基于改进扰动观察法的光伏阵列最大功率点跟踪_刘邦银

合集下载

基于优化型变步长扰动观察法的光伏MPPT_仿真研究

基于优化型变步长扰动观察法的光伏MPPT_仿真研究

文章编号:2095-6835(2023)20-0080-03基于优化型变步长扰动观察法的光伏MPPT仿真研究胡昊明,雷初聪,易荣卫(赣南科技学院,江西赣州341000)摘要:光伏电池最大功率点跟踪(Maximum Power Point Tracking,MPPT)技术的核心任务是寻找到最大功率点的位置,以提高算法的利用效率。

目前常见的MPPT算法,例如扰动观察法、恒定电压法等存在着跟踪精度低、响应速度慢等问题。

选择在常用的扰动观察法上进行优化,利用输出功率与工作功率的绝对值作为扰动条件,得到改进后的变步长扰动观察法,用于保证系统尽可能处于最大功率点。

通过Matlab/Simulink仿真验证发现这种方法能够同时兼顾MPPT步长的速度和精度。

关键词:最大功率点跟踪;扰动观察法;Matlab/Simulink;步长中图分类号:TM615文献标志码:A DOI:10.15913/ki.kjycx.2023.20.023相比于化石、煤油、天然气等不可再生能源,太阳能、风能等可再生能源在发电领域具有更加广阔的应用前景[1-2]。

由于光伏发电具有能量密度大、发电便捷、发电灵活、便于利用等优点,相比于其他可再生能源,其在发电领域中得到了更为广泛的应用[3]。

然而,光伏发电也存在诸多不足之处,例如发电效率低、受自然环境因素影响较大、对电力系统正常的频率调整会对其有较大干扰等缺点,其中最为核心的问题是光伏发电效率低[4]。

为提高光伏发电的效率,常采用MPPT控制算法。

MPPT算法从自然影响因素入手,尽量去减少自然因素对系统的影响,想办法提升系统的适应能力,使光伏系统工作点尽量保持在最大功率点,提高系统的有效转换率[5]。

利用MTTP算法可以让光伏电池得到最大程度的利用,使光伏系统高效平稳地运行[6]。

目前常见的MPPT算法有扰动观察法、恒定电压法、电导增量法等,这些方法存在着跟踪精度低、响应速度慢、环境自适应能力差等缺点[7-9]。

一种变步长扰动观察法在光伏MPPT中的应用

一种变步长扰动观察法在光伏MPPT中的应用

一种变步长扰动观察法在光伏MPPT中的应用张光明;刘毅力;马龙涛;叶炳均【摘要】针对传统扰动观察法的扰动步长选取无法兼顾跟踪速度和稳态精度的缺陷,对传统扰动观察法进行改进,设计了一种变步长扰动观察法.首先分析光伏电池输出的P-U曲线的特点,然后阐述了基于Boost电路实现光伏最大功率点跟踪(MPPT,maximum power point tracking)的控制系统及其工作原理,最后利用Matlab/Simulink搭建基于传统算法以及改进算法的光伏发电MPPT仿真模型,并在同一环境下对这2种算法的跟踪效果进行仿真对比.结果表明,改进的算法有效弥补了传统算法的缺陷,在快速跟踪最大功率点的同时又保证了跟踪的精度,具有良好的动态性能和稳态性能.【期刊名称】《西安工程大学学报》【年(卷),期】2019(033)004【总页数】7页(P433-439)【关键词】P-U曲线;最大功率点跟踪;Boost电路;扰动观察法;变步长;仿真分析【作者】张光明;刘毅力;马龙涛;叶炳均【作者单位】西安工程大学电子信息学院,陕西西安 710048;西安工程大学电子信息学院,陕西西安 710048;国网陕西省电力公司铜川供电公司,陕西铜川727000;西安工程大学电子信息学院,陕西西安 710048【正文语种】中文【中图分类】TM6150 引言随着全球人口的持续增长和经济的不断发展,能源危机和环境污染问题日渐突出,开发研究清洁再生能源已经成为人类社会的共识。

由于光伏发电在发电过程中没有污染和噪声等诸多优点,所以目前成为国内外研究的热点[1-2]。

光伏电池作为光伏发电系统的能量提供单元,其功率输出是随着太阳光照强度以及环境温度的变化而变化的,但是在一定的工作环境下,电池都具有唯一的最大功率输出点,因此为了使电池输出功率最大化,应当实时调节电池的工作点,使其一直工作在最大功率点附近,即MPPT技术[3]。

目前实现MPPT技术的算法有很多,比较常用的传统算法有恒定电压法、电导增量法、扰动观察法[4]。

基于滤波电容电流补偿的并网逆变器控制(梁超辉 段善旭 刘邦银)

基于滤波电容电流补偿的并网逆变器控制(梁超辉 段善旭 刘邦银)

(b) 并网电流频谱分析 图 6 不带电容电流补偿的并网波形及频谱分析
且能有效地改善与输出滤波电容有关的并网电 流相位滞后和谐波含量增大的问题,提高并网 逆变系统的输出电能质量。
7 致谢
本课题研究得到台达环境与教育基金会电 力电子科教发展计划的资助(DREK200501), 特此致以诚挚的谢意!
参 考 文 献 [1]. R.Teodorescu, F Blaabjerg, U.Borup, M. Liserre. A New Control Structure for Grid-Connected LCL PV Inverters with Zero-Steady-State Error and Selective Harmonic Compensation[C]. IEEE APEC'04, 2004, 1: 580-586 [2]. Guoqiao Shen, Dehong Xu, Danji Xi, Xiaoming Yuan. An Improved Control Strategy for Grid-Connected Voltage Source Inverters with a LCL Filter[C]. IEEE APEC’06, 2006: 1067-1073 [3]. R.Tirumala, N.Mohan, C.Henze. Seamless Transfer of Grid-connected PWM Inverters between Utilityinteractive and Stand-alone modes. IEEE APEC’02, 2002,2: 1081-1086 [4]. 张超,王章权,蒋燕君,何湘宁. 无差拍控制在光 伏 并 网 发 电 系 统 中 的 应 用 [J]. 电 力 电 子 技 术 , 2007,41(7): 3~5 [5]. 范小波,张代润.光伏并网逆变器数字滞环控制的研 究[J]. 电力电子技术,2006,40(6):46~48 [6]. 彭力,张宇等.高性能逆变器模拟控制器设计方法[J]. 中国电机工程学报, 2006,26(6):89~93 作者简介 梁超辉:男,1983 年生,硕士生。研究方向为光伏 发电系统并网控制 段善旭:男,1970 年生,教授,博士生导师。目前 主要研究方向为新能源发电及电能质量控制。 刘邦银:男,1979 年 12 月生,博士生,主要研究兴 趣为太阳能光伏发电技术

