部分阴影条件下光伏最大功率点跟踪的复合控制方法

摘要

本发明涉及一种部分阴影条件下光伏最大功率点跟踪的复合控制方法，该方法包括以下步骤：1)获得部分阴影条件下光伏阵列的输出电压和输出电流数据阵列；2)根据电压电流数据阵列采用粒子群算法搜索光伏阵列的初始最大功率工作点；3)根据粒子群算法搜索到的初始最大功率工作点，得到对应的初始占空比；4)根据初始占空比采用自适应干扰观察法进行变步长占空比扰动控制，并将得到的最终占空比控制信号输出给最大功率点控制电路；5)最大功率点控制电路根据最终占空比控制信号控制光伏阵列工作，使其稳定工作在最大功率点。与现有技术相比，本发明具有搜索精度高、适用于局部阴影条件下光伏阵列最大功率跟踪等优点。

权利要求

1.一种部分阴影条件下光伏最大功率点跟踪的复合控制方法，其特征在于，该方法包括以下步骤：

1)实时采集部分阴影条件下光伏阵列的输出电压和输出电流，得到电压电流数据阵列；

2)根据电压电流数据阵列采用粒子群算法搜索光伏阵列的初始最大功率工作点，并得到此时的输出功率、输出电压和输出电流；

3)根据粒子群算法搜索到的初始最大功率工作点，得到对应的初始占空比；

4)根据初始占空比采用自适应干扰观察法进行变步长占空比扰动控制，并将得到的最终占空比控制信号输出给最大功率点控制电路；

5)最大功率点控制电路根据最终占空比控制信号控制光伏阵列工作，使其稳定工作在最大功率点；

所述的步骤2)中采用粒子群算法搜索光伏阵列的初始最大功率工作点具体为：

21)初始化粒子群参数，确定种群粒子个数、学习因子、加权系数、最大速度和迭代次数；

22)确定目标函数，目标函数为部分阴影条件下光伏阵列的输出功率P(U,I)；

23)计算各个粒子的适应度函数值，并通过比较得到各个粒子的当前最优适应值Pbest和全局最优适应值Gbest；

24)更新粒子的速度、位置和目标函数；

25)判断是否满足迭代次数，若是，则输出最优解，得到此时的输出功率P、输出电压U和输出电流I，若否，则返回步骤23)；

所述的步骤3)具体为：

31)根据粒子群寻优得到的初始最大功率工作点，得到最大功率点的输出电阻Rmax；

32)根据下述公式计算对应的初始占空比D：2

RL(1-D) ＝Rmax

式中，RL为最大功率点控制电路的负载电阻；

所述的步骤4)具体为：

41)将初始占空比D作为自适应干扰观察法的起始占空比；

42)设置变步长速度因子α、最大△Dmax和最小△Dmin；

43)计算占空比扰动变步长△D＝α(dP/dU)；

44)进行搜索获得最终占空比，使光伏阵列最终稳定在最大功率点。

2.根据权利要求1所述的一种部分阴影条件下光伏最大功率点跟踪的复合控制方法，其特征在于，所述的最大功率点控制电路为基于Boost电路的最大功率点跟踪控制电路。

说明书

部分阴影条件下光伏最大功率点跟踪的复合控制方法

技术领域

[0001] 本发明涉及一种光伏发电最大功率跟踪方法，尤其是涉及一种部分阴影条件下光伏最大功率点跟踪的复合控制方法。

背景技术

[0002] 光伏阵列处于遮蔽情况在现代城市发生的情况很普遍，对于住宅型光伏发电系统，由于光伏阵列安装的位置和环境特殊，局部阴影问题尤为突出。在局部阴影条件下，由于输出功率特性曲线上多极值点的出现，常规的MPPT(Maximum PowerPoint Tracking，最大功率点跟踪)算法(如P&O、InCond等)将有可能收敛于某个功率极值点上，而不是功率的最大点，从而不能实现真正意义的最大功率跟踪，此时，光伏阵列的能量没有被充分利用，系统效率大大降低。

[0003] 针对局部阴影问题的MPPT控制方法从总体上可以分为两大类：一类是在每个光电池模块上并联功率补偿单元，使并联后的整体输出特性只存在单一极值点，然后通过常用算法实现MPPT，这类方法成本较高，应用较少；另外一类是在不改变多极值点输出特性条件下的MPPT算法，该算法主要包括结合常规算法的复合MPPT算法、Fibonacci搜索法和短路电流脉冲法。

发明内容

[0004] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种搜索精度高、有效解决光伏阵列处于局部阴影条件下的控制问题的部分阴影条件下光伏最大功率点跟踪的复合控制方法。

