一种基于电导增量法的改进型MPPT控制策略方法

摘要

本发明提出了一种基于电导增量法的改进型MPPT控制策略方法，对光伏电池建模并且考虑实际温度及光强对光伏电池输出特性的影响，根据实际温度以及光强更新光伏电池输出U‑I方程，如果输出电压在非MPP区间，采用恒定电压启动方法跳过；改变传统电导增量法的定步长，充分考虑dP/dU的差异，对其步长进行改进加快收敛速度，并且当I

权利要求

1.一种基于电导增量法的改进型MPPT控制策略方法，其特征在于，包括以下步骤：S1、光伏电池建模得到输出电压电流U-I方程： ，

其中四参数Isc、Uoc、Um、Im分别为标准温度、标准光强下的短路电流、开路电压、MPP处的电压、MPP处的电流；引入实际光强和温度影响因素更新所述的电压电流U-I方程中的四参数Isc、Uoc、Um、Im，更新计算式为： ，其中a=0.0025℃，b=0.0005W/m2，c=0.00288℃，S为实际光强、Sref为标准光照强度、△S为实际光强与标准光强的差值、△t为实际温度与标准温度的差值；

S2、采集光伏电池当前输出电压、输出电流，并分别与前一次采集的输出电压、输出电流比较得到电压及电流变化量；

S3、当前输出电压小于0.75倍开路电压或者大于0.9倍开路电压时，判断为非MPPT区域，采用恒定电压法调整输出电压直至输出电压落入MPPT区域，再采用改进电导增量法追踪最大功率点，所述改进电导增量法具体步骤为：S31判断dU是否等于零，如果dU=0且dI=0，则有dP/dU=0，则当前输出电压在最大功率点处，结束；如果dU=0但dI≠0，则调整输出电流值直至等于Im：调整计算式为， 为步长缩放因子，并进入S32；

S32如果dU≠0，dP/dU>0，则： ，调整输出电压值直至输出电流值I<ε并进入S33，调整计算式为： ，β为步长缩放因子；如果dP/dU<0，调整输出电压值直至输出电流值dP/dU<ε并进入S33，调整计算式为： ，γ为步长缩放因子；

S33采用粒子群算法追踪调节输出电压在最大功率点位置上。

2.根据权利要求1所述的一种基于电导增量法的改进型MPPT控制策略方法，其特征在于，步骤S2具体为电压及电流变化量由前一次采集的输出电压、输出电流分别与当前输出电压、输出电流做差得到。

3.据权利要求1所述的一种基于电导增量法的改进型MPPT控制策略方法，其特征在于，步骤S3中所述的恒定电压法具体为，当测量电压U<0.75Uoc时，步长 ，当U>

0.9Uoc时，步长 ，调整输出电压落入MPPT区域，所述MPPT区域具体为0.75倍开路电压与0.9倍开路电压区间内。

4.根据权利要求1所述的一种基于电导增量法的改进型MPPT控制策略方法，其特征在于，步骤S3中的粒子群算法，当电压U在0.75Uoc到0.9Uoc之间时，在MPP附近，使用电导增量法根据|dp/du|进一步缩小范围，当|dp/du|<ε时，使用粒子群算法提高追踪精度和稳态性能；粒子群算法的更新迭代规则如下：其中w是粒子惯性权重系数，c1和c2是学习因子，r1和r2是（0，1）间的随机数，f为目标函数，k为迭代次数，Np为粒子总数，xi为粒子位置，vi为速度，f（xi）为目标函数，Pbesti是第i个粒子的自身最优位置，Gbesti是整个群体的全局最优位置即最大值，经过k次交流迭代后，粒子群算法找到最大值。

说明书

一种基于电导增量法的改进型MPPT控制策略方法

技术领域

[0001] 本发明涉及光伏发电控制技术领域，更具体地，涉及一种基于电导增量法的改进型MPPT控制策略方法。

背景技术

[0002] 光伏电池是光伏发电系统中的重要组成部分，然而目前光伏电池造价昂贵且输出特性随环境变化较大，为了尽可能的节约成本，提高利用率至关重要。目前常用的提高利用率的方法有利用最大功率点跟踪控制算法、提高光伏系统的材料效率、优化集成和结构配置，而利用MPPT控制算法是最经济的方式，为了最大化的能源利用,最大功率点跟踪就成为光伏发电系统必不可少的一个环节。