光伏发电系统的最大功率跟踪控制

光伏发电系统的最大功率跟踪控制

光伏发电系统的最大功率跟踪控制一、引言光伏发电系统作为一种可再生能源发电方式,具有环保、安全、可持续等优势,逐渐受到关注。

然而,光伏发电系统的发电功率受到天气、温度等环境因素的影响,导致输出功率存在一定的波动。

为了最大化光伏发电系统的发电效率,我们需要实施最大功率跟踪控制。

二、最大功率跟踪控制的原理最大功率跟踪控制是指通过调整光伏阵列输出电压和电流的方式,使得输出功率达到最大。

光伏阵列的输出功率一般由以下几个因素决定:1. 太阳辐照度:太阳辐照度越高,光伏阵列的输出功率越大。

因此,通过监测太阳辐照度的变化,可以实时调整光伏阵列的工作状态。

2. 温度:高温会导致光伏电池的效率下降,从而减小了输出功率。

因此,根据温度变化调整光伏阵列的工作状态也是最大功率跟踪控制的一个重要因素。

3. 光伏阵列电压和电流:光伏阵列的输出功率与其电压和电流的乘积成正比。

通过控制电压和电流的变化,可以达到最大功率输出。

三、最大功率跟踪控制的方法1. 突变搜索法:该方法通过固定步长搜索的方式,在不同的电压和电流点上测量输出功率,并选择功率最大的点作为工作点。

该方法简单有效,但可能存在多个局部最大值的问题。

2. 渐进调整法:该方法通过不断改变光伏阵列的工作电压和电流,观察功率变化,最终找到功率最大的点。

该方法需要周期性地进行调整,但可以达到更精确的最大功率跟踪。

3. 梯度下降法:该方法利用数学模型计算出功率对电压和电流的梯度,并根据梯度的方向调整光伏阵列的工作状态。

该方法复杂度较高,但可以实现更精确的最大功率跟踪。

四、最大功率跟踪控制的应用最大功率跟踪控制已经广泛应用于光伏发电系统中。

通过实施最大功率跟踪控制,可以提高光伏发电系统的发电效率,增加发电量。

这对于实现可持续能源发展、减少对传统能源的依赖具有重要意义。

除了光伏发电系统,最大功率跟踪控制的技术也可以应用于其他可再生能源发电系统,如风力发电系统、潮汐发电系统等。

通过调整工作状态,使得系统功率达到最大,可以提高可再生能源的利用效率。

自适应变步长MPPT算法

自适应变步长MPPT算法

自适应变步长MPPT算法黄舒予;牟龙华;石林【摘要】为减小光伏电池因环境变化造成的功率损失,提高系统的光电转换效率及跟踪响应速度,在传统电导增量法的基础上结合自适应变步长最小均方差LMS(least mean squre)算法,提出了一种自适应变步长最大功率跟踪算法,并在Matlab环境下利用SimPowerSystem功能模块建立了光伏电池的数学模型及自适应变步长算法的控制器模型.仿真结果表明,该算法在光照、温度等系统参数扰动的情况下都能快速找到新的工作点,表现出良好的动态及稳态特性,证实了算法的正确性和有效性.%In order to reduce the power loss caused by changeable environment, and to increase the photoelec tric conversion efficiency as well as tracking speed, a novel adaptive MPPT algorithm based on traditional in crement conductance method and adaptive variable step size LMS algorithm was proposed. By SimPowerSys tem block of Matlab. The simulation model of photovoltaic cell and adaptive variable step size MPPT algorithm controller was built in the paper. Even under the perturbations of illumination and temperature, simulation re sults show that the proposed algorithm can quickly find a new operating point and has a good dynamic and steady-state performance, which confirms the validity of the novel algorithm.【期刊名称】《电力系统及其自动化学报》【年(卷),期】2011(023)005【总页数】5页(P26-30)【关键词】光伏发电;最大功率点跟踪;自适应变步长;电导增量法【作者】黄舒予;牟龙华;石林【作者单位】同济大学电子与信息工程学院,上海201804;同济大学电子与信息工程学院,上海201804;同济大学电子与信息工程学院,上海201804【正文语种】中文【中图分类】TM615光伏电池作为一种典型的非线性电源,其输出功率易受环境温度、光照强度、负载的影响。

