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:
波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案.该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解.仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率.
推荐文章
基于分组粒子群的光伏最大功率点跟踪方法
光伏发电系统
最大功率点跟踪
粒子群算法
扰动观察法
光伏发电系统最大功率点跟踪算法研究
一次能源
光伏发电
最大功率点跟踪
二分搜索法
恒定电压法
基于模拟退火粒子群算法在数据关联上的研究
数据关联
模拟退火算法
粒子群算法
光伏发电系统最大功率跟踪控制器的实现
太阳能光伏电池
降压斩波电路
最大功率点跟踪
扰动观察法
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 基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制
来源期刊 电机与控制应用 学科 工学
关键词 波浪发电 最大功率点跟踪 模拟退火粒子群算法
年,卷(期) 2017,(10) 所属期刊栏目 控制与应用技术
研究方向 页码范围 13-18
页数 6页 分类号 TM301.2
字数 4344字 语种 中文
DOI 10.3969/j.issn.1673-6540.2017.10.003
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 杨俊华 广东工业大学自动化学院 118 1050 13.0 28.0
2 杨金明 华南理工大学电力学院 121 1682 26.0 37.0
3 邹子君 广东工业大学自动化学院 3 14 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (37)
共引文献  (24)
参考文献  (9)
节点文献
引证文献  (5)
同被引文献  (15)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(3)
  • 参考文献(2)
  • 二级参考文献(1)
2013(5)
  • 参考文献(3)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
波浪发电
最大功率点跟踪
模拟退火粒子群算法
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
电机与控制应用
月刊
1673-6540
31-1959/TM
大16开
上海市武宁路505号
4-199
1959
chi
出版文献量(篇)
4216
总下载数(次)
2
总被引数(次)
22702
论文1v1指导