基于功率闭环控制与PSO算法的全局MPPT方法
基于闭环控制的光伏系统MPPT要点综述
图 3为 PV电池 在一 定 光 照条 件 下 的负 载 曲线 和 输 出特 性 曲线
输出特性进行 分析 ,接着基于扰动观察法 和电导增量法算法 ,对 的 I—u 图 ,由 图可 见 ,负 载 线 与光 伏 电 池输 出特 性 曲线 交 于 a点 ,工
MPPT跟 踪要 点 进 行分 析 ,然 后 指 出存 在 问题 并进 行 优 化探 讨 ,最 后 作 点 随光 伏 模块 的 I—u特 性 和 负 载线 的变 化 而变 化 ,工作 点 不 同 ,
罢
及负 载 变 化 而变 化 ,为非 线 性 关 系 ,这些 变 化 规 律 能通 过 PV(Ph010一
voltaic,光伏 )的系 统状 态 (PV电 池端 口 电压 Upv和 电流 Ipv)形 成 控
制信号。传统的 MPPT方法可分为开环和闭环 方 法 包 括 电 导 增 量 法 (Incremental Conduc—
形成 结 论 。
光 伏 电池 输 出功 率 也不 同 。在 不 同 的负 载 和环 境 条件 下 ,按 Pm=u ·
1光伏 阵 列 的输 出特 性分 析
I 输出值最大来调整负载阻抗 ,使得 u ·I u ·I ,使光伏电能得 到
1.1光 伏 阵列 的电 路模 型 [31
最大利用,从而实现 MPFF的控制 。由图 3可知 ,当只考虑 光伏 电
引 言
数(输 出电流 、开路 电压等 )是 一个 随光照强度 、温度 以及负 载等因
光伏 系统 中 ,如何提高光伏 电池 的转换效率 ,以使照到地面上 素变化 的变量 。图 2为太 阳能电池在几种测试条件下 ,即光照强度
的太 阳光 子 的 能 量 尽 可 能被 吸 收转 换 成 电能 ,从 而 对 发 展 清 洁 能 分 别为 1000W/m2,600W/m2,200W/m2,温 度 T=25℃时 的典 型 输 出 特
mppt控制技术
MPPT控制技术引言在太阳能发电系统中,最大功率点跟踪(MPPT)控制技术是一种关键的技术。
MPPT控制技术可以提高太阳能电池板的发电效率,使太阳能发电系统能够更好地适应不同的环境条件,并最大限度地利用太阳能资源。
本文将介绍MPPT控制技术的基本原理以及常用的几种实现方法。
MPPT控制技术的原理MPPT控制技术的基本原理是通过调节太阳能电池板的工作电压和电流,使其输出功率达到最大值。
太阳能电池板的输出功率与其工作电压和电流之间存在着一定的关系。
对于太阳能电池板来说,其最大功率点就是工作电压和电流组合中产生最大功率的点。
MPPT控制技术通过监测太阳能电池板的输出电压和电流,以及太阳能辐射的强度等环境参数,不断调节太阳能电池板的工作电压和电流,使其运行在最佳的工作点上,从而达到最大功率输出的目的。
MPPT控制技术的实现方法基于功率导数的MPPT控制方法基于功率导数的MPPT控制方法是一种比较简单的实现方式。
它利用功率与电压的关系,通过对太阳能电池板的工作电压进行微小的扰动,然后通过测量扰动后的功率变化来判断太阳能电池板的工作点是否在最大功率点附近。
如果功率变化为正值,则说明太阳能电池板的工作点在最大功率点的左边;如果功率变化为负值,则说明太阳能电池板的工作点在最大功率点的右边。
通过不断微调太阳能电池板的工作点,最终可以找到最大功率点。
基于 perturb and observe 算法的MPPT控制方法基于 perturb and observe 算法的MPPT控制方法是一种比较常用的实现方式。
它通过周期性地进行电压扰动,然后观察功率的变化情况来判断当前工作点的位置。
如果功率变化为正值,则说明太阳能电池板的工作点在最大功率点的左边;如果功率变化为负值,则说明太阳能电池板的工作点在最大功率点的右边。
根据功率变化的情况,调整扰动的幅度和方向,直到找到最大功率点。
基于模型预测控制的MPPT控制方法基于模型预测控制的MPPT控制方法是一种相对较复杂的实现方式。
基于改进PSO算法的光伏阵列MPPT研究
基于改进PSO算法的光伏阵列MPPT研究石季英;张文;张永革;薛飞【摘要】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.【期刊名称】《电气传动》【年(卷),期】2015(045)007【总页数】4页(P52-55)【关键词】光伏阵列;粒子群算法;最大功率点跟踪【作者】石季英;张文;张永革;薛飞【作者单位】天津大学电气与自动化工程学院,天津300072;天津大学电气与自动化工程学院,天津300072;天津大学电气与自动化工程学院,天津300072;天津大学电气与自动化工程学院,天津300072【正文语种】中文【中图分类】TM615最大功率点跟踪(MPPT)技术是提高光伏发电效率的一个重要手段。
然而,光伏阵列在局部阴影的条件下,其P—U曲线是一个多峰曲线,因此常规的MPPT算法就可能会失效[1-3]。
粒子群优化算法(PSO)是近年来发展起来的一种新型智能算法,国内外许多学者对于粒子群算法在MPPT中的应用做了大量的研究[4-6]。
本文提出一种改进的PSO算法对光伏阵列进行MPPT控制。
本文中粒子位置更新时,首先依据粒子的个体最优解由大到小排序,然后依此顺序更新,更新过程中,不再使用此代之前所产生的全局最优解,而是使用当前时刻所产生的全局最优解,以便更快地找到最大功率点,提高收敛速度。
量子粒子群算法的MPPT技术
• 160•由于可再生能源深受环境、气候等外部因素影响,作为光伏转换的重要组成部分,当光伏电池发生局部遮挡时,就会伴随出现其特性曲线的多峰值现象。
对于该类情况,传统的电导增量法(incremental conductance,IC )、扰动与观察算法(perturb and observe,P&O )容易误追踪到局部最大功率点(local peak,LP ),导致效率降低。
所以,为了能够准确追踪到全局最大功率点(global peak,GP ),从而保证转换效率,本文提出一种基于量子粒子群算法的最大功率点跟踪技术(maximum power point tracking technique,MPPT )。
通过搭建Matlab 仿真,其结果表明该算法不仅能跟踪到GP ,而且能有效地减小稳态振荡。
在太阳能阵列中,如果出现至少一个光伏电池被遮挡的情况,即属于遮阴现象,若光伏阵列对此没有一些有效的应对保护措施,就会导致光伏系统整体功率的下降,并且受遮挡电池所在的光伏组件会成为负载而消耗功率。
当因此消耗的功率过多时,会造成该组件局部温度过高,甚至导致组件毁坏。
为了尽可能地避免上述问题,可通过给太阳能阵列外接旁路二极管的方法进行解决。
旁路二极管的工作逻辑设计如下:当太阳能阵列的电流未超过被遮挡电池的短路电流I sc 时,受遮挡电池所在支路的旁路二极管不导通;否则,旁路二极管导通,使得电流不从受遮挡的组件上流过,从而降低由此引起的功率消耗。
上述外接旁路二极管,在光照强度均匀照射下不起作用,但是,在受到不均匀光照强度照射时,由于旁路二极管的导通,便会造成太阳能阵列的特性曲线出现多峰值现象。
由此可知,当特性曲线出现多峰值时,传统MPPT 方法不再奏效,且容易陷入局部最大功率点LP 。
针对该问题,本文提出了一种基于量子粒子群算法的MPPT 技术,利用粒子群的全局搜索能力,达到精准追踪全局最大功率点GP 的目的。
一种适用于单峰光伏曲线的MPPT方法
