在线扰动优化光伏MPPT模糊控制器

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (1): 216-218.

在线扰动优化光伏MPPT模糊控制器

徐明亮1，唐玉兰1，徐德云2

1.无锡城市学院电信系，江苏无锡 214063
2.安徽财经大学管理科学与工程学院，安徽蚌埠 233030

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-01 发布日期:2012-01-01

Fuzzy controller of photovoltaic MPPT optimized on-line with perturbation

XU Mingliang1, TANG Yulan1, XU Deyun2

1.Department of Electronic Information Engineering, College of Wuxi City, Wuxi, Jiangsu 214063, China
2.School of Management Science and Engineering, Anhui University of Finance & Economics, Bengbu, Anhui 233030, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要： 利用可在线优化的模糊控制器进行光伏最大功率点跟踪控制（MPPT）。利用模糊RBF网络根据专家经验建立初始模糊控制器，在模糊控制器输出的控制量上叠加正态分布的随机扰动，根据控制效果自适应地构造和调整模糊规则。根据控制效果记录器的结果决定是否叠加扰动，以削弱功率震荡现象。该方法可以减轻对模糊控制器相关参数进行离线调整的工作量。仿真结果表明该方法在光伏MPPT控制中的有效性。

关键词: 光伏, 最大功率点跟踪（MPPT）, 模糊控制, 优化, 在线

Abstract: A fuzzy controller that is optimized on-line with perturbation is used to photovoltaic MPPT. The initial fuzzy controller described with fuzzy RBF networks is constructed based on the expert’s experience. The perturbation with normal distribution is added to the output of the fuzzy controller. The fuzzy rules are created and tuned adaptively according to the control effect. And the record of control effect is introduced to decide whether the perturbation is added or not, which can weaken the oscillation of the output of the photovoltaic power. With this method the work of adjusting the parameters of the fuzzy controller off-line can be reduced. The simulation results have shown the effectiveness of the proposed method in photovoltaic MPPT.

Key words: photovoltaic, Maximum Power Point Tracking（MPPT）, fuzzy control, optimization, on-line

徐明亮1，唐玉兰1，徐德云2. 在线扰动优化光伏MPPT模糊控制器[J]. 计算机工程与应用, 2012, 48(1): 216-218.

XU Mingliang1, TANG Yulan1, XU Deyun2. Fuzzy controller of photovoltaic MPPT optimized on-line with perturbation[J]. Computer Engineering and Applications, 2012, 48(1): 216-218.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[3]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[6]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[7]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[8]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[9]	许小媛，李海波，黄黎. 云存储多异构文件联合延迟尾概率凸优化分析[J]. 计算机工程与应用, 2021, 57(5): 88-94.
[10]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[11]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[12]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[13]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[14]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[15]	张伟康，刘升，任春慧. 混合策略改进的麻雀搜索算法[J]. 计算机工程与应用, 2021, 57(24): 74-82.