[0003] 2016年第三期的《电子技术与软件工程》中的《一种改进的基于恒定电压法的光伏电池最大功率点跟踪方法》文中采用恒定电压法进行最大功率点跟踪，该方法优点在于追踪速度快，控制成本低、算法结构简单易于实现、追踪到MPP后不会出现振荡，稳态曲线比较平稳。但缺点在于追踪到的MPP值偏小，误差较大、控制精度较差。2018年第55期《电测与仪表》中《基于GA的光伏MPPT变加速扰动法的研究》采用了扰动观察法，此方法为自寻优过程，算法简单易于实现。然而在实际应用中若步长选取不当会在MPP处振荡，同时若外界光强变化较大时甚至会导致误判。2015年第45期《电气传动》中《基于MPPT的新型变步长增量电导法的研究》采用了电导增量法，在MPP附近收敛效果好，但步长为固定的增量，在寻优的过程中可能会导致振荡，且追踪时间较长，影响光伏电池的工作效率。2014年第34期《电机工程学报》中《基于功率闭环控制与PSO算法的全局MPPT方法》提出的PSO方法在最大功率点附近能稳定的收敛且振荡很小，但因其需要多次迭代，所以其收敛时间较长导致性能不佳。

[0004] 上述方法在MPPT方面都有一定的缺点，尤其是现代MPPT追踪过程中稳态精度和动态跟踪速度之间存在矛盾，若提高跟踪速度会导致精度不佳，提高精度又会导致跟踪速度较慢，因此提高MPPT方法性能亟需解决。

发明内容

[0005] 本发明要解决的技术问题是针对现有技术不足和缺陷，提供一种基于电导增量法的改进型MPPT控制策略方法。为实现上述目的，本发明采用以下技术方案：一种基于电导增量法的改进型MPPT控制策略方法，包括以下步骤：

[0006] S1、光伏电池建模得到输出电压电流U-I方程： 其中四参数Isc、Uoc、Um、Im分别为标准温度、标准光强下的短路电流、开路电压、MPP处的电压、MPP处的电流；引入实际工作光强和温度影响因素更新所述的电压电流U-I方程中的四参数Isc、Uoc、Um、Im，更新计算式为： 其中a＝0.0025℃，b＝0.0005W/m2，c
＝0.00288℃，S为实际光强、Sref为标准光照强度、△S为实际光强与标准光强的差值、△t为实际温度与标准温度的差值；

[0007] S2、采集光伏电池当前输出电压、输出电流，并分别与前一次采集的输出电压、输出电流比较得到电压及电流变化量；

[0008] S3、当前输出电压小于0.75倍开路电压或者大于0.9倍开路电压时，判断为非MPPT区域，采用恒定电压法调整输出电压直至输出电压落入MPPT区域，再采用改进电导增量法追踪最大功率点，所述改进电导增量法具体步骤为：

[0009] S31判断dU是否等于零，如果dU＝0且dI＝0，则有dP/dU＝0，则当前输出电压在最大功率点处，结束；如果dU＝0但dI≠0，则调整输出电流值直至等于Im：调整计算式为I(k+1)＝I(k)+αdI，α为步长缩放因子，并进入S32；

[0010] S32如果dU≠0，dP/dU>0，则： 调整输出电压值直至输出电流值I<ε并进入S33，调整计算式为： β为步长缩放因子；如果dP/dU<
0，调整输出电压值直至输出电流值dP/dU<ε并进入S33，调整计算式为：
γ为步长缩放因子；

[0011] S33采用粒子群算法追踪调节输出电压在最大功率点位置上。

[0012] 进一步地，步骤S2具体为电压及电流变化量由前一次采集的输出电压、输出电流分别与当前输出电压、输出电流做差得到。

[0013] 进一步地，步骤S3中所述的恒定电压法具体为，当测量电压U<0.75Uoc时，步长当U>0.9Uoc时，步长 调整输出电压落入MPPT区域，所述MPPT区域具体为0.75倍开路电压与0.9倍开路电压区间内。

[0014] 进一步地，步骤S3中的粒子群算法，当电压U在0.75Uoc到0.9Uoc之间时，在MPP附近，使用电导增量法根据|dp/du|进一步缩小范围，当|dp/du|<ε时，使用粒子群算法提高追踪精度和稳态性能。粒子群算法的更新迭代规则如下：