《电力大数据》2020年1-12期总目录

《电力大数据》2020年1-12期总目录

2020年12月第23卷第12期电力大数据2020年总目录 Dec 2020,Vol 23,No 12POWERSYSTEMSANDBIGDATAGeneralcontentsin2020《电力大数据》2020年1~12期总目录第1期□大数据专题基于集中器SIM卡状态分析的异常检测 董重重,王 吁,夏水斌,孙秉宇,何 欢,王先培(1)…………基于Q-Learning算法用户最优充电站运营研究 刘 燕,贾肇伟,高 虹(8)………………………………………基于倾角传感器及不同杆塔类型的输电线路覆冰监测研究 殷蔚翎,黄 良(14)………………………………………………基于人工智能的风机塔筒倾覆智能预警系统建设与开发 陈万勋,刘春波,赵坚强(21)……………………………………基于蛛状网拓扑智能变电站“三层一网”通信系统研究 单梦琦(28)………………………………………………………基于数据可视化的隔离开关运检辅助决策 门业堃,于 钊,宋 威,侯宇程,钱梦迪,滕景竹(37)…………基于大数据挖掘的电网监控信息智能监控研究 孙云岭,徐建建,李 飞,李少博,苏玉京,李 芸(45)…………智能变电站集中式站域测控装置设计与实现 辛明勇,杨 婧,高吉普,王 宇,张 历,汪明媚(51)…………基于大数据的电力环保数据平台建设 雒 军,唐 坚,赵 喆,王 佩,闫 强,陈 星(58)…………新能源综合服务平台及在配电网中的应用研究 王建平,李 莎,罗子昀,王永琦(64)……………………………节能灯谐波指纹的测试研究与分析于 洋,李成升(70)…………气象模拟仿真技术在电力安全应急培训中的应用与研究 陈肖龙,刘 航,李卓晖,张宝星,潘岐深,张荣鑫(78)…………基于负荷曲线的配网支线负荷电流计算研究与应用 林 元(84)………………………………………………………第2期□大数据专题基于FAHP的电网企业配电变压器供应商分级管理评价模型 代 洲,尹 华,李桧禹,毛 磊(1)……………………………贵州省近60年气温变化特征分析及对输电线路运维的影响 刘发勇,犹珀玉(9)………………………………………………基于大数据平台的点负荷近中期负荷预测及行业负荷增长 特征分析李 健,王琛,林韶生,杜佩仁(17)……………………智慧能源区块链平台及典型应用分析与设计 裴求根(26)………………………………………………………大数据技术在火电厂SCR脱硝系统中的应用 唐 坚,尹二新,路光杰,陈 鸥,张 军,刘永岩(32)…………基于电力物联网和GIS融合的变电智能运检系统研究 李 飞,赵大兴(38)………………………………………………电力领域科技查新系统的设计与实现 韦嵘晖,王庆红,孙辛博,王洪俊(46)……………………………基于RetinaNet模型的鸟巢智能检测 时 磊,杨 恒,周振峰,杨刘贵,张 辉,杜 浩(53)…………电网转型背景下地市级智能电网示范区规划研究 唐小璐,赵伟然,古 含,何 鑫(59)……………………………基于高层气象大数据的风电场中长期风功率预测研究 李 飞,纪 元(66)………………………………………………基于决策流程的电网强降雨及地质灾害应急信息系统研究 苏华英,唐延婧,夏晓玲,田连杰(73)……………………………无人机载多载荷输电线路巡检方法研究 陈科羽,王 萍,,石书山,周筑博,杨鹤猛(80)…………………面向电力物联网的电力大数据应用 王海洋,赵忠强,唐建华(87)……………………………………第3期□大数据专题基于大数据的台区行业聚合分类方法及分类特征分析 李 健,林韶生,陈 芳,杜佩仁(1)……………………………实时电价下用户侧电力需求响应模型优化策略及数字仿真 谈竹奎,汪元芹,赵 菁,刘 斌,刘 敏(10)…………………设备监控信息大数据与设备模型的互校验及实用化事件分析 高 志,樊锐轶,米 超,王大海,胡庆博,冯 超(19)…………利用大数据实现电能计量装置运行状态质量评估 妙红英,李 蒙,王艳芹,王 松,洪 虹,康 强(27)…………基于稳态波形分解与神经网络的负荷识别方法 陈伟伟,洪彬倬(34)………………………………………………基于大数据的导线悬垂面脱冰跳跃高速摄影测量方法研究 马晓红,吕乾勇,毛先胤,徐舒蓉,王建国,唐 敏(40)…………基于BP神经网络的输电线路隐患预放电识别研究 杨 旗,曾华荣,黄 欢,马晓红,毛先胤,张露松(47)…………大数据理念下的供应商分析及应用研究 方茂欢,贺绍鹏,陈金猛,李 屹,郝嘉诚(55)…………………基于Hadoop和HBase的输变电设备数据聚合平台 陈 锐,吴应双,曹 杰,刘明顺(62)……………………………基于用户行为的分时电价时段划分和价格制定 陈巨龙,黄剑平,张 裕,代 江(69)……………………………智能变电站二次系统组网结构与信息传输优化研究 唐孝舟,刘青红,孙长兰,章叶青,葛立青(77)…………………电力大数据第23卷考虑多场景新能源预测的月度机组组合研究 赵 倩,赵翔宇,苏华英,汪明清,游成彬,黄红伟(85)…………第4期□大数据专题基于故障概率的配电设备排查路径规划 马天佚,朱建明,杨 霖,张 驰(1)……………………………多源信息融合的微服务化电网事故追忆 韦洪波,曹 伟,叶桂南,韦昌福,何伊妮(8)……………………基于人工智能的电网调度操作智能防误系统建设及实践 蔡新雷,齐 颖(16)………………………………………………电力物联网中5G边缘计算技术的研究 王 亮,鲜 柯(24)………………………………………………基于LoRa技术的低压集抄系统运行可靠性分析 孙 航,梁丹丹,郝凤柱,何 毅,张 鸷(31)…………………基于规则和机器学习的核电文件分发系统研究 刘帝勇,杨 强,岳振兴(39)……………………………………基于大数据模式识别机器学习算法的热力站动态能耗指标 预测模型王 炎,张海增,胡新华,赵 隽,李 添(47)………基于XGboost的线路覆冰测量中激光测距的误差研究 曾华荣,谢百明,王 冕,林呈辉,高吉普(54)…………………多虚拟电厂接入的主动配电系统优化经济调度 邵倩文,姚 璐,谢 威,李舒佳,谢 