一种适用于单峰光伏曲线的MPPT方法王一蒙;李玉玲;吴健儿;王管建【摘要】针对传统单峰光伏曲线MPPT方法跟踪速度慢,寻优精度不高的问题,提出了一种基于抛物线预测的功率闭环最大功率跟踪(MPPT)方法.该方法通过用光伏特性曲线上的3个点来拟合一个二次函数,用函数驻点的实际功率值来迭代地预测和修正最大功率点(MPP)的位置,最终使得光伏系统工作在最大功率点.此外,针对光伏系统采用合理的初始点选取策略,提升了MPPT的速度.给出了光伏系统的MPPT 控制框图,搭建了基于Buck-Boost电路的直流光伏系统硬件平台.使用抛物线预测法进行了光伏电池组件的最大功率跟踪,与变步长扰动观察法MPPT结果进行了比较,验证了该方法的可行性和实用性.研究结果表明:这种基于抛物线预测的单峰值MPPT方法具有跟踪速度快,稳态无振荡的优良性能.%Aiming at the problem that traditional single-peak PV curve MPPT method has low tracking speed and low precision, a para-curve predictive power close-loop maximum power point tracking ( MPPT) method was proposed. By quadratic fitting, the actual power value at the stationary point of the fitting function was considered to predict and revise the position of maximum power point, making PV system work on the maximum power point. Initial points were chosen reasonably to speed up MPPT. Schematics of photovoltaic control system with MPPT were presented, and the hardware platform of DC photovoltaic system based on Buck-Boost circuit was built. The algorithm proposed was im-plemented in experimental prototype and compared with variable-step perturbation and observation method, which proved the feasibility and effectiveness of the scheme. The results indicate that thesingle-peak MPPT scheme proposed has good performance with high tracking speed and favorable stability.【期刊名称】《机电工程》【年(卷),期】2017(034)009【总页数】5页(P1060-1064)【关键词】光伏系统;最大功率跟踪;抛物线预测;功率闭环【作者】王一蒙;李玉玲;吴健儿;王管建【作者单位】浙江大学电气工程学院,浙江杭州310058;浙江大学电气工程学院,浙江杭州310058;杭州市电力局,浙江杭州310009;浙江大学电气工程学院,浙江杭州310058【正文语种】中文【中图分类】TM914在正常状况下,光伏电池的功率电压(P-U)输出特性曲线为单峰函数。
光伏发电系统的MPPT控制算法研究
光伏发电系统的MPPT控制算法研究随着可再生能源的重要性日益凸显,太阳能光伏发电系统作为一种清洁、可持续的能源供应方式,受到了广泛关注。
然而,光伏发电系统中存在一个重要的问题,即太阳能电池组的最大功率点(Maximum Power Point,简称MPPT)跟踪控制。
本文将探讨不同的MPPT控制算法,并分析其优缺点。
一、传统的光伏发电系统MPPT控制算法传统的MPPT控制算法主要包括开环控制和闭环控制两种形式。
开环控制算法主要依赖于模糊控制、PID控制和全局搜索等方式,通过调整光伏电池组的电压和电流来实现最大功率点跟踪。
然而,开环控制算法具有很大的局限性,容易受环境变化和外界干扰的影响,难以保持稳定的跟踪效果。
闭环控制算法通过监测光伏电池组的电压和电流,并将其与期望值进行比较,然后调整光伏电池组的工作状态,以实现最大功率点跟踪。
闭环控制算法具有更好的稳定性和鲁棒性,能够适应各种环境条件和外界干扰,但在一些特定情况下可能无法有效跟踪最大功率点。
二、改进的MPPT控制算法为了解决传统MPPT控制算法存在的问题,研究者们提出了许多改进的算法,如模型预测控制算法、人工智能算法和混合算法等。
模型预测控制算法通过建立光伏发电系统的动态数学模型,预测未来一段时间内的光照条件,并根据预测结果调整光伏电池组的工作状态,以实现最大功率点跟踪。
该算法具有较好的响应速度和适应性,但对模型的准确性要求较高,且计算量大。
人工智能算法,如神经网络和遗传算法等,通过训练和优化模型来实现光伏发电系统的MPPT控制。
这些算法具有较强的自学习和优化能力,能够适应光照条件和光伏电池组参数的变化,但其计算复杂度较高,运行速度慢。
混合算法结合了不同的MPPT控制算法,旨在克服各自算法的局限性,提高最大功率点跟踪效果。
例如,将模型预测控制算法和人工智能算法相结合,利用神经网络预测光照条件,然后通过遗传算法优化控制策略,可以提高系统的鲁棒性和精确性。
基于HPSO算法光伏并网逆变器MPPT技术研究
基于HPSO算法光伏并网逆变器MPPT技术研究随着可再生能源的迅速发展和更新技术的出现,光伏发电逐渐成为一个重要的发展方向。
墨尔本大学的研究人员在这个领域使用了HPSO算法,探索了逆变器的最大功率点跟踪(MPPT)技术,以实现在各种条件下实现最优性能。
1、光伏并网逆变器的原理光伏发电系统中,逆变器是一个非常重要的组成部分,因为它们将直流电转换为交流电,并将其发送到电网中实现共享。
逆变器必须掌握光伏系统输出功率的虚实分量,并通过控制电流和电压来保证其最佳操作。
逆变器的MPPT功能就是帮助系统找到该点,使其在不同的光照条件下都能达到最大功率输出。
2、MPPT技术的分类在实现MPPT功能方面,有各种各样的算法,其中最常见的是Perturbation and Observation(P&O)算法。
这个算法简单易懂,但是存在收敛到错误点的问题,也有其他算法,例如Fuzzy Logic Control(FLC)和Hill Climbing Search(HCS)等。
这些算法中的每一个都有其优缺点,通过研究这些算法,我们可以选择最适合特定环境的算法。
3、HPSO算法随着领域的发展,新的算法不断被引入用于光伏系统的操作效率的提高,其中包括HPSO算法。
HPSO算法是一种基于粒子群优化的算法,其基本思想是通过所有粒子的协作优化来达到全局最优解。
HPSO算法随机初始化一组粒子,然后执行对每个粒子的权重的计算。
这个过程需要让每个粒子扫描解域,同时监测所有粒子的最优解,并将其使用在进一步的搜索中,以实现更深入的优化,最终达到全局最优解。
通过使用HPSO算法对光伏逆变器进行目标功率点跟踪(PPT)的研究,与其他算法相比HPSO算法展现出许多优势。
例如,HPSO算法能够有效地避免被他处峰值或秒级短周期波动打断的问题,这是可靠和可重复的PMPT技术非常重要的因素。
4、实验为了研究HPSO算法的应用,研究人员设计了一种具有MPPT功能的光伏并网逆变器。
一种基于粒子群优化和单周控制相结合的最大功率点跟踪方法
一种基于粒子群优化和单周控制相结合的最大功率点跟踪方法摘要:本文提出了一种基于粒子群优化(PSO)和单周控制相结合的光伏系统部分遮荫条件下最大功率点跟踪(MPPT)算法。
在均匀辐照条件下,扰动观测(P&O)和增量电导(IC)等算法在最大功率点跟踪中非常有效。
但在部分阴影条件下,它们无法跟踪全局MPP,并收敛到局部MPP。
本文最大功率跟踪算法克服了这一技术难题,能够有效地确定全局MPP。
在不同的遮阳条件下,对光伏结构进行了大量的仿真研究。
实验结果表明了该方法的有效性。
关键词:最大功率点跟踪(MPPT);光伏发电系统(PV);单周期控制(OCC);粒子群优化(PSO)1.引言电能在人类生活中起着关键的作用,人类对电能的需求与日俱增。
全世界对可替代、可再生、无污染能源的需求在不断的增加。
风能和太阳能等可再生能源能够解决这种需求。
太阳能电池板产生的电能取决于电池板的温度、太阳辐照度、工作条件、遮挡阴影等。
在光伏电池板的电学特性中,存在一个功率最大的点我们称为最大功率的工作点(MPP)。
通过操作面板上控制光伏这个最大功率点,可以最大限度地利用光伏发电。
针对部分遮阳的影响,提出了最大功率跟踪的改进方法粒子群优化算法、蚁群优化算法和萤火虫算法被广泛应用于MPP跟踪器控制算法的开发中。
本文提出了一种基于粒子群算法(PSO)的新方法。
这里以光伏面板电流(DC-DC变换器输入电流)作为控制参数。
利用粒子群算法,导出了最大功率对应的电流最优值,单周期控制使变换器能够跟踪粒子群算法给出的电流参考量的变化,并能很快地稳定在基准点上。
通过该方法在局部阴影条件下跟踪全局最大功率点。
2.光伏特性与MPP跟踪太阳能电池板的工作原理是光伏效应。
光伏电池板的输出电压和电流随电池温度和太阳辐射而变化。
在给定的辐照度下,随着光伏电池板电压的增加,面板的输出功率增加达到最大值。
由于连接到面板的负载在性质上是可变的,因此面板的操作点可能并不总是MPP。
基于LOGPSO算法的光伏系统MPPT研究
基于LOGPSO算法的光伏系统MPPT研究一、前言在当今不断发展的社会当中,能源问题已经成为了人们关注的热点问题之一。
