返回
Chef-Based Optimization Algorithm (CBOA)-Based Global Peak Power Tracking Scheme for PV System
DOI:10.1109/ACCESS.2025.3606338.png)
摘要
En 中文
环境问题正推动对清洁和可再生能源的需求。在可再生能源中,光伏(PV)系统的使用在近几十年来呈急剧增长趋势。众多因素,包括温度、遮蔽百分比和日照量,影响光伏系统的性能。太阳能电池板与负载之间的中间转换器,因日照和温度水平的变化而调整光伏输出与负载电压之间的差异。由自然或非自然原因引起的太阳能电池板遮蔽,通过在P-V特性中产生多个峰值而导致技术问题。多个峰值中的一个被称为全局峰值功率(GPP),而其他则被归类为局部峰值功率(LPP)。多个峰值的存在以及可能陷入LPP而非GPP的可能性,使得在整个优化过程中识别GPP变得困难。因此,本文提出基于Chef的优化算法(CBOA)以追踪光伏系统的GPP。CBOA基于培训课程中学习烹饪技能的流程开发,与粒子群优化(PSO)和灰狼优化(GWO)相比,提供了更具结构化的方法。通过使用5S5P配置在MATLAB中进行仿真,检验了追踪算法的性能。在仿真研究中,CBOA在追踪时间和最大功率幅值方面,其性能优于PSO和GWO。
Keyword:
Photovoltaic (PV) system
local peak power (LPP)
global peak power (GPP)
chef based optimization algorithm (CBOA)
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
A Novel Improved Grey Wolf Algorithm Based Global Maximum Power Point Tracker Method Considering Partial Shading一种新的基于改进灰狼算法的考虑局部阴影的全局最大功率点跟踪方法
IEEE ACCESS
IF3.6
Simultaneous Placement of Multiple Rooftop Solar PV Integrated Electric Vehicle Charging Stations for Reliability Benefits同时放置多个屋顶太阳能光伏集成电动汽车充电站以提高可靠性
IEEE ACCESS
IF3.6
A Comprehensive Review of Maximum Power Point Tracking (MPPT) Techniques Used in Solar PV Systems
Energies
IF0
Improvement of Self-Predictive Incremental Conductance Algorithm with the Ability to Detect Dynamic Conditions改进具有动态条件检测能力的自预测增量电导算法
Energies
IF0
Analysis and Implementation of Robust Metaheuristic Algorithm to Extract Essential Parameters of Solar Cell
IEEE ACCESS
IF3.6

