科研之友
微信
新浪微博
Facebook
分享链接
摘要
当光伏阵列板暴露在不均匀的光线下时，功率电压(P-V)特性曲线会变为多峰，在这种情况下，传统的最大功率点跟踪(MPPT)算法将无法跟踪到正确的全局最大功率点(GMPP)，而具有全局搜索能力的人工智能算法通常是高度参数化和复杂的。为了解决上述问题，提出了一种结合自适应布谷鸟搜索算法和扰动观察方法(ACS-P&O)的复合跟踪算法。该方法将布谷鸟搜索(CS)算法中的切换概率和Lévy飞行步长系数通过自适应调整，在跟踪早期，扩大算法的搜索范围。引入边界个体的处理策略，可进一步减少算法的迭代次数。该算法使系统更容易跳出局部最大功率点(LMPP)，而在跟踪后期，算法精确运行在小范围内，提高了局部开发能力。扰动观察法(P&O)的加入缓解了系统位于GMPP附近时的功率振荡，稳定了输出。仿真结果表明，ACS-P&O复合算法能够适应环境变化的影响，并快速准确地跟踪GMPP。
- 单位