敏,李建钊(62)…………基于预期完成率的月内滚动机组组合研究 田年杰,苏华英,刘明顺,李 赟,黄红伟,游成彬(71)…………电能表运行误差与状态评价模型研究 王晨丞,张君胜,蒲丽娟,何培东,杜 斌,赵智辉(79)…………存在反向有功电量低压用户的研判方法研究 马 浩,王立斌,武超飞,赵国鹏,马婷婷(86)…………………第5期□大数据专题基于生存分析模型的电力设备故障预测方法 王春波,陈 刚,周 融,马莉娟(1)……………………………基于人工智能技术的电网调度控制业务研究 范英乐,王 浩,白玉东,李 熙(9)……………………………基于神经棒的电力变压器离线图像识别研究与应用 曾 惜,王 冕,王林波,龙思璇,吕 飞,陈华彬(16)…………低照度液晶屏幕图像增强算法 张薇薇,王 彦,张庆伟,付龙明,黄 辉(23)…………………一种改进的RGB-DSLAM室内空间三维重建方法 余兆凯,彭晓峰,邱昌杰,李 训,常友谦(30)…………………综合能源热力潮流节点标幺值模型及算法实现 陈 晓,齐文斌,平 原,谭志海,刘兴艳(38)…………………考虑发电能力匹配性的输变电设备检修优化方法 李 豹,袁 泉,张 蔷,卢明富,张德亮,黄红伟(46)…………大数据技术在配网单线图自动成图的应用研究 何雄坤,周宏志,聂 辉,陈满超,齐志刚(54)…………………基于数据驱动的物资储检配一体化系统研究和应用 彭 坤,朱长征,高书怡,朱孝峰,潘 敏,李 刚(64)…………基于大数据的发电量预测分析数据平台建设 张睿锐,徐俊强,童 琪(72)……………………………………一种云计算数字签名技术的研究与实现 杨凯利,瞿 强,张永超,张其静,娄红红(80)…………………面向电网实时运行风险的快速定级方法研究及应用 罗 艳,陈子敬,高 浩,粟 景(86)……………………………第6期□大数据专题基于用户停车行为统计的电动汽车快速充电站最优规划 陈巨龙,刘振铭,薛 毅,廖志军,郑方鹏,徐立新(1)…………大数据环境下基于K-means聚类算法的分组负荷预测研究 史 静,南开辉,周 琪,谈 健,李 琥(9)……………………基于改进的SAE和DCT的自适应无人机巡线图像识别算法研究 王 鑫,李天睿,焦睦涵,刘萌森,刘逸涵(17)…………………基于KC-LSSVM-MAFSA的并网光伏微网系统的能量管理 黄 柯,李佳蓉,杨璐瑜,陈 爽(26)……………………………基于BP神经网络模型的输电线路造价预测模型研究 张宇晨,张宇霖,封春菲,王 晨(35)…………………………基于TOPSIS的私自增容专变电力用户排查方法 王立斌,张思为,马 浩,赵 佩,李梦宇(43)…………………基于多级属性加密的零信任访问授权控制方法研究与设计 黄 何,刘 劼,袁 辉(51)……………………………………基于大数据分析的电力用户多维价值识别精准营销投入产出 模型研究姚丹靖,褚 燕(57)……………………………………基于大数据技术的配网故障抢修分析预测系统的设计与实践 王海洋,迟兆江,蔡鹏飞(63)……………………………………数据标签研究与应用李阿勇,税 雪,宋志伟(69)………………基于泛在感知及Python编程的线损问题区间快速定位方法 黑 阳,单宇南,李文澜,张 维,郝旭东,胡一平(75)…………基于同步向量的配电网运行数据监测装置设计 曾 惜,王元峰,王林波,杨琦岑,蔡广林(85)…………………第7期□大数据专题基于FaceNet的无人值守变电站智能监控终端 宗祥瑞,王 洋,金 尧,周 斌,任新颜,庞玉志(1)…………基于大数据的电网状态估计精细化分析 刘 爽,张 硕,郑 璐,王兴才,金宜放,王 铎(9)………… 第12期《电力大数据》2020年总目录数据挖掘技术在反窃电工作中的应用研究 秦 娜,高振江,白泽明,栾德佳,李雨庭(16)…………………水火电发电权交易机制及水电市场化发展模式探究 吕 翔,吴引航,戴晓娟,卢冬雪,陈雨果(24)…………………基于随机模型预测控制的能源互联网双层协调优化调度 蒋泽甫,张 彦,高 华,何向刚,周杨林(31)…………………一种基于SQLite数据库的电网滚动规划分布式收资方法 俞秋阳,何俊峰,常宝立,王新宝(39)……………………………利用差分-花粉算法实现反时限过流优化 罗 琨,罗晨瑀,刘 丽,李正新,周 坤,郝东方(46)…………变电站双星形并联电容器组电容量快速测量方法 杨 旗,谢百明,陈沛龙,文 屹,马晓红,陈 竹(54)…………基于数据分析的MGP并网系统电气端口的谐波特性 陈巨龙,薛 毅,李庆生,张裕,何向刚(62)……………………基于聚类分析的低压配电设备误告警识别方法 冯 义,李中文,晋 斌,张腾飞(72)……………………………一种基于主站多源信息的配网故障定位方法研究 练 寅,王 荣,刘安茳,王昆伦(79)……………………………贵州火电机组机网耦合扭振典型故障分析与寿命评估 徐章福,邓彤天,李志凌,姜延灿(86)……………………………第8期□大数据专题基于电力大数据的新能源跨区域消纳研究 彭 旭,郭耀松,刘 琼,周兆南,白 鑫,高 翔(1)…………基于小波变换的多路基坑尺寸检测降噪评估 张 周,胡 科,张 鹏,林 佳,胡涤尘(9)……………………基于多层协作负荷辨识技术的新型智能电表研制及应用 田 欣,王克南,宁 蒙,邓士伟,李世洁(18)…………………考虑稳控系统动作策略的大电网实时风险评估 康 鹏,陈俊全,姚 刚,宋 弦,白宏宇,杨 帅(26)…………基于电力大数据的多源异构数据融合技术研究与应用 毛先胤,文 屹,马晓红,黄 欢,张 辉,余 容(33)…………考虑设备利用效率和规划执行情况的配电网规划投资分配模型 张 彦,高 华,刘金森,李丽娟(40)……………………………基于PSO-LSSVM的输电杆塔腐蚀失重回归拟合研究和分析 王 立,李 振,王 伟,杨世平,刘 恒(47)…………………基于营配大数据的配网故障定位系统的设计与实现 袁忠军,王 丹,段湛辉,陈业伟,李明勇,张宁欢(56)…………基于健康度与重要度的配电网线路评价 林 元(63)………………………………………………………基于新型滑模观测器的MMC子模块IGBT开路故障诊断方法 刘方艳,汤亚芳(71)………………………………………………基于电量守恒原理台区拓扑计算模型研究与应用 