基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
粒子群优化(PSO)算法是智能算法的一种,有较好的全局搜索能力,已经被应用于局部阴影条件下的最大功率跟踪(MPPT)当中.但PSO算法的搜索速度慢,收敛不稳定.本文通过分析局部阴影条件下光伏阵列的输出特性曲线提出了改进型粒子群优化算法(IPSO),以变换器的占空比为粒子,初始化时将粒子均匀分散在可能的功率峰值点处,依据迭代次数线性调整惯性权重、学习因子,并通过引入反正切函数,对传统PSO算法的速度更新进行修改,以减小追踪过程的振荡,更快地找到最大功率点,提高收敛速度.最后通过仿真验证了与常规的PSO算法相比,改进的PSO算法具有跟踪速度快、动态响应波动小等特点.
推荐文章
基于粒子群多峰值MPPT算法的光伏系统研究
粒子群算法
多峰值MPPT
局部遮荫
光伏并网发电
大型绿色船舶光伏阵列结构与MPPT算法研究
绿色船舶
光伏阵列
最大功率点跟踪
大规模优化
基于GWO算法光伏阵列多峰值的MPPT
灰狼优化算法
最大功率点跟踪
部分阴影
光伏阵列
基于改进粒子群优化算法 光伏阵列多峰值MPPT的研究
光伏阵列
局部阴影
全局最大功率点跟踪
粒子群算法
变异策略
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于IPSO算法的光伏阵列多峰值MPPT研究
来源期刊 电气工程学报 学科 工学
关键词 局部阴影 PSO算法 MPPT 光伏阵列
年,卷(期) 2016,(10) 所属期刊栏目 北京信息科技大学自动化学院专刊
研究方向 页码范围 53-58
页数 6页 分类号 TM615
字数 3577字 语种 中文
DOI 11.11985/2016.10.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张巧杰 北京信息科技大学自动化学院 55 175 8.0 10.0
2 王凯丽 北京信息科技大学自动化学院 3 9 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (27)
参考文献  (8)
节点文献
引证文献  (4)
同被引文献  (6)
二级引证文献  (3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(16)
  • 参考文献(1)
  • 二级参考文献(15)
2012(10)
  • 参考文献(1)
  • 二级参考文献(9)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
局部阴影
PSO算法
MPPT
光伏阵列
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电气工程学报
季刊
2095-9524
10-1289/TM
16开
北京市
2006
chi
出版文献量(篇)
2845
总下载数(次)
7
总被引数(次)
5079
论文1v1指导