而在能源领域当中,太阳能作为一种干净、环保且取之不尽用之不竭的能源,得到了越来越广泛的应用。
然而,由于太阳能的不稳定性,如何提高太阳能利用效率成为了不少研究者的重要方向。
其中,最大功率点追踪(MPPT)技术是提高太阳能利用效率的重要手段。
本文将介绍一种基于LOGPSO算法的光伏系统MPPT研究,分为算法原理、系统架构、实验结果和结论等四个部分。
二、算法原理1、传统PSO算法PSO算法是一种基于群体智能的优化算法,它的基本思想来源于鸟群觅食行为。
在PSO算法中,通过优化问题的代价函数,在搜索空间中寻找最理想的解。
PSO算法的基本流程如下:(1)初始化种群规模及其位置和速度(2)计算每个粒子的代价函数,并更新全局最优解和个体最优解(3)更新速度和位置(4)如果满足停止条件则终止,否则返回第(2)步但是,传统PSO算法存在一个致命缺陷:它的搜索能力受到维数的限制,即在高维度的问题中容易陷入局部最优解。
为了克服这个缺陷,LOGPSO算法应运而生。
2、LOGPSO算法LOGPSO(Lbest Order-based Genetic Particle Swarm Optimization)算法是一种基于排序和遗传基因的PSO变种算法,它通过强化个体最优解和全局最优解的差异来增强信息之间的互动,进而提高算法的搜索能力。
LOGPSO算法的基本流程如下:(1)初始化种群规模及其位置和速度(2)利用排序策略计算每个粒子的适应度,并更新全局最优解和个体最优解(3)更新速度和位置,利用遗传算法对个体进行进一步优化(4)如果满足停止条件则终止,否则返回第(2)步3、光伏系统MPPT光伏系统是一种利用太阳能来发电的系统。
在光伏发电过程中,太阳能会转化为直流电,但是由于太阳能的电量和强度不稳定,因此需要进行最大功率点追踪(MPPT)。
基于FPA的光伏发电全局MPPT算法的研究
基于FPA的光伏发电全局MPPT算法的研究薛鹏飞;周海芳;王明军;林培杰【摘要】传统最大功率点跟踪(MPPT)算法在非均匀光照下可能失效,而基于粒子群优化算法(PSO)的全局MPPT算法存在参数设置复杂、输出震荡大的缺点.花粉传播算法(FPA)是一种新颖的智能全局群优化算法,具有收敛速度快,参数设置简单,结果稳定性好等优点.本文提出了一种基于FPA的MPPT算法,在理论分析和大量仿真的基础上对算法参数进行了合理设置.将其与基于PSO的MPPT算法进行对比仿真和实验,结果表明不论光伏阵列光照是否均匀,本文算法都可以有效锁定最大功率点,而且在参数设置,系统输出振荡,收敛时间等方面更具优势.【期刊名称】《电气技术》【年(卷),期】2017(000)005【总页数】6页(P1-5,11)【关键词】花粉传播算法;全局最大功率点跟踪算法;非均匀光照【作者】薛鹏飞;周海芳;王明军;林培杰【作者单位】福州大学物理与信息工程学院微纳器件与太阳能电池研究所,福州350116;福州大学物理与信息工程学院微纳器件与太阳能电池研究所,福州350116;武汉产品质量监督检验所,武汉430048;福州大学物理与信息工程学院微纳器件与太阳能电池研究所,福州 350116【正文语种】中文为了使光伏系统的发电效率和经济效益最大化,需要利用最大功率点跟踪(MPPT)技术使光伏阵列处于最大功率输出。
传统MPPT算法只适合光伏面板处于均匀光照时使用,无法适用于非均匀光照情况。
如果阵列长期工作于局部最大功率点,可能就会引起高达70%的功率损失[1],为此,多种适用于非均匀光照的MPPT算法被研究提出,这些算法主要基于智能优化算法来设计。
文献[2]采用人工蜂群算法(ABC)搜索最大功率点,但ABC算法流程复杂,后期功率输出震荡大。
文献[3]利用人工神经网络训练得到光伏组件的光照和温度与最大功率点(MPP)电压的关系,但通用性差。
文献[4-6]都是基于粒子群优化算法(PSO)的MPPT算法,可以用于非均匀光照条件,但存在参数设置复杂,系统输出功率震荡大等问题。
一种基于功率闭环控制的改进全局MPPT方法
一种基于功率闭环控制的改进全局MPPT方法吴志程;江智军;杨晓辉【期刊名称】《电力系统保护与控制》【年(卷),期】2018(046)001【摘要】在部分阴影的条件下,光伏阵列的P-U特性曲线呈现多峰值.针对现有方法在多峰值情况下最大功率点追踪的速度和准确度的不足,提出了一种基于功率闭环控制的改进方法.该方法首先采用功率闭环控制确定最大功率点所在电压范围,其次通过分析粒子群法和0.8倍开路电压法,选取适合算法对该电压范围进行精确的追踪.最后以两种典型的阴影条件为例,对现有的基于功率闭环的方法和所提方法进行对比仿真.结果证明了两种方法均能精确地追踪最大功率点,所提方法在追踪速度上有显著提升.%Under partially shaded condition, the P-U characteristic curve of PV array shows the multi-peak value. In view of existing methods being lacking in speed and precision in the case of multi-peak maximum power point tracking, this paper puts forward an improved method based on power closed-loop control. Firstly, this method adopts power closed-loop control to determine the maximum power point voltage range. Then by analyzing the particle swarm method and 80% of open-circuit voltage algorithm, this method selects suitable algorithm for accurately tracking the voltage range. Finally, by taking two typical shadow conditions for example, this paper takes the existing method based on power closed-loop and the proposed method to make compared simulation. The final results show that the two methods can accurately track the maximumpower point and the proposed method has significant improvement on the tracking speed.【总页数】6页(P57-62)【作者】吴志程;江智军;杨晓辉【作者单位】南昌大学信息工程学院,江西南昌 330031;南昌大学信息工程学院,江西南昌 330031;南昌大学信息工程学院,江西南昌 330031【正文语种】中文【相关文献】1.基于转速压力双闭环控制的挖掘机全局功率匹配节能系统设计 [J], 吴帆;毛闻雯;唐进2.一种基于全局最优MPPT的混合控制策略研究 [J], 陈金辉;韩媛媛;张国瑞;董杰3.一种基于全局最优MPPT算法的研究 [J], 李月芳;周皓4.基于改进神经网络的一种新型光伏发电MPPT预测方法 [J], 刘玉林;齐静静;李家宁5.一种基于改进萤火虫算法的光伏MPPT控制方法 [J], 张鹏;罗正华;唐成达;黄建刚因版权原因,仅展示原文概要,查看原文内容请购买。
基于DSP的改进PSO光伏阵列MPPT控制应用
