在“双碳”背景下,风电作为零碳电力和新能源发电的主力军,在助力社会全面绿色低碳转型方面发挥了关键性作用。在保证发电稳定的前提下实现风能的最大化利用,提升风力发电系统发电量至为重要。文中针对永磁同一步风力发电系统的最大功...在“双碳”背景下,风电作为零碳电力和新能源发电的主力军,在助力社会全面绿色低碳转型方面发挥了关键性作用。在保证发电稳定的前提下实现风能的最大化利用,提升风力发电系统发电量至为重要。文中针对永磁同一步风力发电系统的最大功率跟踪(maximum power point tracking, MPPT)问题进行研究。首先建立了永磁同步风力发电系统的机理仿真模型,用两电平双PWM全功率换流器连接风力发电机与电网。然后基于以上模型,分别设计了整数阶PI控制器、分数阶PI"控制器、模糊分数阶PP控制器以实现MPPT控制。最后对以上控制策略进行了仿真研究。结果表明,无论在阶跃风速还是随机风速下,模糊分数阶PU控制器相较于其他两种均具有更出色的MPPT性能与更强的鲁棒性。展开更多
在局部遮荫下,针对传统最大功率跟踪MPPT(maximum power point tracking)算法不能跳出局部最优找到全局最大功率,及传统蝴蝶优化算法BOA(butterfly optimization algorithm)存在搜索震荡大和收敛慢等问题,提出一种新型的MPPT控制算法。...在局部遮荫下,针对传统最大功率跟踪MPPT(maximum power point tracking)算法不能跳出局部最优找到全局最大功率,及传统蝴蝶优化算法BOA(butterfly optimization algorithm)存在搜索震荡大和收敛慢等问题,提出一种新型的MPPT控制算法。该算法在传统蝴蝶算法上加入收敛因子,来加快全局搜索速度;引入自适应权重系数,来提高蝴蝶优化算法在局部搜索的搜索速度及追踪精度等性能。通过仿真,对比混合算法(INBOA)与BOA、粒子群优化PSO(particle swarm optimization)算法、灰狼优化算法GWO(gray wolf optimization)的函数收敛曲线,验证所提算法具有收敛速度快、搜索精度高的优点;对比INBOA、BOA、PSO、GWO的MPPT算法在静态与动态环境下的性能指标可知,INBOA的MPPT算法具有更高追踪效率、更快收敛速度以及更小的搜索震荡。从而进一步验证混合算法的优越性。展开更多
当光伏阵列表面光照不均匀时,其功率特性呈现多峰特征,增加了最大功率跟踪(Maximum power point tracking,MPPT)过程的复杂性。传统MPPT方法无法跟踪到全局最大功率点(Global maximum power point,GMPP),人工智能算法虽然在一定程度上...当光伏阵列表面光照不均匀时,其功率特性呈现多峰特征,增加了最大功率跟踪(Maximum power point tracking,MPPT)过程的复杂性。传统MPPT方法无法跟踪到全局最大功率点(Global maximum power point,GMPP),人工智能算法虽然在一定程度上能解决多峰情况下光伏MPPT问题,但该类算法实现过程较复杂、具有一定的局限性。对适用于非均匀光照条件下的光伏全局最大功率跟踪控制策略进行研究,提出基于虚拟阻抗特性扰动(Virtual impedance characteristic disturbance,VICD)的光伏全局最大功率跟踪控制方法,将全局搜索机制引入传统扰动观察法中。当光伏阵列表面光照不均匀时,首先通过虚拟阻抗特性对光伏阵列I-U特性曲线上最大功率点所处位置区域进行初步定位,然后利用传统扰动观察法进行准确跟踪,提高了传统MPPT控制方法的适用性,应用所提控制方法能准确搜索到光伏阵列全局最大功率点,且动态性能良好。仿真与试验结果验证了所提算法的可行性与有效性。展开更多
文摘在“双碳”背景下,风电作为零碳电力和新能源发电的主力军,在助力社会全面绿色低碳转型方面发挥了关键性作用。在保证发电稳定的前提下实现风能的最大化利用,提升风力发电系统发电量至为重要。文中针对永磁同一步风力发电系统的最大功率跟踪(maximum power point tracking, MPPT)问题进行研究。首先建立了永磁同步风力发电系统的机理仿真模型,用两电平双PWM全功率换流器连接风力发电机与电网。然后基于以上模型,分别设计了整数阶PI控制器、分数阶PI"控制器、模糊分数阶PP控制器以实现MPPT控制。最后对以上控制策略进行了仿真研究。结果表明,无论在阶跃风速还是随机风速下,模糊分数阶PU控制器相较于其他两种均具有更出色的MPPT性能与更强的鲁棒性。
文摘在局部遮荫下,针对传统最大功率跟踪MPPT(maximum power point tracking)算法不能跳出局部最优找到全局最大功率,及传统蝴蝶优化算法BOA(butterfly optimization algorithm)存在搜索震荡大和收敛慢等问题,提出一种新型的MPPT控制算法。该算法在传统蝴蝶算法上加入收敛因子,来加快全局搜索速度;引入自适应权重系数,来提高蝴蝶优化算法在局部搜索的搜索速度及追踪精度等性能。通过仿真,对比混合算法(INBOA)与BOA、粒子群优化PSO(particle swarm optimization)算法、灰狼优化算法GWO(gray wolf optimization)的函数收敛曲线,验证所提算法具有收敛速度快、搜索精度高的优点;对比INBOA、BOA、PSO、GWO的MPPT算法在静态与动态环境下的性能指标可知,INBOA的MPPT算法具有更高追踪效率、更快收敛速度以及更小的搜索震荡。从而进一步验证混合算法的优越性。
文摘当光伏阵列表面光照不均匀时,其功率特性呈现多峰特征,增加了最大功率跟踪(Maximum power point tracking,MPPT)过程的复杂性。传统MPPT方法无法跟踪到全局最大功率点(Global maximum power point,GMPP),人工智能算法虽然在一定程度上能解决多峰情况下光伏MPPT问题,但该类算法实现过程较复杂、具有一定的局限性。对适用于非均匀光照条件下的光伏全局最大功率跟踪控制策略进行研究,提出基于虚拟阻抗特性扰动(Virtual impedance characteristic disturbance,VICD)的光伏全局最大功率跟踪控制方法,将全局搜索机制引入传统扰动观察法中。当光伏阵列表面光照不均匀时,首先通过虚拟阻抗特性对光伏阵列I-U特性曲线上最大功率点所处位置区域进行初步定位,然后利用传统扰动观察法进行准确跟踪,提高了传统MPPT控制方法的适用性,应用所提控制方法能准确搜索到光伏阵列全局最大功率点,且动态性能良好。仿真与试验结果验证了所提算法的可行性与有效性。
