找到 5 条结果
一种针对局部阴影条件下光伏组件的模拟退火全局最大功率点跟踪方法
A Simulated Annealing Global Maximum Power Point Tracking Approach for PV Modules Under Partial Shading Conditions
Sarah Lyden · Md. Enamul Haque · IEEE Transactions on Power Electronics · 2016年6月
本文提出了一种基于模拟退火（SA）算法的全局最大功率点跟踪（GMPPT）技术，旨在解决光伏系统在局部阴影条件（PSC）下的功率输出受限问题。通过与传统的扰动观察法（P&O）及粒子群优化算法（PSO）进行对比，验证了该方法在跟踪速度和精度方面的性能优势。
解读: 该技术对阳光电源的组串式逆变器产品线具有极高的应用价值。在复杂的工商业光伏电站场景中，局部阴影导致的功率失配是影响发电效率的核心痛点。通过在逆变器控制算法中集成模拟退火等智能优化算法，可显著提升系统在阴影遮挡下的全局寻优能力，减少能量损失。建议研发团队评估该算法的计算开销与嵌入式控制器的算力匹配度，...
用于光伏系统GMPPT及局部阴影检测的烟花增强型P&O算法
Fireworks Enriched P&O Algorithm for GMPPT and Detection of Partial Shading in PV Systems
Chakkarapani Manickam · Guru Praanesh Raman · Guru Raghav Raman · Saravana Ilango Ganesan 等5人 · IEEE Transactions on Power Electronics · 2017年6月
本文针对光伏系统在非均匀光照下的全局最大功率点跟踪（GMPPT）问题，提出了一种基于组串MPP电压电流趋势的辐照类型检测方案。该方案能有效区分均匀与非均匀光照，避免在均匀光照下进行宽范围搜索导致的功率损耗，提升了光伏系统的整体发电效率。
解读: 该算法对阳光电源的组串式逆变器（如SG系列）具有极高的应用价值。在复杂的工商业光伏屋顶应用场景中，局部阴影导致的遮挡效应常使传统P&O算法陷入局部最优。该研究提出的辐照类型检测机制，能够实现算法的自适应切换，在保证全局寻优能力的同时，显著降低均匀光照下的功率波动与搜索损耗。建议研发团队将其集成至iS...
一种基于时间的光伏系统全局最大功率点跟踪技术
A Time-Based Global Maximum Power Point Tracking Technique for PV System
Mohd Aquib · Sachin Jain · Vivek Agarwal · IEEE Transactions on Power Electronics · 2020年1月
本文提出了一种适用于均匀及非均匀光照条件下光伏阵列的全局最大功率点跟踪（GMPPT）新技术。该方法利用光伏阵列的I-V特性，通过计算光伏电压的稳定时间来跟踪参考电压，从而实现全局峰值的快速定位。
解读: 该技术对阳光电源的核心产品线（组串式及集中式光伏逆变器）具有极高的应用价值。在复杂阴影遮挡环境下，传统的MPPT算法容易陷入局部最优，导致发电量损失。该基于稳定时间的GMPPT算法能够有效提升在非均匀光照下的能量捕获效率，直接提升电站的度电成本（LCOE）竞争力。建议研发团队将其集成至iSolarC...
一种具有增强跳跃功能的自适应扰动观察算法，用于局部阴影条件下的快速全局最大功率点跟踪
An Adaptive Perturb and Observe Algorithm With Enhanced Skipping Feature for Fast Global Maximum Power Point Tracking Under Partial Shading Conditions
Sajib Ahmed · Saad Mekhilef · Marizan Mubin · Kok Soon Tey 等5人 · IEEE Transactions on Power Electronics · 2023年9月
针对局部阴影条件下光伏阵列出现多峰值导致传统MPPT算法失效的问题，本文提出了一种改进的自适应扰动观察算法。该算法通过引入增强跳跃功能，避免了全曲线扫描带来的高延迟，显著提升了全局最大功率点（GMPP）的跟踪速度与效率，有效解决了复杂光照环境下的能量损失问题。
解读: 该算法直接优化了光伏逆变器的核心控制逻辑，对阳光电源的组串式逆变器（如SG系列）具有极高的应用价值。在工商业及地面光伏电站中，局部阴影（如云层、建筑遮挡）是影响发电效率的关键痛点。通过集成这种具备增强跳跃功能的自适应MPPT算法，阳光电源的逆变器能更快速地锁定全局最优功率点，显著提升系统在复杂环境下...
一种基于机器学习的光伏系统在复杂局部遮阴条件下的全局最大功率点跟踪技术
A Machine Learning-Based Global Maximum Power Point Tracking Technique for a Photovoltaic Generation System Under Complicated Partially Shaded Conditions
Yi-Hua Liu · Yu-Shan Cheng · Yu-Chih Huang · IEEE Transactions on Sustainable Energy · 2024年12月
在局部遮阴条件下，光伏系统输出功率与电压关系呈多峰特性，导致全局最大功率点（GMPP）追踪困难。本文提出一种基于机器学习的两阶段GMPPT方法：第一阶段采用回归树预测GMPP大致位置，第二阶段利用α-扰动观察法精确捕获GMPP。通过建立仿真平台生成训练数据，优化并集成回归树模型。在252种遮阴模式下，平均跟踪损耗为2.13 W，平均响应时间0.11秒，准确识别出244种情况下的GMPP区间。实验结果表明，该方法在追踪精度和速度上均优于五种先进方法。
解读: 该机器学习GMPPT技术对阳光电源SG系列光伏逆变器的MPPT算法优化具有重要应用价值。当前SG逆变器在复杂遮阴场景下的多峰功率曲线处理仍依赖传统扰动观察法，易陷入局部最优。该研究提出的回归树+α-扰动观察两阶段方法，可将平均响应时间缩短至0.11秒，跟踪损耗降至2.13W，显著优于现有方案。建议将...