第41卷第1期2018年2月电子器件ChineseJournalofElectronDevicesVol 41㊀No 1Feb 2018收稿日期:2016-11-28㊀㊀修改日期:2017-01-13PhotovoltaicArrayMPPTSystemBasedonDSPUnderPartialShadowSUNJumei∗(SchoolofIntelligentEquipmentandInformationEngineeringꎬChangzhouVocationalInstituteofEngineeringꎬChangzhouJiangsu213164ꎬChina)Abstract:Inordertosolvetheproblemofmaximumpowerpointtrackingofphotovoltaic(PV)systemunderpartlocalshadingcondition(PSC)ꎬafastmaximumpowerpointtracking(MPPT)methodbasedonImprovedParticleSwarmOptimization(PSO)algorithmisproposed.WiththedifferenceofthetraditionalMPPTsystemonPSOꎬthetimevariablesamplingstrategybasedondynamicbehavioroftheconvertercurrent(VSTS)isappliedꎬandinordertoachievemaximumpowerpointtrackingmorequicklyꎬtheintroductionofthreeimportantfactorsaredrawnꎬnamely:thenumberofparticlesꎬtheconvergencespeedandthesamplingtime.UsingtheDSPplatformfortheimplementationandperformanceevaluationoftheproposedsystemꎬexperimentalresultsshowthatcompareditwithothersimilarsystemsindifferentconditions(includingPSC)ꎬthisalgorithmcanachievehigheraccuracyandtrackingspeed.Keywords:maximumpowerpointtrackingꎻpartialshadingꎻfasttrackingꎻparticleswarmoptimizationEEACC:8420㊀㊀㊀㊀doi:10.3969/j.issn.1005-9490.2018.01.030基于DSP的改进PSO光伏阵列MPPT控制应用孙菊妹∗(常州工程职业技术学院智能装备与信息工程学院ꎬ江苏常州213164)摘㊀要:为了解决光伏(PV)系统在局部阴影条件下(PSC)的最大功率点跟踪问题ꎬ提出了一种基于改进粒子群算法(PSO)的快速最大功率点跟踪(MPPT)方法ꎮ与传统基于PSO的MPPT系统不同的是ꎬ采用了基于转换器电流动态行为的变量抽样时间策略(VSTS)ꎬ并且为了更快速的实现最大功率点跟踪ꎬ引入3个重要因数ꎬ即:粒子数㊁收敛速度以及抽样时间ꎮ采用DSP平台对提出系统进行了具体实现和性能评估ꎬ实验结果显示相比其他类似系统ꎬ在不同条件(包括PSC)下ꎬ提出算法均能够实现速度跟踪且精确度较高ꎮ关键词:最大功率点跟踪ꎻ局部阴影条件ꎻ快速跟踪ꎻ粒子群优化算法中图分类号:TM115.2㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀文章编号:1005-9490(2018)01-0158-06㊀㊀近年来ꎬ全世界对可再生能源的需求不断增加ꎬ这其中ꎬ光伏并网配置中的光伏(PV)太阳能受到了广泛的关注ꎬ原因在于其具有实用性强㊁维护需求低㊁环保等特点ꎮ尽管具有这些优势ꎬ此技术的投资成本较高ꎬ会损失大量PV板生成的可用功率[1]ꎮ因此ꎬ应采用最大功率点跟踪(MPPT)方法ꎬ以确保对非线性PV特性的最大功率点(MPP)进行跟踪ꎮMPPT需要解决两个主要问题[2]:PV曲线环境参数的依赖性(即:依赖温度以及日晒)ꎻ以及局部阴影PV板致使PV曲线上出现的局部峰值ꎮ相关文献中提出了多种MPPT方法ꎮ可将这些方法分为离线法以及线上法ꎮ离线法是根据面板的开路电压或者短路电流预估MPP的位置[3-4]ꎮ然而ꎬPV特性对电池温度以及太阳辐射量的非线性依赖是妨碍这些方法发挥功能的主要障碍ꎮ在某些情况下ꎬ依赖性会导致MPPT中出现明显误差ꎮ线上法注重能量从PV转移时获取的信息ꎬ无需根据标准测试信息进行预估ꎬ并且控制器能够较容易适应上述参数出现的任何变化ꎮ在线上法中ꎬ扰动观测法[5]以及电导增量法[6]是两种众所周知的MPPT方法ꎮ当PSC致使出现多峰值PV时ꎬ这些方法无法区分整体MPP以及局部MPP[7]ꎮ此外ꎬ如果太阳辐射量变化迅速ꎬ典型的扰动观测法方法会失去MPP位置的正确方向ꎮ在控制方面ꎬ又可将MPPT方法分为直接法(如:爬山法)以及间接法ꎮ直接法会控制转换器开关的占空比ꎬ然而间接算法的输出值是PV电压或者电流的参考值ꎮꎮ为应对PSC条件下的MPPT问题ꎬ文献[8]提出了一种与名为DI ̄RECT的线搜索算法有关联的典型扰动观测法ꎬ此法用于I-V曲线ꎬ以便在第1步中识别出PSCꎬ然后第1期孙菊妹:基于DSP的改进PSO光伏阵列MPPT控制应用㊀㊀在第2步中跟踪整体峰值ꎮ该方法的两步算法较为复杂以外ꎬ且识别PSC会有失败的风险ꎮ近来提出了将粒子群优化算法(PSO)用于MPPT的思路[7ꎬ9]ꎮ相较于其他用于应对PSC的算法ꎬ基于PSO的算法具有多个优势ꎬ包括无需识别PSC㊁速度快并且结构简易ꎮ然而ꎬ由于需要对占空比中突然出现的较大变化进行扰乱ꎬ必须考虑到较大抽样时间(ST)ꎮ因此ꎬ为避免出现性能不佳的情况ꎬ仅允许进行小部分迭代ꎬ但整体峰值跟踪会出现误差ꎮ文献[7]提出的变量PSO方法较好地实现了粒子收敛ꎬ但是却需要至少26次迭代ꎬ并且ST为0.2sꎬ所以性能不佳ꎮ因此ꎬ本文提出了变量抽样时间PSO算法ꎬ采用了基于接口转换器电流动态行为的VSTSꎬ以提高精确度并改善系统的跟踪时间ꎮ采用DSP对提出系统进行了具体实现ꎬ利用模拟以及实验对文中算法的性能进行评估ꎮ相较于传统基于PSO的方法以及其他MPPT方法ꎬ提出算法的主要优势在于ꎬ在不同条件(包括PSC在内)下ꎬ最大功率点跟踪速度快㊁精确度高ꎮ1㊀传统PSO方法原理1.1㊀PSC影响分析可通过使用电流源Ig㊁二极管D以及串联电阻Rs对PV电池进行建模ꎮ图1是模型ꎮPV电池的输出电流是光电流Ig与二极管电流ID之差ꎮ此电流可表示为:IPV=Ig-Isexpq(VPV+IPV Rs)nkTæèçöø÷-1éëêêùûúú(1)式中:n表示二极管的理想因数ꎬk表示玻尔兹曼常数ꎬT表示开尔文温度ꎬq表示电子电荷ꎬRs表示等效串联电阻ꎬIs表示饱和电流ꎮ图1㊀PV电池的等效电路1.2㊀传统PSO方法分析PSO是一种被归为进化算法的方法ꎮPSO是由粒子群组成ꎬ每个粒子都会提出解决优化问题的候选方法ꎮPSO方法的基本思路是仿效群中所有粒子的成功ꎮ换句话说ꎬ智能单体(Agent)的位置会影响粒子的位置ꎬ能够通过当前粒子Pbest以及整个群G提出最佳解决方法ꎮ利用下列等式可对粒子位置xi进行调节:xk+1i=xki+vi(2)式中:速度分量vi表示步长ꎬ可利用下列表达式对其进行计算:vk+1i=wvki+c1r1(Pbesti-xki)+c2r2(G-xki)(3)式中:w表示惯性权重ꎬc1以及c2表示加速系数ꎬr1以及r2表示属于[0ꎬ1]区间的随机值ꎬPbesti表示粒子i的最佳位置ꎬG表示整个群中的最佳位置ꎮ为了将PSO用于MPPT中ꎬ大多数文献采用爬山方法ꎬ具体原因在于此方法结构简易ꎬ可直接控制占空比ꎬ因此ꎬ无需另一个PID控制器[10]ꎮ2㊀提出的改进PSO算法2.1㊀系统空间模型为研究步长对稳定时间的影响ꎬ本节将会推导出系统的状态空间(SS)模型ꎮ图2是系统的原理图ꎮ为推导出线性化的SS模型ꎬ将PV视为恒量独立电流源ꎮ通过使用下列示例中环路1和环路2的KVL以及节点1和节点2的KCL能够较容易地推导出SS模型:(1)当开关管S导通时ꎬ电容C2使二极管承受反向电压截止(Ton)ꎻ(2)当开关管S关闭时ꎬ电感L与右侧相连ꎬ接通二极管(T)ꎮ图2㊀系统的原理图通过将电容电压Vc1和Vc2以及电感电流iL视为SS变量ꎬ可将模型表示为:㊀diLdtdvC1dtdvC2dtéëêêêêêêêêùûúúúúúúúú=0-1C101L0-(1-D)L01-DC2-1RC2éëêêêêêêêêùûúúúúúúúúiLvC1vC2éëêêêêùûúúúú+1C100éëêêêêêùûúúúúúIin(4)式中:C1和C2分别表示输入电容器和输出电容器ꎬL表示电感器ꎬR表示负载电阻ꎬD表示转换器的占空比ꎮ假设输入电流为常数ꎬ功率的稳定时间与输入电压的稳定时间一样ꎮ为研究输入电压特性ꎬ对下列用于SS模型矩阵C的数值进行设定:C=[010]ꎮ结合式(4)得出了SS模型参数A㊁B㊁C的数值ꎮ考虑到常数输入ꎬ可假设此等级内D矩阵的零值ꎮ若占空比发生显著变化ꎬ需要较长的时间进行951电㊀子㊀器㊀件第41卷稳定ꎮ因此ꎬ当占空比仅仅出现较小变化时ꎬ可考虑新占空比扰动出现的较短延迟ꎮ鉴于进一步执行PSO算法后粒子位置相距更近ꎬVSTS能够显著加快跟踪程序的速度ꎮ尤其是ꎬ对于本文提出的方法以及相关惯性系数和加速系数ꎬ可忽略扰动步大于30%的可能性ꎮ因此