Metaheuristic优化分数阶增量电导(FO-INC)最大功率点跟踪翻译(MPPT)

文摘

本文旨在提高光伏系统使用metaheuristic效率,优化分数阶增量电导(FO-INC)控制。拟议中的FO-INC控制光伏阵列的输出电压来获得最大功率点跟踪翻译(MPPT)。由于其简单性和效率,翻译增量电导MPPT (INC-MPPT)是最受欢迎的算法用于光伏方案。然而,由于非线性和分数阶(FO)自然PV和直流-直流转换器,传统公司算法提供了一种监控速度和跟踪精度之间的权衡。分数微积分是用来提供一个增强的光伏系统的动力学模型来描述非线性特性。此外,三个metaheuristic优化技术应用;粒子群优化(PSO),蚁群优化(ACO)和蚁蛉优化器(氧化铝)是用于调优的FO参数提出INC-MPPT。MATLAB-Simulink-based模型的PV和优化开发和模拟不同INC-MPPT技术。不同的技术旨在控制向MPP提高直流-直流转换器。提出了优化算法,开发并在MATLAB中实现优化目标参数。 Four performance indices are also introduced in this research to show the reliability of the comparative analysis of the proposed FO-INC with metaheuristic optimization and the conventional INC-MPPT algorithms when applied to a dynamical PV system under rapidly changing weather conditions. The simulation results show the effective performance of the proposed metaheuristic optimized FO-INC as a MPPT control for different climatic conditions with disturbance rejection and robustness analysis.

1。介绍

如今绿色能源的主要研究目标是可行的,生态,具有成本效益的能源。太阳能、风能、潮汐能、生物质能渗透到电力生产市场近年来由于不同的方法和他们的自然再生。发展可再生能源的好处包括减少化石燃料的使用,减轻温室效应的影响,减少空气污染1]。此外,控制方法和优化表明,光伏设备的性能取决于气候条件(阳光和温度)和负载阻抗(2]。然而,它的能量转换效率低(特别是低辐射和温度)是光伏系统的主要缺点。翻译的MPPT理想需要操作的效率和操作如上所述3]。光伏设备的开创性的挑战之一是他们的非线性电流电压电流-电压关系动态电压产生一个独特的MPP的p - v关系指出(4]。由于p - v关系与气候和负载情况下,翻译的MPPT方法变得复杂。MPPT方法不仅提高光伏的动力性能和能量传递给负载,但他们也增加了光伏系统的使用寿命(5]。以往进行的调查显示,翻译几个MPPT方法;翻译大多数MPPT技术展示更高的效率在稳定天气(6]。MPPT算法通常用作电力转换设备和峰值负载的控制信号是一种责任周期能源(7]。各种各样的翻译方法来解决MPPT问题已经实现,如扰乱和观察(PO)方法,增量电导(INC)算法和人工智能包括模糊逻辑、神经网络和metaheuristic技术。PO和公司是最常见的算法用于PV-MPPT系统(8]。PO技术是节俭和很容易执行;其操作是基于迭代测量电压和电流的光伏系统获得的责任周期,因此边际产量。然而,它的主要缺点是,它提供了一个振荡功率在MPP,也无法操纵光伏功率变化由于气候影响或翻译的MPPT固有的干扰。公司的方法是基于PV的行为,鉴于MPP达到一分之零PV曲线的,积极的和消极的左边右边的PV曲线。在此基础上,该技术计算有关的电源转换器工作周期的迭代增量电导率电导率。公司技术的主要缺点是对MPP系统的反应可能在某些条件下是缓慢的。然而,公司在MPP技术展览更少的振荡行为相比,P阿法(9]。分数微积分介绍了nonintegral订单/分数微分和积分。许多真实的系统非线性和分数阶动力学行为,如固体的导热、电行为rl运输线路、质量扩散,电磁波(10]。光伏电池的电流电压的非线性特征发生由于光伏电池制造半导体材料(晶体硅,同单晶硅)。光伏电池的力量取决于固有的电压降穿过pn结(能带)生产光电电流(电流源)。光线和环境温度交互还显示反常扩散,可以描述为分数阶扩散(11]。因此,Grunwald-Letnikov分数近似(12]介绍了控制电流和电压的分数阶微分非线性动力学行为。改善动态性能,FO-INC非线性分数阶变化的基础上,提出了PV电压和电流跟踪的最大输出功率(13]。是非常重要的,选择合适的转换器(14翻译]提高MPPT的性能。翻译的MPPT方法,使用MATLAB和Simulink进行比较工具由MathWorks,考虑所有的设计和实现规范(15]。因此,metaheuristic优化技术的鲁棒性和能力来找到最优解在不同的非线性系统在许多过去的研究已经证明了自己。Metaheuristic能力强大的技术解决优化问题的非线性和分数阶系统(15]。在电力系统中,不同的优化技术被利用。考虑不同约束在光伏系统和直流-直流变换器系统的性质不同,ACO算法被使用(16]。已经证明是非常健壮的、一致的、并执行比传统优化技术(例如,PSO和GA) (16]。实验证明计算有效性和时间减少为一个小型光伏系统监控。蚁蛉优化器(氧化铝)是最近metaheuristic算法,蚁蛉的狩猎计划捕捉蚂蚁(复制17]。氧化铝也给了一个很好的性能结果PV-MPPT系统(18]。This research aims to extract maximum power from PV systems by using FO-INC and metaheuristic optimization technique. This enhanced system efficiency in different climatic conditions using fixed and variable-step FO-INC with PSO, ACO, and ALO optimization techniques. This paper is organized as follows: Section2地址完整的光伏系统的建模,以及部分3描述翻译的MPPT算法设计和操作。部分4给metaheuristic优化算法的操作。部分5和6说明了实验结果和结论提出技术的效率。