梁旭常,汪 毅,黄兆鹏,靳 光,刘 林,王 鹏(79)…………深度调峰工况下外圈配水湿式冷却塔模拟研究 王锁斌,邓彤天,王红波,李晨宇(86)……………………………第9期□大数据专题基于电网电厂数据交互的居民垃圾分类激励方法及效果预测 方 响,王 亿,夏 霖,孙智卿,徐祥海,侯伟宏(1)…………基于无线传感器与边缘网关的变电站全物联体系方案 朱 成,黄 娅,刘 沁,张 力,刘光程,周哲夫(10)…………基于大数据技术的电网自然灾害应急救援能力评价体系研究 秦浩然,夏银宽(18)………………………………………………基于改进粒子群算法的接地网腐蚀诊断研究 陈敬友,付 明,张 军,张 超,杨尊富,雷治炼(26)…………基于用电信息的电力能效服务潜在客户挖掘 王立斌,马 浩,杨 鹏,张 晶,张肖杰(34)…………………基于模糊聚类与互信息的电网运营指标类间筛选策略 李嘉周,尹 远,刘俊勇,王电钢,黄 林,唐 杰(42)…………基于监控PaaS的大数据治理研究 王 军,宋 尧,于全喜,宁 楠,廖清阳(50)…………………考虑抽蓄电站运行特性的电网经济调度方法 袁 泉,周 鑫,张 蔷,周毓敏,黄红伟,李 展(58)…………基于改进内点法的电热联合系统优化研究 陈 晓,谭志海,平 原,刘兴艳,李玉芬(66)…………………SPWM逆变器输出共模电压影响因素研究 江 娜,曾 鹏,艾 波,李 锦,王生平,谢明威(74)…………机网系统耦合作用下贵州火电机组轴系扭振建模与实测验证 徐章福,邓彤天,李志凌,姜延灿(85))…………………………第10期□大数据专题基于一维卷积神经网络和自注意力机制的非侵入式负荷分解 蒙 亮,于 超,张希翔,覃智君(1)……………………………弱约束关联下考虑社会属性的低压居民台区负荷预测 卢德龙,缪继东,吕培强,殷 勤,吴 阳(9)……………………基于多维特征模糊聚类的负荷用户精准用电管理策略 殷新博,王 数,陆 芸(17)……………………………………RIMA-MSFD组合模型在甘肃省水力发电量预测中的应用 成禹蓉,冶海廷(25)………………………………………………大数据思维推进光伏扶贫管理创新的实践及应用研究 罗 凡,徐兰兰,边海源,杨照逵,白闻强,王小龙(34)…………基于移动边缘计算的电力需求响应业务分配研究 胡 波,王建红(42)………………………………………………基于大数据的企业用能数据共享分析平台设计与实现 张 颖,郭思炎,张益辉(49)……………………………………电力大数据第23卷基于云计算的小水电远程集控平台的设计与实现 陈云鹏,郑黎明,邱生顺,刘德文,李晓波,杜 炜,陈庆锋(55)……基于数据中台的电力数据报表模型研究与应用 张 帆,杨 志,李文娟,胡锡双,张 乐(63)…………………基于规划工具的配电网规划现状数据分析研究 关守姝,董小虎,孙 强,冯 涛,韩天华(70)…………………南方电网发电侧运行备用容量统计研究及应用 李慧勇,杜 旭,方必武,杨 林,郭自豪,丁 刚(79)…………电力数据标签库建设及服务能力研究 郭 敏,林晓静,尹泽楠,万 凯(86)……………………………第11期□大数据专题基于电网大数据的故障风险分析研究 裴求根,杨舒涵,卢宾宾(1)………………………………………基于改进FasterRCNN的配网架空线路异常状态检测 王超洋,罗敬一(9)………………………………………………基于AI大数据技术的无人机巡线研究 王 勇,王永旺,郭建勋(17)……………………………………基于大数据的输电线路无人机巡检路径追踪方法 吴晏芳,梁智勇,陈冠胜,黄 浩,姜 南,魏子力(24)…………基于边缘计算的GIS母线热特性状态辨识研究 程占峰,夏 博,李波涛,王兴江,朱思尧(31)…………………基于大数据技术的交直流混合主动配电网规划模型构建 胡 波,赵善龙,庞伟林(38)……………………………………呼和浩特地区电网基于大数据的BP神经网络短期负荷预测 姜海洋,周芮冰,王烁罡,周定均,刘昌新,云 卿(47)…………智慧家庭储能系统配置与运行双层优化 胡厚鹏,林晓明,钱 斌,梁 雾,刘安茳,练 寅(55)…………基于出力-等值容量特性的光伏出力预测方法 吴 雨,张 宇,赵紫恒,连 欣(63)……………………………基于电力大数据分析的综合能源服务分析与服务策略制定 曹 敏,白泽洋,巨 健(72)……………………………………基于电量实时计算的市场监测数字化分析研究与应用 王林信,罗世刚,江 元,李竣业(79)……………………………基于大数据分析的火电机组节能诊断与能效管理 张 平,孙雪丽(86)………………………………………………第12期□大数据专题X射线数字成像技术与图像人工智能诊断的探索与实践 谢百明,李 波,樊 磊(1)………………………………………基于大数据多元电网动态参数应用的研究 谢怀影,于 淼,贾 威,赵 军,李 婷,王钒宇(10)…………基于CEEMDAN-WPT的台区线损组合变权预测模型研究 周 彬,李宜伦,张异殊,王国栋,蔡娇彧,牛 俊(18)…………基于大数据分析的园区综合能源企业能效评价 郭 飞,王 波,王 亮,史渊源,胡建军,李秀广(29)…………基于数据挖掘的南网异地容灾数据负载分析及磁盘空间预测 姜 南,梁智勇,吴晏芳,黄 浩,魏子力,吴浩珊(37)…………江苏核电基于Solr与HBase的CC1设备信息工作台的设计 与实现 朱云飞,杨 强,秦绪涛,张钧鸣(44)…………………………社会治理视角下的城市大脑电力驾驶舱设计及应用 王 亿,陈 奕,方 响,宣 弈,徐祥海,孙智卿(50)……基于电力负荷大数据的负荷分析方法及其在无锡地区疫情 期间的应用 董金哲,白晨阳,刘志仁,於慧敏,胡晓青,李 澄(57)……基于电力大数据的企业复工复产模型研究及应用 王林信,江 元,罗世刚,李竣业(65)…………………………融合气象信息的配网故障特征挖掘和故障预报研究 周小华,范美鹏,袁雪松,舒文雄(72)…………………………居民用电行为分析及潜力研究 杨 宏,邓晨成,邹 芹,石 莹(80)…………………………《电力大数据》2020年1~12期总目录 (89)………………………………………………。