ꎬ利用下列规则定义ST:ΔDɤ0.08ST=0.003sΔD>0.08ST=0.006s{(5)2.2㊀VSTS因数设置提出的改进PSO算法引入3个重要因数ꎬ即:粒子数㊁收敛速度以及抽样时间ꎬ用于增加系统的跟踪时间ꎮ首先ꎬ粒子数是PSO时非常重要的因数ꎮ使用每个占空比之后ꎬ我们必须等待瞬时条件稳定下来ꎻ因此ꎬ粒子数量越多ꎬ跟踪MPP的时间就会越长ꎮ为实现PSOꎬ将D定义为粒子ꎮ因此ꎬ可将式(2)改写为:Dk+1i=Dki+vi(6)MPPT程序目标在于发现MPPꎮ因此ꎬPSO算法的目标函数为:P(dki)>P(dk-1i)(7)图3㊀系统的流程图式中:P表示功率ꎬd表示占空比ꎬi表示当前粒子的数量ꎬK表示迭代次数ꎮ图3是本文提出系统的流程图ꎮ程序从初始化步骤开始ꎬ该步骤设定了粒子以及速度的适当值ꎬ以确保程序能够对PV特性进行充分的研究ꎮ第1步之后ꎬ程序开始无限循环ꎬ以发现MPPꎮ发现MPP之后就会打破此循环ꎬ以防功率出现不必要的浮动ꎮ本文考虑了3个粒子ꎮ图4是带有3个粒子的PSO算法的功能性显示曲线ꎮ考虑到式(3)ꎬ速度表达式包括3个参数ꎮ第1个参数是惯性力ꎬ会受到前面速度因数的影响ꎮ第2个参数以及第3个参数会分别受到粒子距离最佳粒子(Dbesti)的距离以及目前最佳粒子(G)的影响ꎮ距离较远表示电势较大ꎮ然后ꎬ两个电势因数乘以随机值ꎬ以便更好地搜索PV特性ꎮ如图4所示ꎬ惯性力作用于G的方向(Agent1)或者相反方向(Agent3)ꎬ以便更好地进行收敛ꎮ此外ꎬD只会受到两种力的影响ꎮ图4㊀执行期间和结束时的带有3个粒子的PSO算法因此ꎬ此粒子的速度越慢ꎬ就越能够防止丢失最佳粒子位置(G)[11]ꎮ总之ꎬ必须对3个系数进行调节:w㊁c1以及c2ꎮ因为惯性因数选取较大值会使跟踪时间变长ꎬ但是ꎬ数值较小则会出现收敛问题ꎬ此内容将会在本节稍后的部分进行说明ꎮ其他两个系数的数值较大会使跟踪时间变长ꎬ并且引发收敛问题ꎻ但是ꎬ数值较小则会致使算法无法找到MPPꎮ由于算法的随机性较强ꎬ难以找到分类程序调节系数ꎮ因此ꎬ通常是通过实验调节系数ꎮ另一个重要因数是粒子收敛ꎬ原因在于占空比无法接受在[0ꎬ1)区间以外的任何数值ꎮ因此ꎬ必须将粒子聚集在此区间内ꎻ否则ꎬ系统将无法找到MPPꎮ为确保粒子数值未超出此区间ꎬ必须对速度参数(vi)进行控制ꎮ在文献[6]中提出将速度限定为最大值(0.035)ꎮ然而ꎬ此方法无法区分粒子ꎬ因此ꎬ速度会高于最大值ꎬ并且跟踪时间也会变长ꎮ在本文中ꎬ利用反正切函数将速度保持在安全限度内ꎮ尽管在粒子距期望值的距离方面考虑到了实现较快061第1期孙菊妹:基于DSP的改进PSO光伏阵列MPPT控制应用㊀㊀速度ꎬ此函数能够确保由随机系数生成的数值在此区间范围内ꎮ速度表达式如下所示ꎮ为减少计算时间ꎬ可利用查找表评估函数ꎮvk+1i=2πarctan[ωvki+c1r1(Dbesti-Dki)+c2r2(G-Dki)](8)式中:Dbesti表示致使3个粒子中出现最大功率的占空比ꎻG表示致使整个群中出现最大功率的占空比ꎮ需考虑的最后一个因数是抽样时间ꎮ使用每个粒子之后ꎬ控制器应等待功率稳定下来ꎮ因此ꎬ使用每个占空比之后ꎬ在执行MPP程序期间会出现延迟ꎮ然而ꎬ系统的稳定时间会随着步长的变化而变化ꎮ相比之下ꎬ执行程序循环时ꎬ粒子会相互靠拢ꎬ如图4(b)ꎬ这表明:采用变量抽样时间(VSTS)方法能够显著加快跟踪程序的速度ꎮ2.3㊀提出系统的初始化条件以及优势为了确保系统速度快㊁精确度高ꎬ必须考虑到程序的出发点ꎮ通过满足下列两个条件之一开始执行MPPT程序:(1)仅仅打开系统ꎬ并且不存在最后被跟踪MPP(初始化)的有效记录ꎻ(2)因日照量发生显著变化致使被系统跟踪的MPP不再有效(重新初始化)ꎮ初始化:通常利用随机的基函数执行此步骤ꎮ本文将紧密且微小的粒子视为大多数日晒条件的结果ꎬ这样ꎬ初始工作点就位于MPP的右边ꎮ重新初始化:当系统跟踪MPP时ꎬ粒子的数值相邻以及速度几乎为零ꎮ因此ꎬ如果PV特性发生变化ꎬ系统可能无法跟踪新的MPPꎬ原因在于速度为零ꎮ同时ꎬ由程序推导出的信息(即:整体MPP:PG以及对应的占空比G)不再有效ꎬ所以跟踪的是PV曲线上的错误点ꎮ为避免出现类似问题ꎬ应确定PV特性出现变化ꎬ并重新初始化系统ꎮ在MPPT期间或者之后PV曲线会发生变化ꎮ在这两种情况下ꎬ对G附近的粒子进行简单验证能够确定日照量是否发生变化ꎬ因此ꎬ如果满足下列条件ꎬ会重新初始化系统:|d(i)-G<ΔDmin|(9)|P-PG|/PG>δP(10)相较于传统的爬山以及PSO方法ꎬ本文提出的系统有多个优势:(1)如果出现部分阴影PV阵列ꎬ典型的爬山方法会跟踪第1个局部MPPꎬ然而ꎬ本文提出的方法能够确保跟踪到整体MPPꎬ以便提高MPPT的效率ꎮ(2)如果因天气状况不稳定导致辐射出现急剧波动ꎬ典型的爬山方法可能会丢失MPP正确的方向ꎮ这种情况通常被视为扰动观测法的主要缺点ꎻ但是ꎬ本文提出的系统中从来不会出现这种情况ꎬ原因在于存在多个粒子以及粒子位置的随机性较强ꎮ(3)本文提出的速度表达式(式(6))考虑到了粒子位置发生的显著变化ꎮ因此ꎬ相较于典型的PSO方法ꎬ此方法所需的跟踪时间较短ꎻ并且ꎬ因其具有特殊的非线性特性ꎬ会避免出现收敛问题ꎮ(4)VSTS加快了跟踪过程中的速度ꎬ尤其是在过程的后半部分ꎬ粒子相互靠近(图4(b))ꎮ3㊀测试结果为了评估提出的算法在实践中的性能ꎬ并确定利用VSTS的优势ꎬ利用德州仪器的TMS320F335DSP实现了本文提出的MPPT系统ꎮ图4中的升压转换器配备有MOSFET开关和10kHz的开关频率ꎮ对于PV阵列ꎬ考虑使用3个KC85T-1串联电路的并联连接ꎬ每个串联电路包括36个串联电池和4个旁路二极管ꎮ升压转换器被设计用来在连续导通电流模式下工作ꎬ其规格如下:C1=470μF㊁C2=47μF和L1=423μHꎮ为了评估系统在统一条件和PSC下的功能性ꎬ使用了安捷伦E4360模块化光伏电池板模拟器ꎮ由于PV模拟器限制(即:I最大=8.5A)ꎬ施加的太阳辐照量被降低ꎮ因此ꎬ为方便比较ꎬ本节中也提供了新辐照值的模拟结果ꎮ然而ꎬ由于算法的随机性ꎬ在模拟和实验结果之间可以观察到细微的差异ꎮ升压转换器及MPPT系统的实验设置如图5所示ꎮ图5㊀实验设置为了实施所提出的PSO算法ꎬC1=1㊁C1=2且ω=1被分别认为是加速系数和惯性因数ꎮδP=5%㊁ΔDmin=0.05被考虑用于重新初始化程序ꎮ为评估所提出的MPPT方法ꎬ对VSTS和文献[7]提出方法进行了比较ꎮ3.1㊀PSC条件下性能比较图6显示了PSC下提出的VSTS算法和文献[7]提出方法的性能ꎮ提出方法利用VSTS加快了跟踪过程的速度ꎬ尤其是在跟踪时间间隔的后一半ꎮ由于这种加速ꎬVSTS的跟踪时间减半ꎮ也允许更大数量的迭代ꎬ以确保探究了PV曲线上的最佳点ꎮ算法以0.02s为起始进行执行ꎬ并能够在130ms后找到整体MPPꎮ161电㊀子㊀器㊀件第41卷图6㊀性能比较3.2㊀结果分析图7显示了本文提出的系统在250W/m2相同日照量下的性能ꎬ而图8对PSC(50W/m2和250W/m2被分别用于阴影电池和非阴影电池的日照量)条件下的性能进行了实验测试ꎮ实验和模拟结果提供了VSTS和文献[7]的算法之间的对比结果ꎬ如图8(a)和图8(b)ꎬ提出的改进MPPT算法在局部阴影条件下ꎬ能够更快速的实现最大功率点跟踪ꎬ且准确度较高ꎮ证明了使用VSTS能够有效改善MPPT应用ꎮ图8㊀局部阴影条件下VSTS算法㊁文献[7]算法性能的实验和模拟结果图7㊀相同日照量下提出的系统的实验和模拟结果261第1期孙菊妹:基于DSP的改进PSO光伏阵列MPPT控制应用㊀㊀4 结论本文提出了基于PSO方法的改进MPPT方法ꎬ适用于PV系统ꎮ提出的方法能够解决PSC条件下的最大功率点跟踪的速度和精确度问题ꎮ采用了基于转换器电流动态行为的VSTS方法ꎬ并引入3个重要因数ꎬ即:粒子数㊁收敛速度以及抽样时间ꎬ更快速的实现最大功率点跟踪ꎮ采用DSP对提出系统进行了具体实现ꎬ完成了实际效果验证ꎮ实验结果显示相比最近提出的类似系统ꎬ在不同条件(包括PSC)下ꎬ提出的系统均能够实现速度跟踪且精确度较高ꎮ参考文献:[1]㊀SeyedmahmoudianMꎬMekhilefSꎬRahmaniRꎬetal.AnalyticalModelingofPartiallyShadedPhotovoltaicSystems[J].Energiesꎬ2013ꎬ6(1):128-144.[2]李正明ꎬ王学明.局部阴影下光伏阵列最大功率点跟踪算法的研究[J].电子器件ꎬ2015ꎬ38(6):1440-1444.[3]王汝田ꎬ陈酋峰ꎬ崔永恒.局部阴影下光伏阵列MPPT控制方法的研究[J].电气自动化ꎬ2015ꎬ37(1):64-66.[4]袁晓玲ꎬ陈宇.