2。光伏系统建模与仿真

提出光伏系统由光伏模块,Buck-Boost转换器光伏面板之间的直流-直流转换器和直流负载,和翻译的MPPT控制器实现光伏电池板最大功率点。模型中使用的太阳能电池板系统将提出说明,并介绍了光伏系统(19]。翻译输入MPPT是PV电压和电流用于计算和提供控制信号(周期性)Buck-Boost转换器,如图1。翻译的主要功能MPPT算法来自动跟踪光伏面板的电压/电流变化和饲料Buck-Boost转换器与适当的工作周期MPP在特定的气候条件下。

2.1。建模的光伏面板

光伏系统的非线性方程描述不同开发光伏模型参数之间的关系,通过MATLAB和Simulink工具解决光伏电池电路模型如图2。光伏的输出电流可以使用方程(1),和分别并行和系列细胞的数量:

电流-电压特性的非线性方程one-diode光伏模型表达的Milici et al。9)如下: 在哪里和分别是光伏终端电压和电流,和分别是系列和分流电阻,η是理想的因素,玻尔兹曼常数是什么k,问是电子电荷,在开尔文温度度,photo-generated当前,二极管饱和电流吗 。光伏面板参数如表所示1。

电流-电压和PV非线性特性曲线的光伏阵列使用MATLAB模拟在不同的气候条件(温度和辐照度)如图3。

2.2。直流-直流转换器

仿真软件和Simscape工具已经被选为平台的建模、实现,和测试Buck-Boost转换器。状态空间建模主要是由方程(3),一个,B,C,D系统矩阵,x是状态变量向量,是状态变量对时间导数向量,u是输入,y是输出(14]:

图4显示了使用Simscape Buck-Boost模型,模拟在不同占空比和固定负载根据状态空间模型在方程(4),x₁=我_l,x₂=_,和d=工作周期。不同占空比的仿真结果如图所示5:

拟议中的Buck-Boost设计和模拟使用参数见表2。

3所示。设计和实现翻译的MPPT

光伏系统的主要功能的总能量监测光伏模块可以提取的力量在一定气候情况。如文献所示,翻译最常用的MPPT算法INC .公司的算法是基于现实,光伏输出能源衍生品在MPP的输出电压为零( ),积极的左侧MPP ( )MPP和消极的右边( )(5]。