[0015]

[0016] 其中w是粒子惯性权重系数，c1和c2是学习因子，r1和r2是(0，1)间的随机数，f为目标函数，k为迭代次数，Np为粒子总数，xi为粒子位置，vi为速度，f(xi)为目标函数，Pbesti是第i个粒子的自身最优位置，Gbesti是整个群体的全局最优位置即最大值，经过k次交流迭代后，粒子群算法找到最大值。

[0017] 本发明的有益效果为对光伏电池建模并且考虑实际温度及光强对光伏电池输出特性的影响，根据实际温度以及光强更新光伏电池输出U-I方程，如果输出电压在非MPP区间，采用恒定电压启动方法跳过；改变传统电导增量法的定步长，充分考虑dP/dU的差异，对其步长进行改进加快收敛速度，并且当I<ε或者dP/dU<ε，引入粒子群算法减小稳态时的振动，提高了追踪速度和精确度。

附图说明

[0018] 图1为光伏电池等效电路图；

[0019] 图2为相同温度，不同光强下的I-U特性曲线；

[0020] 图3为相同温度，不同光强下的P-U特性曲线

[0021] 图4为改进型MPPT算法原理图；

[0022] 图5为基于电导增量法的改进型MPPT流程图；

[0023] 图6为MPPT仿真模型图；

[0024] 图7为温度恒定，光强变化恒定电压法P-U波形；

[0025] 图8为温度恒定，光强变化电导增量法法P-U波形；

[0026] 图9为温度恒定，光强变化改进型算法法P-U波形；

[0027] 图10为光强恒定，温度变化时恒定电压法P-U波形；

[0028] 图11为光强恒定，温度变化时电导增量法法P-U波形；

[0029] 图12为光强恒定，温度变化时改进型算法P-U波形。

具体实施方式

[0030] 下面结合具体实施方式对本发明作进一步的说明。

[0031] 光伏电池的等效电路如图1所示，其中U为光伏电池输出电压；I为光伏电池输出电流；Iph为光生电流；Id为二极管反向饱和电流；q为电子电荷；k为玻尔兹曼常数；T为光伏电池工作绝对温度值；A为二极管理想因子；Rs为串联电阻；Rsh为并联电阻；由图1可得光伏电池的输出特性为：

[0032]

[0033] 考虑到光照强度和温度对光伏电池输出特性的影响，引入一种工程数学模型，该模型仅需要短路电流Isc，开路电压Uoc以及MPP处的电压Um、电流Im，这时的U-I方程为：

[0034]

[0035] 式(2)中的参数Isc、Uoc、Um、Im分别为厂家所提供，需要注意的是Um，Im都是在标准温度(25℃)，标准光照强度(1000W/m2)下所获得的数据。

[0036] 考虑实际参数会受到光强和温度的影响，引入了新的计算式(3)得到不同条件影响下的对应参数，这样相应的参数会随着环境改变自动调整，增加了仿真的真实性和可靠性。具体计算式子为：

[0037]

[0038] 式(3)中的a＝0.0025℃，b＝0.0005W/m2，c＝0.00288℃。

[0039] 保持温度为参考温度不变，当光照强度分别为1000W/m2，800W/m2,600W/m2，400W/m2时的电压电流I-U输出特性以及电压功率输出特性P-U曲线如图2、图3所示。从图2、3中可以看出，光伏电池的输出功率与电压以及电压与电流均不是线性关系，每条特性曲线的最大功率点只有一个，并且在不同光强下最大功率点幅值相差较大，但是电压相近，基于此，本实施例提出利用恒定电压启动进行改进。

[0040] 改进原理如图4所示：由上述图3中的曲线可知，光强改变，对应的最大功率点电压变化很小，基本上在0.8倍的Uoc处；图4中A-B段和E-F段这两段离Um处较远，且功率随电压的变化较大，故最大功率点不在这两段里，使用恒定电压法直接跳过此段，提高跟踪速度。最大功率点可能会落在B-C段和D-E段，为了更进一步提高追踪速度和精确度，这里采用电导增量法进行此部分的MPP追踪。在C-D段，此时电压范围更小，传统的电导增量法易在此段产生振荡导致降低最大功率点的精确度，故在此段使用粒子群算法，加速收敛，减小系统振荡，使追踪更加准确。