自适应权重粒子群算法在阴影光伏发电最大功率点跟踪(MPPT)中的应用[J].中国电力ꎬ2014ꎬ46(10):85-90.[5]MellitAꎬRezzoukHꎬMessaiAꎬetal.FPGA ̄BasedRealTimeImplementationofMPPT ̄ControllerforPhotovoltaicSystems[J].RenewableEnergyꎬ2011ꎬ36(5):1652-1661.[6]MirbagheriSZꎬMekhilefSꎬMirhassaniSM.MPPTWithInc.CondMethodUsingConventionalInterleavedBoostConverter[J].EnergyProcediaꎬ2013ꎬ42:24-32.[7]LiuYHꎬHuangSCꎬHuangJWꎬetal.AParticleSwarmOptimi ̄zation ̄BasedMaximumPowerPointTrackingAlgorithmforPVSystemsOperatingUnderPartiallyShadedConditions[J].IEEETransactionsonEnergyConversionꎬ2012ꎬ27(4):1027-1035. [8]NguyenTLꎬLowKS.AGlobalMaximumPowerPointTrackingSchemeEmployingDIRECTSearchAlgorithmforPhotovoltaicSys ̄tems[J].IEEETransactionsonIndustrialElectronicsꎬ2010ꎬ57(10):3456-3467.[9]张永革ꎬ石季英ꎬ张文ꎬ等.复杂遮阴条件下光伏系统MPPT控制改进PSO算法仿真研究[J].中国电机工程学报ꎬ2014(S1):39-46.[10]IshaqueKꎬSalamZ.ADeterministicParticleSwarmOptimizationMaximumPowerPointTrackerforPhotovoltaicSystemUnderPartialShadingCondition[J].IEEETransactionsonIndustrialElectronicsꎬ2012ꎬ60(8):3195-3206.[11]张永革ꎬ石季英ꎬ张文ꎬ等.复杂遮阴条件下光伏系统MPPT控制改进PSO算法仿真研究[J].中国电机工程学报ꎬ2014(S1):39-46.孙菊妹(1981-)ꎬ女ꎬ汉族ꎬ江苏常州人ꎬ讲师ꎬ硕士ꎬ研究方向为电子信息应用ꎬameisjm@163.comꎮ361。
局部阴影下基于SFSPSO算法的光伏MPPT控制策略研究
局部阴影下基于SFSPSO算法的光伏MPPT控制策略研究局部阴影下基于SFSPSO算法的光伏MPPT控制策略研究摘要:光伏发电技术在可再生能源领域具有重要的应用价值,而最大功率点跟踪(MPPT)算法被广泛应用于提高光伏发电系统的效率。
然而,当光伏阵列受到局部阴影的影响时,MPPT算法的性能将受到限制。
为了解决此问题,本文提出了一种基于自适应小范围粒子群优化(SFSPSO)算法的光伏MPPT控制策略。
该策略通过动态调整粒子群的初始位置和速度,并引入了个体和群体适应度系数的自适应变异机制,能够实现在局部阴影下的高精度MPPT。
1. 引言随着能源需求增加和环境问题的加剧,可再生能源的应用变得越来越重要。
光伏发电作为其中的一种技术,具有资源丰富、无污染、可再生等特点,在能源转型中发挥着重要作用。
然而,光伏发电系统的效率主要受到光照条件的影响,尤其是当光伏阵列受到局部阴影的影响时,会导致光伏阵列中存在多个局部最大功率点(LPP),从而影响光伏系统的发电效率。
2. 光伏MPPT控制策略的研究现状目前,常用的光伏MPPT控制策略主要有Perturb and Observe (P&O)、Incremental Conductance (IncCond)和Hill Climbing (HC)等。
然而,这些传统的MPPT算法在面对局部阴影条件时往往存在一些问题,如易陷入局部最大功率点、响应速度较慢等。
3. SFSPSO算法原理SFSPSO算法是一种基于粒子群优化(PSO)算法的改进算法,通过增加自适应变异机制和引入适应度系数来提高算法的搜索能力。
算法的基本过程包括初始化粒子群、更新粒子速度和位置、计算适应度、更新个体和群体最优位置等。
4. 基于SFSPSO算法的光伏MPPT控制策略为了应对局部阴影条件下的光伏MPPT问题,本文提出了一种基于SFSPSO算法的控制策略。
该策略首先根据阴影信息对粒子群进行初始化,并动态调整其位置和速度,通过自适应变异机制增加粒子群搜索空间。
一种微型逆变器光伏系统的全局MPPT控制方法及系统[发明专利]
专利名称:一种微型逆变器光伏系统的全局MPPT控制方法及系统
专利类型:发明专利
发明人:禹红斌,杨波,滕晓菲,陈林,赵一
申请号:CN201811625058.X
申请日:20181228
公开号:CN109510243A
公开日:
20190322
专利内容由知识产权出版社提供
摘要:本发明提供了一种微型逆变器光伏系统的全局MPPT控制方法及系统,其中,方法包括:根据微型逆变器接入组件的功率数据,识别所述微型逆变器接入的受遮挡组件;通过对所述受遮挡组件进行全局最大功率点搜索,找到所述受遮挡组件的全局最大功率点,并控制所述微型逆变器工作在所述全局最大功率点。
本发明通过获取微型逆变器接入组件的功率数据,识别出微型逆变器接入的受遮挡组件,然后进行全局最大功率点搜索,以确定全局最佳工作点,大大提升了微型逆变器的系统效率。
申请人:杭州禾迈电力电子技术有限公司
地址:310000 浙江省杭州市拱墅区康景路18号11幢三楼
国籍:CN
代理机构:杭州裕阳联合专利代理有限公司
代理人:姚宇吉
更多信息请下载全文后查看。
基于自适应线性调节抗干扰PSO的光伏群体MPPT控制
文章 编 号 : 1 0 0 3 —6 1 9 9 ( 应 线 性 调 节 抗 干 扰 P S O 的 光 伏 群 体 M PPT 控 制
陈 宏 , 王 伟 。 十 , 冯 炜。 , 唐海国 , 冷 华
( 1 . 国 网 湖 南 省 电 力 公 司 电 力科 学研 究 院 , 湖南 长 沙 4 1 0 0 0 7 ; 2 . 南京南瑞集团公司, 江苏 南京 2 1 1 1 0 6 ;
3 . 南京南瑞太阳能科技有限公司 , 江苏 南京
2 1 1 1 0 6 )
摘 要 : 先 伏 发 电 已成 为 新 能 源发 电 的 主要 研 究 方 向 , 但 当 外界 环 境 发 生 突 变或 由 于 遮 挡 使 光 伏 阵 列
出现 阴影 时 , 传 统 的 最 大功 率点 跟 踪 ( MP P T) 算 法会 出现 误 判 或 因 陷 入 局 部 最 大功 率 点 等 问题 而 失 效 。 针 对 这 些 问题 , 提 出 了一 种 自适 应 线 性 调 节 的粒 子 群 ( P S O) 算 法, 并 采 用 一 个 MP P T 控 制 器 同 时 实 现 多 支 路
d i t i o n a l ma x i mu m p o we r p o i n t t r a c k i n g( MP PT)a l g o r i t h m i s a mi s c a r r i a g e o f j u s t i e e o r l o s t i n l o c a l ma x i mu m p o we r p o i n t
( 1 . Hu n a n El e c t r i c P o we r Co mp a n g Re s e a r c h I n s t i t u t e , Ch a n g s h a , Hu n a n 4 1 0 0 0 , Ch i n a ;
基于功率闭环控制与PSO算法的全局MPPT方法
中国电机工程学报 Proceedings of the CSEE
Vol.34 No.28 Oct.5, 2014 ©2014 Chin.Soc.for Elec.Eng. 4809
DOI:10.13334/j.0258-8013.pcsee.2014.28.008 文章编号:0258-8013 (2014) 28-4809-08 中图分类号:TM 615
Key Scientific and Technological Projects of Anhui Province (1201a0201004); Anhui Provincial Natural Science Projects in Universities (KJ2013B050).