3.1。固定步公司应承担的方法

. n:行情)算法用于检测通过电导(d MPP的条件我/ dV光伏系统的行为。INC-MPPT可以通过执行以下序列(20.]:(1)光伏模块的电压和电流是感觉翻译的MPPT控制器(2)如果(d我/ dV −我/V)是满意,转换器的工作周期需要减少,反之亦然(3)工作周期发生如果没有变化 很满意

责任周期(PV参考电压( ))增加或减少发生在固定的步骤。

3.2。变量一步公司应承担的方法

公司变步长算法提出的Motahhir et al。5翻译]可以提高MPPT控制器的跟踪效果。序列的算法大多是与标准的增量;唯一的区别是计算的步长。 用于可变步长算法步长改变的责任周期,在哪里N比例因子。

3.3。分数阶公司方法(FO-INC)

许多计算要求分数阶导数据的定义提出了Riemann-Liouville Grunwald-Letnikov, (9]。分数阶微分器的一般形式可以表示卡马尔和易卜拉欣(21];认为和米= 1,2,3,…,是证明 在哪里代表了欧拉描述的伽马函数和α的订单号是导数,它的值是什么时候吗 ,代表分数阶的物理现象9]。表达的翻译FO-INC MPPT主要标准可以通过方程(7)和(8):

FO-INC算法可以表示的控制程序的流程图描绘在图6。过程开始于测量光伏的电压和电流来确定翻译的MPPT行动根据下列条件:条件1。如果 或 ,保持当前的工作周期,修复工作周期条件2。如果 或 ,减少的责任周期Buck-Boost转换器(增加在方程(9))条件3。如果 或 ,增加的责任周期Buck-Boost转换器(减少在方程(9))条件4。计算和 。如果 ,否则更新电压 ,当前的 ,和权力

的责任周期Buck-Boost转换器可以计算基于FO-INC控制器的输出就像在 在哪里是电阻负载电压, ,和D工作周期。

实现了固定和变步翻译FO-INC MPPT来提高性能的非线性的MPP跟踪光伏系统Buck-Boost转换器和电阻负载。在固定的步骤中,翻译的有效参数MPPT性能是αα。α为变量的步骤和步长年代我的翻译,影响MPPT性能如图6。

4所示。Metaheuristic优化算法

遗传算法、粒子群算法和蚁群优化是在这个领域最常见的算法之一。然而,这些算法可以解决许多现实和困难的问题。最近的一个算法,蚁狮优化器优化器将连同它的基本工作原理,介绍最新的标准,和伪算法。根据普拉丹et al。20.),不同的搜索技术优化如下:(1)随机初始化解决方案(2)指定搜索方向(3)指定更新标准(4)指定的停止标准

4.1。粒子群优化(PSO)

粒子群算法是模拟的灵感群鸟类的导航和觅食的鱼类或学校。进行算法是由詹姆斯·肯尼迪和拉塞尔埃伯哈特在1995年研究动物的社会行为在群(22]。改进的PSO是寻求高质量的优化迭代,候选人的解决方案。PSO算法的伪代码详细说明算法的步骤1在算法1,N是粒子的数量,C₁和C₂加速度系数,W_最小值和W_马克斯是粒子的重量范围。算法使用更少的资源比其他优化技术。通常情况下,它不需要问题的梯度是可微的问题不考虑。结果,可能会有机会,算法不收敛到最优解。

4.2。蚁群优化(ACO)

蚁群优化(ACO)算法引入了一个人工激励实际求解离散优化问题的蚁群。它第一次被提出的1992年,马克•多日博士学位论文的一个重要方面,称之为蚂蚁系统(12]。而进一步的改进进行了1997年由Gambardella民宿蚁群(23]。伪代码实现蚁群优化算法的步骤2。

在算法2,代表小道上连接的强度(我,j)时间t,l(蚂蚁)成本函数的结果在每只蚂蚁,和λ是信息素衰变系数之间的时间(t和t+ 1)(例如, )。蒸发发生在真正的痕迹,但它太慢发挥重要作用。持续改进它允许搜索常规忘记错误和质量差的解决方案支持更好的。

4.3。蚁蛉优化器优化(氧化铝)

