典型文献
基于自适应布谷鸟搜索和扰动观察法的光伏最大功率点跟踪
文献摘要：
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.
文献关键词：
光伏;MPPT;自适应布谷鸟搜索算法;扰动观察法;Lévy飞行;边界个体
中图分类号：
作者姓名：
商立群;李帆
作者机构：
西安科技大学电气与控制工程学院,陕西 西安 710054
文献出处：
引用格式：
[1]商立群;李帆-.基于自适应布谷鸟搜索和扰动观察法的光伏最大功率点跟踪)[J].电力系统保护与控制,2022(08):99-107
A类：
边界个体,LMPP
B类：
扰动观察法,最大功率点跟踪,光伏阵列,光线,特性曲线,多峰,MPPT,全局最大功率点,GMPP,全局搜索,搜索能力,人工智能算法,参数化,自适应布谷鸟搜索算法,观察方法,ACS,跟踪算法,vy,行步,步长,自适应调整,搜索范围,处理策略,少算,迭代次数,跳出局部,小范,局部开发,功率振荡,复合算法,适应环境,快速准确
AB值：
0.274613
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