现全局最大功率点的定位,利用功率闭环控制在 P-U 曲线上 的局部不稳定现象实现 P-U 曲线的快速全局扫描,克服了峰 值点分布及算法参数取值对 MPPT 动态过程的影响。同时采 用电压截止控制克服了功率闭环控制对系统整体稳定性的影 响。采用基于粒子群(particle swarm optimization,PSO)算法 的变步长跟踪策略消除了最大功率点跟踪的稳态功率震荡 问题。最后,通过仿真与实验验证该方法的可行性和有效性, 结果表明,该方法不依赖光伏阵列的已知信息,便可实现静 态和动态环境下全局最大功率点跟踪,提高多峰值最大功率 点跟踪的动态速度和稳态跟踪精度。
基于功率闭环控制与 PSO 算法的全局 MPPT 方法
李善寿 1,张兴 1,张鸿恺 2,赵为 3,倪华 3
(1.合肥工业大学电气工程与自动化学院,安徽省 合肥市 230009;2.安徽建筑大学智能建筑重点实验室, 安徽省 合肥市 230601;3.阳光电源股份有限公司,安徽省 合肥市 230088)
基于P&O的改进模糊PID双路控制在PV系统MPPT中的应用
OC
( 2)
其中 : C I = ( 7
=
咧
)
,
.
的变 化 ; 光伏 电池被遮 挡 ; 串/ 并联 电阻值 对 P — V特性 的影响 ; 天 气 状 况 等 ] 。鉴 于此 , 本文 通过对 P — V特 性 的 分 析 , 采 用 模
状况相匹配 , 而且 可 显 著 提 高 系统 的 响应 速 度 。
《 工业控制计算机} 2 o l 3年第 2 6卷I D双路控制在 P V系统 MP P T中的应用
mpr o v e d F u z z y - PI D Du a l - wa y Co n t r o l i n MP P T o f P V S y s t e m Ba s e d o n P &O
理想 情况下光伏 发电系统进 行改进 , 然而 , 在实 际应用 中 , 光 伏 发 电 系统 的 MP P T过 程 非 常 难 以实 现 。 其 主要 原 因有 : 光伏 发 电 系统 的 P — V特性 随时间发生 变化 , 如 光 伏 电池 老 化 ; 外 部 负 载
2 5 ℃, 相对湿度为 1 _ 5时 , ( 1 ) 式可以简化为 :
糊一 P I D 双 模 控 制 进 行 切 换 的 方 式 来 改 变 输 出 电压 的 扰 动 步 长
(
一1 ) / I n ( 1 -I m / . I s c ) ;
V 。 。 为 开 路 电压 ; I a r , V 分 别 为 最 大 功 率 点 电压 和 电 流 。
实 现 最 大 功 率 的跟 踪 。 仿真结果表 明, 该 算 法 可 以很 好 地 与 天气
光伏发电系统的MPPT算法优化研究
光伏发电系统的MPPT算法优化研究摘要:随着环境污染问题日益严重,光伏发电作为一种新兴的清洁能源逐渐受到人们的重视。
为了提高光伏发电系统的能量转换效率,最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法被广泛应用于光伏发电系统中。
然而,传统的MPPT算法存在效率低、稳定性差的问题。
因此,如何优化光伏发电系统的MPPT算法成为了当前研究的热点。
本文通过对现有MPPT算法的分析和比较,总结了常见的MPPT算法类型,包括传统的Perturb and Observe(P&O)算法、Incremental Conductance(INC)算法、Hill Climbing(HC)算法等,并从效率、稳定性和成本等方面进行了评估。
在此基础上,针对传统算法的不足之处,提出了几种优化光伏发电系统MPPT算法的方法。
首先,基于人工智能的优化算法被引入到MPPT算法中。
例如,遗传算法、粒子群算法等可以通过模拟自然界中的进化和群体行为来寻找全局最优解,有效解决了传统算法易陷入局部最优的问题。
其次,采用改进的传统算法也能够提高光伏发电系统的MPPT性能。
例如,在P&O算法中,对于传统的扰动观察策略,可以结合小步长和大步长跟踪策略,从而加快算法收敛速度和提高稳定性。
在INC算法中,引入虚拟电流控制策略,可以降低系统误差并提高效率。
此外,结合模型预测控制(Model Predictive Control,MPC)算法也是一种有效的优化方法。
MPC通过建立光伏发电系统的动态模型,通过预测未来的电池电压和光照强度,动态调整系统工作状态,避免系统陷入不稳定的极端工况,提高MPPT算法的性能。
最后,本文还讨论了光伏发电系统的MPPT算法的硬件优化问题。
现有的MPPT算法大多基于模拟控制电路,随着数字信号处理器和现场可编程门阵列(FPGA)等硬件的发展,将MPPT算法实现在数字控制器上可以提高算法的计算精度和实时性。
基于DSP的改进PSO光伏阵列MPPT控制应用
基于DSP的改进PSO光伏阵列MPPT控制应用孙菊妹【摘要】为了解决光伏(PV)系统在局部阴影条件下(PSC)的最大功率点跟踪问题,提出了一种基于改进粒子群算法(PSO)的快速最大功率点跟踪(MPPT)方法.与传统基于PSO的MPPT系统不同的是,采用了基于转换器电流动态行为的变量抽样时间策略(VSTS),并且为了更快速的实现最大功率点跟踪,引入3个重要因数,即:粒子数、收敛速度以及抽样时间.采用DSP平台对提出系统进行了具体实现和性能评估,实验结果显示相比其他类似系统,在不同条件(包括PSC)下,提出算法均能够实现速度跟踪且精确度较高.%In order to solve the problem of maximum power point tracking of photovoltaic(PV)system under part local shading condition(PSC),a fast maximum power point tracking(MPPT)method based on Improved Particle Swarm Optimization(PSO)algorithm is proposed. With the difference of the traditional MPPT system on PSO,the time variable sampling strategy based on dynamic behavior of the converter current(VSTS) is applied,and in order to achieve maximum power point tracking more quickly,the introduction of three important factors are drawn, namely:the number of particles,the convergence speed and the sampling time. Using the DSP platform for the implementation and performance evaluation of the proposed system,experimental results show that compared it with other similar systems in differentconditions(including PSC),this algorithm can achieve higher accuracy and tracking speed.【期刊名称】《电子器件》【年(卷),期】2018(041)001【总页数】6页(P158-163)【关键词】最大功率点跟踪;局部阴影条件;快速跟踪;粒子群优化算法【作者】孙菊妹【作者单位】常州工程职业技术学院智能装备与信息工程学院,江苏常州213164【正文语种】中文【中图分类】TM115.2近年来,全世界对可再生能源的需求不断增加,这其中,光伏并网配置中的光伏(PV)太阳能受到了广泛的关注,原因在于其具有实用性强、维护需求低、环保等特点。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于功率闭环控制与 PSO 算法的全局 MPPT 方法
李善寿 1,张兴 1,张鸿恺 2,赵为 3,倪华 3
(1.合肥工业大学电气工程与自动化学院,安徽省 合肥市 230009;2.安徽建筑大学智能建筑重点实验室, 安徽省 合肥市 230601;3.阳光电源股份有限公司,安徽省 合肥市 230088)
ABSTRACT: Based on the analysis of existing multi-peaks maximum power point tracking (MPPT) methods, a dynamic MPPT strategy was proposed based on the power closed-loop control. The strategy located the global maximum power point (GMPP) by the power closed-loop control method, and achieved the global scanning of P-U curves making use of the local instability phenomenon of power closed-loop control on the P-U curves. Thus, the impact of peak points distribution and parameters selection on the MPPT dynamic process was overcame. At the same time, a voltage blocking method was adopted to overcome the impact of power closed-loop control on the system stability. A variable step size tracking strategy based on particle swarm optimization (PSO) algorithm was used to eliminate the static power oscillation of MPPT. The feasibility and effectiveness of the method is verified by simulations and experiments, and results show that the method can track the GMPP under static and dynamic environment without any known information, which can improve tracking precision of the multi-peak GMPP under static and dynamic condition.