氧化铝的主要动机是蚁蛉幼虫的运行行为。氧化铝提出基于Emary和Zawbaa [24)数学模型。氧化铝算法模拟之间的交互陷阱。蚂蚁必须在整个搜索区域为了模型交互,蚁狮被允许追逐和陷阱。鉴于蚂蚁随机移动寻找食物在实际生活中,选择一个随机游走算法所示Heidari对伊朗伊斯兰共和国通讯社表示et al。25蚂蚁的运动模型。

在算法3,我是一个比率,所有变量的最小吗tth迭代,显示所有变量的向量包括最大t迭代。 ,在哪里t当前迭代,T的最大迭代数,是一个常数定义基于当前迭代。X(t)是蚂蚁的运动,cumsum计算累计总和,n的最大迭代数,t显示了随机游走的一步r(t)是一个随机函数。同时,是最低的随机漫步和是随机游走的最大我变量。是选择的随机漫步在蚁蛉轮盘赌tth迭代和随机漫步在精英吗t迭代。翻译氧化铝的伪代码MPPT算法所开发3。

5。建模和仿真结果

拟议的系统建模和模拟使用MATLAB和Simscape软件环境为了翻译研究系统行为和MPPT性能与不同metaheuristic优化算法。翻译描述整个光伏系统的框图MPPT和优化器如图7之间的翻译,MPPT算法改变了传统公司方法和FO-INC(固定和可变步)。翻译的MPPT的一个优化metaheuristic技术(PSO算法,和氧化铝)。

翻译的PV操作程序MPPT和优化过程是一个闭环,如图8,它首先测量辐照度(G)和温度(T)应用到光伏系统最大功率点的引用从光伏特性曲线( )。翻译一个闭环的PV MPPT和Buck-Boost转换器在Simscape运行环境两秒测量光伏输出功率。MPP之间的平均平方误差(MSE) ( )和光伏系统的输出功率( )是metaheuristic代价函数的优化计算翻译在MATLAB环境下得到最优MPPT参数。应用于翻译选择MPPT控制参数的最优技术Simscape。在MATLAB计算性能指标通过MATLAB和Simscape之间的动态数据交换。

翻译提出的MPPT的贡献是由测量光伏系统的输出能量在不同太阳辐照度。当太阳辐射进行模拟和细胞与瞬态温度变化大约2秒以0.01秒采样的方法。光伏阵列的特点将改变自然辐射和细胞温度改变时,使光伏阵列的电流-电压曲线变化。此外,特定的辐照度范围从400年到1000年和电池温度范围从20°C到40°C这使得它更现实的如表所示3和4。

图9显示了电流-电压和固定步公司的p - v曲线在不同温度和辐射与小步回报给它更好的结果,更少的振荡;然而,它需要更多的时间来获得最大功率。变量一步公司应承担的曲线,如图10,给更好的结果比固定的公司。然而,在变步公司,最初的步长选择不当,可能需要大量的步骤达到边际产量。此外,比例因子的选择不当,可能会导致振荡。

PSO的目标、路径和氧化铝是选择最好的价值α为固定步FO-INC和最好的价值α为变量的步骤和S最大光伏功率。固定的翻译FO-INC MPPT的结果优化的算法,算法,氧化铝在图所示11。固定步FO-INC-PSO给出更好的结果比传统公司方法,翻译更少数量的MPPT步骤最大功率值,和更少的振荡,但翻译PSO优化需要更多的迭代得到最佳的MPPT参数。固定步FO-INC-ACO给翻译的MPPT步数比PSO和氧化铝,然而,并非最优参数,可以得到氧化铝翻译更少数量的MPPT的步骤。光伏系统的输出功率和电压使用的优化生成固定步FO-INC-ACO给更少的振荡而不是尽可能多的最大功率的氧化铝,如图12。变步FO-INC给出更好的结果比传统(aapl . o:行情)和固定步FO-INC方法,翻译更少数量的MPPT步骤最大功率值,和更少的振荡。比ACO算法需要更多的迭代次数和氧化铝翻译最优MPPT参数。氧化铝给出了最优参数的最大功率与翻译更多的MPPT步骤与ACO如图,反之亦然13和14。