[0041] 本实例中MPPT算法控制策略优化具体体现在：

[0042] 文章在B-C和D-E段使用电导增量法追踪MPP，传统的电导增量法是定步长，没有考虑到B-C和D-E段的斜率的差别，本文充分考虑到dP/dU的差异，对其步长进行了改进。根据dU的不同将电导增量法使用分为以下几种情况：

[0043] (1)dU＝0且dI＝0

[0044] 此时即有dP/dU＝0，故在最大功率点处。

[0045] (2)dU＝0但dI≠0

[0046] 若dU＝0，此时有Uk＝Um，只需改变电流值使Ik＝Im，引入步长缩放因子α，此时扰动步长为αdI，即：

[0047] I(k+1)＝I(k)+αdI   (4)

[0048] (3)dU≠0

[0049] 对于B-C段，此时dP/dU>0且dI变化较小，可以近似为零，则：

[0050]

[0051] 此时该段dP/dU值较小，为加快其收敛速度引入步长缩放因子β，则有扰动步长β|dP/dU|，即：

[0052]

[0053] 只需要判断电流I和设定ε值就可以确定是否进入了C-D段。

[0054] 对于D-E段，此时dP/dU<0，引入步长缩放因子γ，且γ值小于β，则有扰动步长为γ|dP/dU|，即：

[0055]

[0056] 在和设定的ε值相比较，直至小于ε时进入C-D段。

[0057] C-D段采用粒子群算法，该算法是由Kennedy和Eberhart博士观察鸟类迁徙觅食提出的一种算法，该算法数学描述为，假设有在n维空间随机分布的Np粒子，粒子位置为xi，速度为vi，目标函数为f(xi)，Pbesti是第i个粒子的自身最优位置，Gbesti是整个群体的全局最优位置即最大值，经过k次交流迭代后，粒子群算法找到最大值。PSO算法的更新迭代规则如下：

[0058]

[0059] 式(8)即为PSO算法的实现规则，w是粒子惯性权重系数，c1和c2是学习因子，r1和r2是(0，1)间的随机数，f为目标函数，k为迭代次数，Np为粒子总数。其算法简单，输入参数较少，易于实现，收敛速度快且稳定性良好。

[0060] 本实施例中所述的改进型MPPT控制策略的流程图如图5所示：先分析采样得到的电压，如果该电压在0.7～0.9Uoc之间，则使用上述改进电导增量法进行最大功率点追踪，否则调整电压到该范围之间再使用改进电导增量法。在改进电导增量法使用过程中，如果|dP/dU|<ε或者I<ε，则此时在最大功率点附近，下一步使用粒子群算法提高稳定度，否则仍使用改进电导增量法。在粒子群算法中根据设定的初始条件，计算采样功率并将其作为种群个体的适应度，通过比较适应度值的大小，并根据式(8)不断改变调整从而找出最大功率点，当迭代次数达到设定值时则结束整个控制过程。

[0061] 接下来对本实施例提出的基于电导增量法的改进策略进行建模仿真，在matlab上所建立的仿真模型如图6所示，设定在额定条件(温度25℃，光强1000W/m2)下的Uoc为21.7V，Isc为1.01A，Um为17.6V，Im为0.91A。

[0062] 图7-9为温度为25℃，光强由1000W/m2降至800W/m2再降至600W/m2时，光伏电池的输出随时间变化的仿真结果。图7是恒定电压法，易看出恒定电压法在MPP追踪过程中，虽然振荡较少，但光强变化时MPP的追踪速度较慢且追踪到的MPP值偏小。图8是电导增量法，相比恒定电压法，仿真开始时追踪速度较慢，光强变化时追踪速度较快且振荡减小。图9是文中提出的方法，与前两个相比，光强变化时，无论是MPP的追踪速度、精度还是振荡都有所改善。

[0063] 图10-12为在光强为1000W/m2，温度由10℃升至25℃再升至40℃时，光伏电池的输出随时间变化的仿真结果。图10为恒定电压法，图11为电导增量法，图12是本文所提方法，从图12中可以看出文中所提方法相比图10减小了振荡以及环境变化时的追踪速度，比图11在稳态和动态追踪速度以及振荡方面都有所改善。

[0064] 以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。