[0005] 本发明的目的可以通过以下技术方案来实现：

[0006] 一种部分阴影条件下光伏最大功率点跟踪的复合控制方法，该方法包括以下步骤：

[0007] 1)实时采集部分阴影条件下光伏阵列的输出电压和输出电流，得到电压电流数据阵列；

[0008] 2)根据电压电流数据阵列采用粒子群算法搜索光伏阵列的初始最大功率工作点，并得到此时的输出功率、输出电压和输出电流；

[0009] 3)根据粒子群算法搜索到的初始最大功率工作点，得到对应的初始占空比；

[0010] 4)根据初始占空比采用自适应干扰观察法进行变步长占空比扰动控制，并将得到的最终占空比控制信号输出给最大功率点控制电路：

[0011] 5)最大功率点控制电路根据最终占空比控制信号控制光伏阵列工作，使其稳定工作在最大功率点。

[0012] 所述的步骤2)中采用粒子群算法搜索光伏阵列的初始最大功率工作点具体为：

[0013] 21)初始化粒子群参数，确定种群粒子个数、学习因子、加权系数、最大速度和迭代次数；

[0014] 22)确定目标函数，目标函数为部分阴影条件下光伏阵列的输出功率P(U，I)；

[0015] 23)计算各个粒子的适应度函数值，并通过比较得到各个粒子的当前最优适应值Pbest和全局最优适应值Gbest；

[0016] 24)更新粒子的速度、位置和目标函数；

[0017] 25)判断是否满足迭代次数，若是，则输出最优解，得到此时的输出功率P、输出电压U和输出电流I，若否，则返回步骤23)。

[0018] 所述的步骤3)具体为：

[0019] 31)根据粒子群寻优得到的初始最大功率工作点，得到最大功率点的输出电阻Rmax；

[0020] 32)根据下述公式计算对应的初始占空比D：

[0021] RL(1-D)2＝Rmax

[0022] 式中，RL为最大功率点控制电路的负载电阻。

[0023] 所述的步骤4)具体为：

[0024] 41)将初始占空比D作为自适应干扰观察法的起始占空比；

[0025] 42)设置变步长速度因子α、最大ΔDmax和最小ΔDmin；

[0026] 43)计算占空比扰动变步长ΔD＝α(dP/dU)；

[0027] 44)进行搜索获得最终占空比，使光伏阵列最终稳定在最大功率点。

[0028] 所述的最大功率点控制电路为基于Boost电路的最大功率点跟踪控制电路。

[0029] 与现有技术相比，本发明具有以下优点：

[0030] 1、本发明利用粒子群算法全局寻优的能力来解决光伏阵列的输出多峰值特性，避免搜索到错误的极大值点；

[0031] 2、本发明同时针对粒子搜索精度的不足复合应用了自适应占空比干扰观察法进行两次搜索，提高了搜索精度，适用于光伏阵列处于局部阴影条件下的情况，最终使光伏电池输出稳定工作在最大功率点，从而实现最大功率点跟踪。