关于光伏阵列的MPPT算法综述

关于光伏阵列的MPPT算法综述

关于光伏阵列的MPPT算法综述陈科;范兴明;黎珏强;韦颖龙【摘要】针对光伏电池非线性输出特性存在最大功率输出的问题,只有实现最大功率点的跟踪(MPPT)才能提高太阳能电池的效率.分析了最大功率点跟踪的常用方法,即恒定电压控制法、扰动观测法、导纳增量法、功率回授法以及模糊控制法等,并对几种常见的MPPT方法进行比较和分析,为实现光伏并网控制器中重要环节的设计与实现提供参考.%Aiming at the nonlinear output characteristics of photovoltaic cells with the high power output, it is necessary to realize the maximum power point tracking (MPPT) for improving the efficiency of solar cells. The review analyzed the maximum power point tracking methods .such as constant voltage control > disturbance observation, admittance incremental approach, power back to grant and fuzzy control et al. The common MPPT methods were compared and analyzed in order to design and realize photovoltaic (pv) grid controller.【期刊名称】《桂林电子科技大学学报》【年(卷),期】2011(031)005【总页数】5页(P386-390)【关键词】光伏阵列;最大功率点跟踪;算法分析;光伏并网【作者】陈科;范兴明;黎珏强;韦颖龙【作者单位】桂林电子科技大学机电工程学院,广西桂林541004;桂林电子科技大学机电工程学院,广西桂林541004;桂林电子科技大学机电工程学院,广西桂林541004;桂林电子科技大学机电工程学院,广西桂林541004【正文语种】中文【中图分类】TM83随着经济发展的能源需求日益增长,常规能源越来越供不应求,然而其大量使用造成了世界范围的环境污染和生态恶化,使得新能源的开发成为当今世界的必然发展趋势。

光伏发电系统最大功率点跟踪及并网控制策略研究

光伏发电系统最大功率点跟踪及并网控制策略研究

光伏发电系统最大功率点跟踪及并网控制策略研究光伏发电系统最大功率点跟踪及并网控制策略研究摘要:随着可再生能源的快速发展,光伏发电系统作为一种清洁、可持续的能源技术得到广泛应用。

然而,由于太阳能辐射的不稳定性和光伏发电系统的非线性特性,光伏发电系统在不同工作条件下的最大功率点(MPP)会发生变化,从而导致系统效率的下降。

为了解决这一问题,本文研究了光伏发电系统最大功率点跟踪及并网控制策略,以提高系统的能量利用效率和稳定性。

1. 引言光伏发电系统是利用太阳能将光能转化为电能的设备,具有清洁、无污染等优点。

然而,光伏发电系统的高效运行面临着多个挑战,最大功率点跟踪和并网控制是其中重要的研究方向。

2. 光伏发电系统的最大功率点跟踪光伏发电系统的最大功率点是指输出功率最大的工作状态,实现最大功率点跟踪可以提高系统的能量利用效率。

最常用的最大功率点跟踪方法是基于模型的PID控制方法和基于启发式算法的MPPT算法。

其中,基于模型的PID控制方法适用于稳态工况,但对于光强较弱或快速变化的情况下可能会出现震荡现象;基于启发式算法的MPPT算法则可以在不同光照条件下实现较好的最大功率点跟踪效果,常用的算法包括P&O算法、IC 算法和INC算法等。

3. 光伏发电系统的并网控制策略光伏发电系统在并网运行时需要满足一定的电网要求,包括频率、电压和功率的稳定性要求。

为了实现光伏发电系统的稳定并网,常采用的控制策略包括直接功率控制和V/f控制。

直接功率控制是通过调节光伏发电系统的输出功率来控制系统的并网电流,可以实现稳定的功率注入电网,但对系统的稳定性要求较高;V/f控制通过控制光伏发电系统的输出电压与频率的比值来控制并网电流,对系统的稳定性要求相对较低。

4. 光伏发电系统最大功率点跟踪与并网控制策略的综合研究为了实现光伏发电系统最大功率点跟踪和稳定并网的综合控制,可以将两者结合起来进行研究。

常见的方法包括基于模型的控制策略和基于启发式算法的控制策略。

最大功率跟踪 电导增量法

最大功率跟踪 电导增量法

最大功率跟踪电导增量法以最大功率跟踪电导增量法为标题的文章引言:最大功率跟踪是太阳能光伏发电系统中的一个重要问题,通过优化调节光伏阵列的工作状态,使其输出功率达到最大值,可以提高光伏发电系统的效率。