针对上述主要不足,本文提出一种基于功率闭 环扫描的全局 MPPT 方法,该方法首先采用功率闭 环控制实现全局最大功率点的定位,克服峰值点分 布及参数取值对 MPPT 动态性能的影响;然后结合 PSO 法的优点,在全局最大功率点附近的小范围内 采用 PSO 法实现全局最大功率点的稳态准确跟踪, 消除稳态功率振荡问题。文章首先分析 POC、PSO 法的不足,然后给出基于功率闭环的峰值点定位原 理,最后通过仿真与实验验证了该方法的可行性与 有效性并给出相关结论。
关键词:光伏阵列;全局最大功率点跟踪;功率闭环控制; 粒子群算法;多峰值特性
0 引言
实 现 全 局 最 大 功 率 点 跟 踪 (global maximum power point tracking,GMPPT)是提高光伏发电系统 总体效率的基本措施之一[1-2]。理想情况下,光伏阵 列中光伏电池都工作在相同温度和辐照度条件下, 此时光伏阵列的输出 P-U 曲线表现出单峰值特性, 采用扰动观测法、电导增量法等传统 MPPT 方法[1-3] 即可实现阵列的最大功率点跟踪。但实际工程中, 光伏电池会因为老化、局部遮挡和积尘覆盖等原因, 导致光伏电池的输出特性不一致,此时光伏阵列的 P-U 曲线将表现出多峰值特性[2,4-5],传统的单峰值 MPPT 方法将可能陷于局部峰值点,导致光伏系统 出现输出功率损失,降低系统的总体发电效率[5]。
点之间电压范围的扫描。
ห้องสมุดไป่ตู้
Uref = Pmax / ipv + ustep
(1)
式中:Uref 为下一步参考电压;Pmax 为搜索到的最
光伏阵列输出功率/W
1 200 800 400
曲线 1 曲线 2
f e
c
d
m
b
a
0
0
100
200
300
光伏阵列输出电压/V
图 1 不同峰值点分布下 POC 法跟踪过程示意图 Fig. 1 Diagram of the POC tracking process under different peak points distribution
目前,光伏阵列的多峰值全局最大功率点跟踪 已经成为 MPPT 方法研究的一个热点方向,诸多学 者针对该问题开展了大量研究工作。文献[6]提出一 种两步法,该方法首先采用阻抗闭环控制实现光伏
4810
中国电机工程学报
第 34 卷
阵列 I-U 曲线上最大功率点的初步定位,然后采用 扰动观测法进行跟踪,但是该方法需要不断测量开 路电压和短路电流,同时容易陷入局部极值点且跟 踪过程较慢。文献[7]提出利用神经网路和模糊控制 技术实现多峰值最大功率点跟踪,但是该方法需要 大量的光伏阵列数据信息,需要掌握不同阴影模式 下峰值点的分布规律,因此该方法缺乏实用性。文 献[8]提出利用 Fibonacci 序列实现全局最大功率点 跟踪,该方法也同样依赖于光伏阵列结构和组件类 型等信息,依赖于对峰值点分布规律的掌握,同时 该方法存在陷入局部极值问题。文献[9-11]提出的 改进扰动观测(perturb,observe and check,POC)法 是一种基于等功率线扫描的全局扫描法,该方法不 存在陷入局部极值的问题,但其 MPPT 性能取决于 峰值点的分布,并且存在稳态功率振荡问题[2]。文 献 [12-18] 研 究 了 基 于 粒 子 群 (particle swarm optimization,PSO)算法的 MPPT 方法,该方法的突 出优点是不存在稳态功率震荡问题,稳态跟踪精度 高[13,18],但存在稳态不收敛和陷入局部极值等问 题[17]。综合分析上述文献发现,POC、PSO 等现有 全局 MPPT 方法的主要不足是 MPPT 跟踪性能取决 于峰值点的分布、MPPT 方法的参数取值以及对光 伏阵列信息的掌握。
大功率;ipv 为阵列的当前输出电流;ustep 为最小 步长。
对于曲线 2 所示情形,由于最右侧极值点(b 点) 的功率远小于最大功率点(d 点)的功率,此时按式(1) 确定下一步参考电压,POC 法就必须以最小扰动步 长完成图中 e—d—c 点之间的电压扫描,从而导致 了 MPPT 跟踪性能下降。由此可见 POC 法的 MPPT 性能取决于峰值点的分布。此外,环境突变时 POC 法无法利用变化后的信息判断最大功率点的位置,
所以必须从开路电压处重新开始一次完整的搜索
过程。
1.2 PSO 法存在的主要问题 1.2.1 PSO 算法
PSO 算法是基于群体认知行为提出的迭代搜 索算法[12-18],具有较为简单的表达形式,同时又具
有较好的全局搜索能力。PSO 迭代算法可以用 式(2)、(3)表示:
⎧⎪Δui ⎨
(n
+1)
= ω ⋅Δui (n) + c1r1 ⋅[Ui max c2r2 ⋅[UG max − ui (n)]
Key Scientific and Technological Projects of Anhui Province (1201a0201004); Anhui Provincial Natural Science Projects in Universities (KJ2013B050).
现全局最大功率点的定位,利用功率闭环控制在 P-U 曲线上 的局部不稳定现象实现 P-U 曲线的快速全局扫描,克服了峰 值点分布及算法参数取值对 MPPT 动态过程的影响。同时采 用电压截止控制克服了功率闭环控制对系统整体稳定性的影 响。采用基于粒子群(particle swarm optimization,PSO)算法 的变步长跟踪策略消除了最大功率点跟踪的稳态功率震荡 问题。最后,通过仿真与实验验证该方法的可行性和有效性, 结果表明,该方法不依赖光伏阵列的已知信息,便可实现静 态和动态环境下全局最大功率点跟踪,提高多峰值最大功率 点跟踪的动态速度和稳态跟踪精度。
摘要:基于对现有多峰值最大功率点跟踪(maximum power point tracking,MPPT)方法不足的分析,提出一种基于功率闭 环控制的动态 MPPT 跟踪策略。该方法采用功率闭环方式实
基金项目:安徽省科技攻关重点项目(1201a0201004);安徽高校省 级自然科学研究项目(KJ2013B050)。
第 34 卷 第 28 期 2014 年 10 月 5 日
中国电机工程学报 Proceedings of the CSEE
Vol.34 No.28 Oct.5, 2014 ©2014 Chin.Soc.for Elec.Eng. 4809
DOI:10.13334/j.0258-8013.pcsee.2014.28.008 文章编号:0258-8013 (2014) 28-4809-08 中图分类号:TM 615
1 POC 法和 PSO 法存在的主要问题
1.1 POC 法存在的主要问题
POC 法基于等功率线扫描实现了功率曲线的
局部快速搜索,如图 1 中曲线 1 所示,由于最大功