.1000-9787(2021)01-0049-04.

摘要

光伏发电系统运行在局部阴影条件下

其P-V曲线呈现多个峰值

为了保证光伏发电系统能够工作在最大功率点下

提出一种改进粒子群优化（PSO）算法的最大功率点跟踪（MPPT）的控制策略。改进算法采用非线性自适应的学习因子和加速因子同时采用随机惯性权重。仿真实验和真实实验验证所提出的算法在光伏发电系统的MPPT控制中具有较快的收敛速度的同时具有较高的精准度和较小的搜索振荡。

Abstract

The photovoltaic（PV） power generation system operates under local shadow conditions.The PV curve of the PV power generation system presents multiple peaks.In order to ensure that the PV power generation system can work at the maximum power point

a control strategy for improving the maximum power point tracking（MPPT）of the particle swarm optimization（PSO） algorithm is proposed.The improved algorithm adopts nonlinear adaptive learning factor and acceleration factor and adopts random inertia weight.Simulation experiment and the real experiment are carried out to verify that the proposed algorithm has a faster convergence speed in the MPPT control of the PV power generation system

and has higher precision and smaller search oscillation.

关键词

Keywords

references

基于改进神经网络的一种新型光伏发电MPPT预测方法 [J]. 刘玉林,齐静静,李家宁. 电子测试 . 2019(04)

基于粒子群优化的RSSI等弧三边定位算法 [J]. 刘旭明,王伟,景强,郭志慧. 传感器与微系统 . 2018(08)

基于粒子群优化算法的无传感器调速系统研究 [J]. 杨圣蓉,王剑平,王思,张果,杨晓洪. 传感器与微系统 . 2015(07)

基于蚁群算法的局部阴影光伏最大功率跟踪算法 [J]. 王雅,曾成碧,付文雯. 内蒙古师范大学学报(自然科学汉文版) . 2015(04)

粒子群算法在光伏系统最大功率点跟踪中的应用 [J]. 周西峰,刘晓丹,郭前岗. 微型机与应用 . 2013(03)

基于遗传算法的最大功率点跟踪 [J]. 高林,谭伟. 控制工程 . 2012(04)

基于量子行为粒子群优化算法的定位技术研究 [J]. 赵吉,纪志成. 传感器与微系统 . 2012(05)

粒子群优化算法的数学基础 [J]. 沈继红,王侃,胡波. 武汉大学学报(理学版) . 2011(04)

A comprehensive review of maximum power point tracking algorithms for photovoltaic systems [J] . Nur Atharah Kamarzaman,Chee Wei Tan. Renewable and Sustainable Energy Reviews . 2014

Modified incremental conductance MPPT algorithm to mitigate inaccurate responses under fast-changing solar irradiation level [J] . Kok Soon Tey,Saad Mekhilef. Solar Energy . 2014

MPPT with Inc.Cond Method using Conventional Interleaved Boost Converter [J] . S. Zahra Mirbagheri,Saad Mekhilef,S. Mohsen Mirhassani. Energy Procedia . 2013

浏览量

171

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑障碍物避让的水下滑翔机局部路径规划方法

基于并行结构的多种群粒子群优化算法

PSO优化BP神经网络的串联故障电弧识别方法