其中,电导增量法是一种常用的最大功率跟踪方法。

本文将介绍电导增量法的原理和实现过程。

1. 电导增量法的原理电导增量法基于光伏电池的伏安特性曲线,通过不断调整光伏阵列的工作点,使其电导增量为零,达到最大功率输出。

电导增量法主要包括两个步骤:电导计算和工作点调整。

2. 电导计算在光伏电池的伏安特性曲线中,电导可以通过斜率来表示。

斜率越大,表示光伏电池的电导越大,输出功率也就越大。

因此,电导计算的目标就是找到当前工作点的电导。

3. 工作点调整根据电导计算得到的电导值,可以判断当前工作点的位置相对于最大功率点的位置。

若电导值为正,说明当前工作点在最大功率点的右侧,需要向左调整工作点;若电导值为负,说明当前工作点在最大功率点的左侧,需要向右调整工作点。

通过不断调整工作点的位置,使电导增量逐渐趋近于零,从而达到最大功率输出。

4. 实现过程电导增量法的实现过程主要包括以下几个步骤:(1) 初始化工作点:将工作点设置在初始位置;(2) 电导计算:根据当前工作点的伏安特性曲线,计算出电导值;(3) 判断电导增量:根据电导值判断当前工作点位置相对于最大功率点的位置,计算电导增量;(4) 调整工作点:根据电导增量的正负,调整工作点的位置;(5) 判断终止条件:当电导增量趋近于零时,停止调整工作点;(6) 输出最大功率:输出此时的功率值。

5. 电导增量法的优势电导增量法相比其他最大功率跟踪方法具有以下优势:(1) 算法简单:电导增量法只需要计算电导值和判断电导增量的正负,实现简单,运算速度快;(2) 稳定性好:电导增量法能够快速响应光照变化,保持系统的稳定性;(3) 实时性强:电导增量法可以实时调整工作点,提高光伏发电系统的实时性。

光伏电池最大功率点跟踪控制方法的对比研究及改进

光伏电池最大功率点跟踪控制方法的对比研究及改进

光伏电池最大功率点跟踪控制方法的对比研究及改进摘要:光伏发电系统中光伏电池的输出特性具有唯一的最大功率点(MPP),需要对光伏电池的最大功率点进行跟踪(MPPT)。

文中分析了几种常见的最大功率点跟踪控制方法,对比分析了它们的优缺点。

针对MPPT控制方法中存在的启动特性较差、跟踪过程不稳定、精度不高等特点,采用一种改进爬山法,该法以恒定电压法作为启动特性及采用变步长进行跟踪控制,并利用Matlab/Simulink搭建了改进爬山法的MPPT控制模型,仿真结果验证该方法的有效性。

关键词:光伏发电;最大功率点跟踪;改进爬山法面对日益枯竭的化石能源和不断恶化的生态环境,人类需要进行第三次能源结构转换,从矿物能源向可再生能源转换,用可再生能源替代矿物能源,用无碳能源、低碳能源替代高碳能源[1]。

为降低对传统能源的依赖,世界对新型能源的重视越来越高。

太阳能是最具潜能的新能源形式之一,其中光伏发电是太阳能利用的有效方式之一。

光伏发电具有许多优点,如:安全可靠,无噪声,无污染,能量随处可得,无需消耗燃料,不受地域限制,规模大小随意,无需架设输电线路,可以方便地与建筑物相结合等,这些优点都是常规发电和其他发电方式所不可比拟的[1]。

在光伏发电系统中,要提高系统的整体效率,达到充分利用太阳能资源的目的,一个重要的途径就是实时调节光伏电池的工作点,使之工作在最大功率点附近,这一过程就称为最大功率点跟踪[2]。

1 光伏电池模型及输出特性1.1 光伏电池的数学模型在光照强度和环境温度一定时,光伏电池既非恒压源,也非恒流源,也不可能为负载提供任意大的功率,是一种非线性直流电源。

其等效电路如图1所示[1,3]。

图1中,UJ为PN 结电压,Id为光伏电池在无光照时的饱和电流,Id=Io{EU+IRS) nKT-1}.一个理想的太阳能电池,由于串联电阻RS很小,旁路电阻Rsh很大,所以在进行理想电路的计算时,它们均可忽略不计。

由图1的太阳能光伏电池等效电路得出:I=Iph-I0[eq(U+IRS) nKT -1]- U+IR R s sh(1)式中,I为光伏电池输出电流;I0为PN结的反向饱和电流;Iph为光生电流;U为光伏电池输出电压;q为电子电荷,q=1.6伊10-19 C;k为波尔兹曼常数,k=1.38伊10-23 J/K;T 为热力学温度;n为N结的曲线常数;Rs,Rsh为光伏电池的自身固有电阻。