附图说明

[0032] 图1为本发明的控制框图；

[0033] 图2为本发明的流程示意图；

[0034] 图3为基于Boost电路的最大功率点跟踪控制电路的拓扑结构图；

[0035] 图4为实施例中复合控制算法光伏仿真模型示意图；

[0036] 图5为实施例中光伏阵列在局部阴影条件A下的输出P-U曲线图；

[0037] 图6为采用本发明方法控制后的光伏阵列输出特性曲线。

具体实施方式

[0038] 下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

[0039] 实施例

[0040] 如图1-图2所示，一种部分阴影条件下光伏最大功率点跟踪的复合控制方法，该方法包括以下步骤：

[0041] 1)实时采集部分阴影条件下光伏阵列的输出电压和输出电流，得到电压电流数据阵列。

[0042] 2)根据电压电流数据阵列采用粒子群算法搜索光伏阵列的初始最大功率工作点，并得到此时的输出功率、输出电压和输出电流，具体为：

[0043] 21)初始化粒子群参数，确定种群粒子个数、学习因子、加权系数、最大速度和迭代次数；

[0044] 22)确定目标函数，目标函数为部分阴影条件下光伏阵列的输出功率P(U，I)；

[0045] 23)计算各个粒子的适应度函数值，并通过比较得到各个粒子的当前最优适应值Pbest和全局最优适应值Gbest；

[0046] 24)更新粒子的速度、位置和目标函数；

[0047] 25)判断是否满足迭代次数，若是，则输出最优解，得到此时的输出功率P、输出电压U和输出电流I，若否，则返回步骤23)。

[0048] 3)根据粒子群算法搜索到的初始最大功率工作点，得到对应的初始占空比，具体为：

[0049] 31)根据粒子群寻优得到的初始最大功率工作点，得到最大功率点的输出电阻Rmax；

[0050] 32)根据下述公式计算对应的初始占空比D：

[0051] RL(1-D)2＝Rmax

[0052] 式中，RL为最大功率点控制电路的负载电阻。

[0053] 4)根据初始占空比采用自适应干扰观察法进行变步长占空比扰动控制，并将得到的最终占空比控制信号输出给最大功率点控制电路，具体为：

[0054] 41)将初始占空比D作为自适应干扰观察法的起始占空比；

[0055] 42)设置变步长速度因子α、最大ΔDmax和最小ΔDmin；

[0056] 43)计算占空比扰动变步长ΔD＝α(dP/dU)；

[0057] 44)进行搜索获得最终占空比，使光伏阵列最终稳定在最大功率点。

[0058] 自适应干扰观察法的原理为：实时地采样光伏电池的输出电压(Vout)和电流(Iout)，计算出输出功率(Pout)，然后与上一时刻的功率(Pout-n-1)相比，根据功率变化量的正负决定扰动方向来从而进行占空比步长扰动。自适应干扰观察法的核心思想是自适应变步长，观察光伏阵列P-U曲线的斜率dP/dU的绝对值变化可以看出，随着逐渐接近最大功率点，dP/dU的绝对值也单调递减，当到达最大功率点时，dP/dU的绝对值为零。根据光伏阵列的这一特性，可以来自适应调整占空比的步长。占空比扰动ΔD＝α(dP/dU)，式中α为正数，即变步长速度因子，用于调整跟踪速度，占空比扰动步长随着dP/dU的变化而变化，当光伏阵列运行点远离最大功率点时，扰动步长增大，反之扰动步长减小，直至接近于最大功率点时趋近于零。

[0059] 5)最大功率点控制电路根据最终占空比控制信号控制光伏阵列工作，使其稳定工作在最大功率点。

[0060] 如图3所示，本实施例的最大功率点控制电路为基于Boost电路的最大功率点跟踪控制电路。

[0061] 采用上述方法对三个光伏电池模块串联组成小型光伏阵列进行仿真，具体实验方案情况如下表1所示。

[0062] 表1光伏阵列遮阴方案实验表

[0063]

[0064] 进行粒子群参数设置初始化，种群数量设置为20个粒子即Pop_Size＝20，平面维数为2维即Part_Size＝2，粒子飞行的最大速度和最小速度进行设置即W_max＝1，W_min＝0.3，学习因子C1＝1，学习因子C2＝2。

[0065] PSO的目标函数Fn＝S_Function.PV(UI)，S_Function.PV(UI)为分阴影光照情况下的输出功率，输出的U值和I值来确定最大功率目标。

[0066] 根据流程图搭建如图4所示的仿真模型，G、T分别为部分阴影条件下各个电池的光照强度和温度，G、T决定了局部阴影条件下的光伏电池的输出曲线，经过粒子群Pso_Function搜索函数模块得到占空比D，V2、I2为实际光伏电池工作时的电池输出电压和输出电流，D、V2、I2作为自适应占空比扰动最大功率点跟踪模块A_P&O的输入，输出PWM波来控制开关管。光伏阵列由3个光伏电池组成，设光伏阵列的温度保持在25℃，各个电池光照2 2 2
情况分别为1000W/m，800W/m，600W/m，在此环境下进行仿真实验。

[0067] 光伏电池阵列在局部阴影条件下输出的P-U曲线如图5所示，有三个极值点，只有一个最大值点，即最大功率工作点时，输出功率Pmax＝170.71W，输出的电压U＝52.23V。所以在局部阴影条件下采用粒子群自适应占空比干扰观察法，先进行粒子群多峰值搜索，得到的搜索图5如下所示，虚线为全局最大点所处的位置。

[0068] 由粒子群搜索到的Pmax＝168.026W，Umax＝48.038V，得到最大功率点输出等效2
电阻为13.73Ω，由负载电阻为30Ω，根据公式RL(1-D) ＝Rmax转换成占空比为0.35，设置为自适应占空比干扰观察法的初始占空比。最后经过自适应占空比干扰观察法得到的输出曲线为图6所示，其中，(a)为阴影条件下光伏阵列的输出功率曲线，(b)为阴影条件下光伏阵列的输出电压曲线，(c)为阴影条件下光伏阵列的输出电流曲线。

[0069] 由图6可以得到光伏电池在阴影条件下的输出电压稳定在52.2V，输出电流稳定3.27A，最终的输出功率为170·69W，最终光伏阵列工作在要求的最大功率点处，并且输出稳定，震荡较小。可以得出基于粒子群算法和自适应占空比干扰观察法的双模复合控制算法能够有效地解决多峰值问题，避免搜索到错误的极大值点，同时采用自适应占空比干扰观察法再次进行搜索克服可能出现的最优解粒子搜索精度的不足，最终使光伏电池输出稳定工作在最大功率点，从而实现最大功率点跟踪。

[0070] 本发明解决了传统的最大功率点跟踪法在部分阴影条件下，单调性将导致其跟踪失效的问题，提出了基于粒子群算法和自适应占空比干扰观察法的复合MPPT控制法，通过仿真实验可以得出，粒子群算法具有良好的全局寻优效果，后续的自适应干扰观察法提高了整个MPPT控制的搜索进度，从而验证了该方法在光伏阵列局部阴影的情况下能够实现最大功率点跟踪的能力。