翻译的MPPT性能η可以监控如方程(10所有翻译上述MPPT方法)。辐照度、温度、功率和最大力量时间波形翻译系统的使用提出MPPT方法已经被使用η。接下来的辐照度和温度变化意味着输出功率最高最大功率密切,和获得更高的性能的变步FO-INC与氧化铝从表(98.1)如上所述5:

6。结论和未来的工作

光伏系统的输出功率将改变辐照度和温度显示系统的仿真结果和不同的气候条件如表中所示3和4。拟议中的增量分数阶FO-INC展示更好的结果比传统的公司在环境变化过程和提高翻译效率的MPPT FO-INC能够提供一个动态数学模型描述的非线性和部分属性。分数阶的增量变化作为一个动态变量用于翻译调整MPPT服务周期。使用metaheuristic优化性能的提高FO-INC和翻译提供了另一个动态变量MPPT控制。算法和氧化铝,PSO相比使用更少数量的变量和较短的计算时间相同数量的迭代。然而,有时不能达到最优解。氧化铝使用更多的变量和需要计算时间最长的,然而它给算法和PSO相比更优的解决方案。这项工作可以延长改变电阻使用另一个动态负载,例如,直流电机,或者通过应用不同FO-INC优化技术。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。

确认

作者要感谢苏尔坦王子大学,利雅得,沙特阿拉伯支持和资助这项工作。非常感谢机器人技术和物联网实验室(RIOTU)苏尔坦王子大学利雅得SA。

引用

1. m·a·Jusoh m·f·纳姆Tajuddin s m . Ayob m·a·罗斯兰,“独立光伏系统最大功率点跟踪充电控制器,”TELKOMNIKA(电信计算电子和控制),16卷,不。4、1413 - 1426年,2018页。视图:出版商的网站|谷歌学术搜索
2. p·g·布埃诺,f . j . Ruiz-Rodriguez和j·c·埃尔南德斯,“稳定评估传输系统与大型储能光伏单元,“专业可再生发电,10卷,不。5,584 - 597年,2016页。视图:出版商的网站|谷歌学术搜索
3. B.-R。彭,K.-C。何,中州。刘”,小说翻译和快速mppt方法适合快速变化和部分阴影条件下,“IEEE工业电子产品,卷65,不。4、3240 - 3251年,2018页。视图:出版商的网站|谷歌学术搜索
4. h . Bahri和a . Harrag可变步长翻译P&O MPPT控制器提高系统静态和动态PV表演,”先进的工程和计算杂志》上,卷2,不。2、86 - 93年,2018页。视图:出版商的网站|谷歌学术搜索
5. s . Motahhir a . El Ghzizal s Sebti和a . Derouich“光伏系统的建模与修改增量电导辐照度的快速变化的算法,”国际期刊的PhotoenergyID 3286479条,卷。2018年,13页,2018。视图:出版商的网站|谷歌学术搜索
6. m . Seyedmahmoudian t Kok很快,大肠Jamei et al .,“光伏系统最大功率点跟踪算法在局部阴影条件下使用蝙蝠,”可持续性,10卷,不。5,1347年,页2018。视图:出版商的网站|谷歌学术搜索
7. x l . Li h . Wang Chen等人“高效太阳能发电与改进的不连续的脉冲宽度调制(dpwm)过调制算法,”能量,12卷,不。9,1765年,页2019。视图:出版商的网站|谷歌学术搜索
8. j·李和h王”,一个新颖的基于可变步长独立光伏发电系统翻译公司MPPT和SVPWM控制”《2009年IEEE 6日国际电力电子与运动控制会议IEEE,页2155 - 2160年,武汉,中国,2009年5月。视图:谷歌学术搜索
9. c . Milici g . Drăgănescu和j·t·马查多介绍分数微分方程施普林格,卷。25日,2019年在瑞士巴塞尔。
10. K.-N。Yu C.-K。廖,H.-T。邱”,一个新的基于分数阶智能光伏发电系统最大功率点跟踪控制算法,”国际期刊的PhotoenergyID 493452条,卷。2015年,8页,2015。视图:出版商的网站|谷歌学术搜索
