您的位置： 专家智库 > >

薛飞

作品数：5 被引量：35H指数：4
供职机构：国网宁夏电力公司电力科学研究院更多>>
发文基金：国家自然科学基金天津市自然科学基金国家高技术研究发展计划更多>>
相关领域：动力工程及工程热物理自动化与计算机技术电气工程更多>>

合作作者

文献类型

  • 5篇中文期刊文章

领域

  • 2篇动力工程及工...
  • 2篇自动化与计算...
  • 1篇电气工程

主题

  • 4篇光伏
  • 3篇最大功率
  • 3篇功率
  • 3篇MPPT
  • 3篇大功率
  • 3篇最大功率点
  • 3篇功率点
  • 2篇萤火虫算法
  • 2篇群算法
  • 2篇子群
  • 2篇最大功率点跟...
  • 2篇粒子群
  • 2篇粒子群算法
  • 2篇光伏阵列
  • 1篇电网
  • 1篇电网网架
  • 1篇柔性负荷
  • 1篇配电
  • 1篇配电网
  • 1篇配电网网架

机构

  • 5篇天津大学
  • 1篇北京铁路局
  • 1篇国网宁夏电力...

作者

  • 5篇石季英
  • 5篇薛飞
  • 2篇秦子健
  • 2篇李雅静
  • 1篇杨挺
  • 1篇张永革
  • 1篇张文
  • 1篇巩莹
  • 1篇范红霞
  • 1篇马丽

传媒

  • 2篇电力电子技术
  • 2篇天津大学学报...
  • 1篇电气传动

年份

  • 2篇2017
  • 2篇2016
  • 1篇2015
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
基于自适应种群粒子群的光伏全局MPPT研究被引量：11
2017年
局部遮蔽条件(PSC)下,传统最大功率点跟踪(MPPT)算法会陷入局部极值,智能算法追踪时间过长。针对上述问题,提出了一种基于自适应种群粒子群算法(APPSO)的MPPT控制方法,引入全局和局部粒子密度的概念,并设计了两种自适应调整的粒子种群数量的机制。对该方法与常规粒子群算法(PSO)在均匀光照和PSC下分别进行了对比。仿真和实验结果均表明,在PSC下APPSO可迅速、准确地追踪到全局最大功率点(GMPP),追踪时间仅为PSO的50%左右。
石季英凌乐陶薛飞李雅静
关键词：最大功率点追踪粒子群算法
3步光伏最大功率点跟踪算法被引量：6
2016年
光伏阵列的P-U特性曲线在局部阴影的情况下会呈现多个极值点,传统算法容易陷于局部极值,智能算法追踪耗时过多.在研究两类算法的基础上,提出一种基于扰动观察法和粒子群算法的3步最大功率点跟踪(MPPT)算法.该算法采用大步长扰动观察法缩小搜索范围并确定粒子数目;采用改进粒子群算法实现全局搜索寻找最优局部;采用逐步逼近的扰动观察法在最优局部内搜索最大功率点.仿真结果表明:该算法在均匀光照和局部遮阴情况下均能准确迅速地跟踪到最大功率点,相比于粒子群算法,追踪时间缩短35%,以上.
石季英薛飞秦子健凌乐陶
关键词：光伏阵列扰动观察法
基于免疫二进制萤火虫算法的主动配电网低碳目标网架规划被引量：12
2017年
主动配电网(ADS)网架规划是一个非常复杂的大规模组合优化问题.萤火虫算法(FA)是一种新型的智能优化算法,全局搜索能力强、算法结构简单,而且收敛速度快.在此基础上借鉴生物免疫机制,群体更新时考虑抗体浓度,进一步提高种群的多样性和算法全局寻优能力,提出了一种免疫二进制萤火虫算法(IBFA)进行主动配电网网架规划.以线路投资、运行维护、网损和碳排放环境成本最小为目标,考虑分布式电源(DG)与柔性负荷(FL),建立了主动配电网网架规划模型.通过与二进制粒子群优化(BPSO)算法对比求解IEEE-14节点算例,验证了免疫萤火虫算法在全局寻优能力和收敛性方面的优越性,同时证明分布式电源和柔性负荷是抑制碳排放、提高系统整体效益的有效方式.
石季英薛飞李雅静杨挺巩莹马丽凌乐陶
关键词：柔性负荷
IFA在光伏遮蔽情况下MPPT中的应用被引量：1
2016年
在遮蔽情况下,光伏阵列输出的P-U特性曲线呈现出多峰状态,传统最大功率点跟踪(MPPT)算法可能会陷入局部极值。提出了一种基于改进萤火虫算法(IFA)的MPPT算法,首先在原始算法步长更新公式中引入具有变权重系数的惯性项,使得追踪过程能很好地实现全局搜索能力与局部寻优的平衡;其次在步长更新公式中引入加速系数,在功率值较低的区域加大步长,减少追踪所用时间和能量损失。最后,通过仿真和实验,与经典粒子群优化(PSO)算法进行了比较,证明了所提算法跟踪能力更优。
石季英薛飞秦子健范红霞
关键词：最大功率点跟踪
基于改进PSO算法的光伏阵列MPPT研究被引量：6
2015年
针对光伏阵列(photovoltaic array)传统的最大功率点跟踪(maximum power point tracking,MPPT)方法的不足,提出一种改进的粒子群算法(particle swarm optimization algorithm,PSO)。该算法中,粒子位置依据粒子的个体最优解由大到小更新,更新过程中使用当前时刻所产生的全局最优解,同时,将反映粒子聚集程度的粒子位置的标准差和反映粒子偏离程度的距当前最大功率点的距离引入每个粒子的速度阈值,单独自适应地限制每个粒子的更新速度,以便更快地找到最大功率点,提高收敛速度。最后,通过仿真和实验验证了该算法的快速性和有效性。
石季英张文张永革薛飞
关键词：光伏阵列粒子群算法最大功率点跟踪
全选 清除 导出
共1页<1>
聚类工具0