A Modified Firefly Algorithm for Photovoltaic Maximum Power Point Tracking Control Under Partial Shading

Abstract

Photovoltaic (PV) modules subjected to partial shading conditions (PSC) can drastically decrease their power output. Hence, there have been various maximum power point tracking (MPPT) control algorithms developed to reduce or counteract the shading effects. Recently, a new meta-heuristic algorithm known as firefly algorithm (FA) was developed, which, under PSC, has been shown to successfully track the GMP. Nevertheless, the FA still has some inherent problems, which may hinder the performance of the MPPT. This paper modifies the existing FA to counteract these problems. As will be demonstrated in the paper, the proposed modified FA (MFA) method can reduce the number of computation operations and the time for converging to the GMP that the existing FA requires.Experimental results show that the proposed method can track the global point under various PSC, has a faster convergence time, compared to the FA, and can effectively suppress the power and voltage fluctuations. Index TermsMaximum power point tracking (MPPT), photovoltaic (PV) array, partial shading, global optimization, firefly algorithm

A fuzzy‐elephant herding optimization technique for maximum power point tracking in the hybrid wind‐solar system

“…Separating operator and clan updating operator are the classification of the behaviors in EHO technique. An elephant group consists of numerous numbers of clans under the leadership of a matriarch, often the oldest cow . EHO algorithm is defined as follows.…”

“…An elephant group consists of numerous numbers of clans under the leadership of a matriarch, often the oldest cow. 27 EHO algorithm is defined as follows.…”

Optimization of the maximum power point of photovoltaic working under partial shading conditions

“…Tuy nhiên, công suất đạt được bị dao động lớn và dễ rơi vào cực trị địa phương (LMPP) khi bức xạ của các module không đồng đều. Vì vậy, ngoài phương pháp truyền thống là P&O và điện dẫn gia tăng (Incremental Conductance-INC), gần đây nhiều giải thuật tối ưu khác cũng đã được đề xuất để cải thiện nhược điểm của giải thuật truyền thống như: Modified PSO (M-PSO), Bat Algorithm (BA), Whale Optimization Algorithm (WOA), Firework Algorithm (FWA), Grey Wolf Optimization (GWO), Ant Colony Optimization (ACO), Firefly Algorithm (FFA), hay sự kết hợp giữa các giải thuật với nhau như PSO-P&O, INC-FFA, FWA-P&O [3][4][5][6][7][8][9][10][11][12][13] . Hiệu suất, tốc độ hội tụ, độ phức tạp và chi phí nói lên tính khả thi của giải pháp.…”

“…6) Trong quá trình tìm kiếm luôn tồn tại những vị trí tốt nhất mà mỗi cá thể đã xác định P best,i và vị trí tốt nhất của đám đông G best,i . Do đó, tốc độ của mỗi cá thể bị ảnh hưởng bởi đám đông và được xác định theo biểu thức (7).…”

“…r 2 là hai số ngẫu nhiên phân bố điều trong khoảng [0,1]. k: số lần lặp w i : trọng số quán tính xác định theo (8) w i = 0, 9 − 0, 8 iter−iter: số lần lặp max_iter: số lần lặp tối đa Để áp dụng PSO vào việc dò tìm GMPPT thì x = D và v = DD trong(7) với D được phân bố đều từ [0,2 ÷ 0,8] trong giới hạn điều khiển của mạch Boost. Lưu đồ giải thuật PSO được trình bày như Hình 5 có các tham số trong Bảng 2 dùng để xác định tỷ số D tốt nhất cho cá thể (P best ) và toàn cục (G best ) dựa vào điều kiện hội tụ của hàm mục tiêu(9).…”