11. m·a·易卜拉欣博士和r·穆罕默德”比较研究和仿真不同的最大功率点跟踪翻译(MPPT)技术使用分数及控制灰太狼优化器对电网连接电池,光伏系统”电力转换,IntechOpen,伦敦,英国,2019年。视图:谷歌学术搜索
12. m .民宿和t . Stutzle蚁群优化:概述和最新进展手册的Metaheuristics施普林格,页311 - 351年,2019年。视图:谷歌学术搜索
13. j·库马尔,k v阿扎尔的艾哈迈德·塔希尔,r·k·p·辛格“设计分数阶非线性复杂系统的模糊滑模控制器,”分数阶系统的数学技术爱思唯尔,282,页249 - 2018。视图:谷歌学术搜索
14. y太阳和y Yihan”相buck-boost转换器控制端”,2018年,美国专利应用。15/729,366。视图:谷歌学术搜索
15. a . Mohapatra”翻译优化参数估计、阵列配置和MPPT控制的独立光伏系统,“技术研究所Rourkela,印度,2018年,博士论文。视图:谷歌学术搜索
16. k . Sundareswaran诉Vigneshkumar p . Sankar s . p .西蒙,p . s . r . Nayak和美国蒂,“发展一种改进P&O辅助翻译通过一群觅食蚂蚁mppt算法在光伏系统中,“IEEE工业信息,12卷,不。1,第200 - 187页,2015。视图:谷歌学术搜索
17. 美国Duman: Yorukeren,即h·阿特拉斯”翻译一本小说MPPT算法基于优化的人工神经网络通过对独立光伏能源系统,使用FPSOGSA”神经计算和应用卷,29号1,第278 - 257页,2018。视图:出版商的网站|谷歌学术搜索
18. r . Sahu和b . Shaw”设计的太阳能系统通过实现氧化铝翻译优化基于pid的mppt控制器,”可再生能源的趋势,4卷,不。但不心浮气躁;年龄3,页2018。视图:出版商的网站|谷歌学术搜索
19. b . Oubbati m . Boutoubat m . Belkheiri, a . Rabhi”极值寻找和P&O控制策略实现光伏阵列的最大功率,”国际会议在可再生能量系统的人工智能施普林格,页233 - 241年,可汗,瑞士,2018。视图:谷歌学术搜索
20. r·普拉丹美国普拉丹,比比Pati,“设计和性能评估的分数阶PID控制器对热流系统使用粒子群优化”计算智能数据挖掘施普林格,页261 - 271年,可汗,瑞士,2019。视图:谷歌学术搜索
21. n . a .卡马尔和a . m .易卜拉欣,”传统、聪明、分数阶控制光伏系统的最大功率点跟踪方法:复习一下,”分数阶系统爱思唯尔,页603 - 671年,阿姆斯特丹,荷兰,2018年。视图:谷歌学术搜索
22. y Michimura, k .小森,a Nishizawa et al .,“粒子群优化低温引力波探测器的敏感性,”物理评论D,卷97,不。12,122003页,2018年。视图:出版商的网站|谷歌学术搜索
23. 下午库马尔,井斜G, G . Manogaran r . Sundarasekar n . Chilamkurti和r . Varatharajan“蚁群优化算法与网络的车辆智能交通控制系统,”计算机网络卷,144年,第162 - 154页,2018 b。视图:出版商的网站|谷歌学术搜索
24. 大肠Emary和h . m . Zawbaa“通过征收蚁蛉优化特征选择,”模式分析与应用,22卷,不。3、857 - 876年,2018页。视图:出版商的网站|谷歌学术搜索
25. a . a . Heidari对伊朗伊斯兰共和国通讯社表示,h·法里斯,s . Mirjalili Aljarah,和m . Mafarja“蚁狮优化器:理论、文献综述和应用在多层感知器神经网络,”产品表面优化器页23-46 Springer,可汗,瑞士,2020。视图:谷歌学术搜索

版权

版权©2019 Hossam法物等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。