基于TS模糊控制器的光伏阵列最大功率点跟踪控制

基于TS模糊控制器的光伏阵列最大功率点跟踪控制

作者简介:游超(1992-)ꎬ男ꎬ河南信阳人ꎬ硕士研究生ꎬ研究方向为智能控制在光伏发电系统中的应用ꎮDOI:10.19344/j.cnki.issn1671-5276.2019.01.048基于T-S模糊控制器的光伏阵列最大功率点跟踪控制游超1ꎬ王宏华1ꎬ戴伊凡2(1.河海大学能源与电气学院ꎬ江苏南京211100ꎻ2.国网江苏省电力有限公司ꎬ江苏南京211100)摘㊀要:针对光伏发电系统的非线性㊁强耦合㊁不确定特性ꎬ采用一种基于T-S模糊模型的光伏发电系统局部线性建模方法ꎬ并根据建立的局部线性模型ꎬ采用并行分布补偿(PDC)控制策略设计了光伏局部线性子系统的T-S模糊控制器增益ꎮ通过局部线性子系统的加权求和得到全局非线性系统的T-S模糊模型和模糊控制器增益ꎮ基于MATLAB/SIMULINK建立了系统动态仿真模型ꎬ仿真结果表明所设计的T-S模糊控制器用于光伏最大功率点跟踪具有可行性ꎬ同时保证了系统最大功率点跟踪具有足够的稳态精度与跟踪速度ꎮ关键词:光伏阵列ꎻ最大功率点跟踪ꎻ并行分布补偿ꎻT-S模糊控制器中图分类号:TP273㊀㊀文献标志码:B㊀㊀文章编号:1671 ̄5276(2019)01 ̄0182 ̄04MaximumPowerPointTrackingControlofPhotovoltaicArrayBasedonT-SFuzzyControllerYOUChao1ꎬWANGHonghua1ꎬDAIYifan2(1.CollegeofEnergyandElectricalEngineeringꎬHohaiUniversityꎬNanjing211100ꎬChinaꎻ2.StateGridJiangsuElectricPowerCo.ꎬLtd.ꎬNanjing211100ꎬChina)Abstract:DuetothenonlinearꎬstrongcouplinganduncertaincharacteristicsofPVsystemꎬthispaperestablishesalocallinearmodelforPVsystembasedonT-Sfuzzymodel.AccordingtotheestablishedlocallinearmodelꎬtheT-SfuzzycontrollergainofPVlocallinearsubsystemisdesignedbyusingtheparalleldistributedcompensation(PDC)controlstrategy.TheT-Sfuzzymodelandfuzzycontrollergainofthewholenonlinearsystemareobtainedbytheweightedsumofthelocallinearsubsystem.Thesystemdy ̄namicsimulationmodelbasedonMATLAB/SIMULINKisestablished.ThesimulationresultsshowthatthedesignedT-Sfuzzycon ̄trollerisfeasibleforPVmaximumpowerpointtracking.Itssteady-stateaccuracyandtrackingspeedareenoughtoensurethemaxi ̄mumpowerpointtrackingofthesystem.Keywords:photovoltaicarrayꎻmaximumpowerpointtrackingꎻparalleldistributedcompensationꎻT-Sfuzzycontroller0㊀引言光伏发电是利用光伏阵列的光伏效应将太阳能转化为电能ꎬ因其具有安全环保㊁寿命长等一系列优点而受到国内外学者的广泛关注[1]ꎮ光伏电池的输出特性是受太阳光照强度㊁环境温度和光伏阵列参数等因素共同影响的强耦合㊁非线性函数ꎬ而且在不同辐照度和环境温度下光伏输出特性均存在相应的最大功率点ꎮ为了提高太阳能电池的光电转化效率ꎬ需要在线实时调整光伏阵列的工作点使其稳定运行在最大功率点处ꎬ该过程称为光伏发电系统最大功率点跟踪控制[2](maximumpowerpointtrackingꎬMPPT)ꎮ目前国内外学者广泛采用的MPPT方法主要包括电导增量法及变步长电导增量法㊁恒定电压法㊁扰动观察法㊁模糊控制㊁神经网络法等[3]ꎮ但上述方法均存在局限ꎬ限制了其应用范围ꎮ目前针对光伏系统非线性特性模型线性化开展的研究较少ꎮ考虑到光伏发电系统是一个非线性㊁不确定的复杂系统ꎬ具有线性后件的Takagi-Sugeno模糊模型以模糊规则的形式充分利用系统局部信息和专家控制经验ꎬ可以任意精度逼近实际被控对象[4]ꎮ鉴于此ꎬ本文采用T-S模糊模型对光伏发电系统非线性数学模型进行分段线性化ꎬ然后采用并行分布补偿方法设计基于T-S模糊模型的模糊控制器ꎬ并在MATLAB/Simulink中建立系统的仿真模型ꎮ仿真结果表明ꎬ该建模方法保证了良好的鲁棒稳定性ꎬ同时使系统稳定运行在最大功率点ꎬ从而验证了所设计的模糊控制器的可行性和优越性ꎮ1㊀光伏电池数学模型根据光伏电池的工作原理以及内部结构特性ꎬ可得到如图1所示光伏电池的等效电路模型[5]ꎮ根据图1等效电路ꎬ可以得到光伏电池数学模型如下[6]:IL=Iph-ID-Ish(1)Iph=[Isc+CT(T-Tref)]SSref()(2)281R L图1㊀光伏电池等效电路模型ID=I0expqUonkTæèçöø÷-1éëêùûú(3)I0=Id0TTref()3expqEgnk1Tref-1T()éëêùûú(4)Ish=Uo+ILRsRsh(5)式中:Iph为光生电流ꎻID为二极管反向暗电流ꎻIsh为等效电路并联电阻分流电流ꎻIsc为光伏阵列在参考光照强度和温度下的短路电流ꎻIL为负载电流ꎻUo为负载电压ꎻCT为短路电流温度系数ꎻT为环境温度ꎻTref为参考环境温度ꎻS为太阳光光照强度ꎻSref为太阳光参考光照强度ꎻI0为二极管反向饱和电流ꎻq为电荷量ꎻn为P-N曲线常数ꎻk为玻尔兹曼常数ꎻId0为光伏阵列在参考温度下的反向饱和电流ꎻEg为光伏阵列的半导体禁带宽度ꎮ由于光伏电池等效并联电阻Rsh很大ꎬ一般为kΩ数量级ꎬ而RS一般很小ꎬ因此为了便于分析ꎬRsh和RS可忽略不计ꎬ于是光伏电池的输出电流电压关系为:IL=Isc-ID0expqUonkTæèçöø÷-1éëêùûú(6)在不同的光照强度和环境温度下光伏电池的输出电流可以由上式确定ꎬ由此可以计算出光伏电池的输出功率为:P=UphIph(7)其中Uph为光伏电池的输出电压ꎮ基于上述数学模型建立了光伏电池的Simulink仿真模型ꎬ通过仿真可以看出ꎬ在一定的环境温度和光照强度下ꎬP-V曲线存在其极大值点ꎬ因此需要根据不同的光照强度和温度实时调整输出电压ꎬ使得光伏电池输出功率最大ꎬ从而提高光伏电池的能量传输效率ꎮ2㊀Boost变换器的T-S模糊模型光伏发电系统是由光伏阵列㊁Boost变换器和负载元件组成ꎬ其中光伏电池输出电压是通过调节Boost变换器的占空比来改变ꎬ光伏发电系统的结构图如图2所示ꎮ根据图2可得光伏发电系统的动态方程ꎮ当可控开关管VT导通时ꎬ列写状态方程如下:diLdt=-RLLiL+1LVpvdvpvdt=-1C1iL+1C1ipvdvC2dt=-1RC2vC2ìîíïïïïïïï(8)Boost LoadPV-Pane1图2㊀光伏发电系统结构当可控开关管VT关断时ꎬ列写状态方程如下:diLdt=-RLLiL+1Lvpv-1LvC2dvpvdt=-1C1iL+1C1ipvdvC2dt=1C2iL-1RC2vC2ìîíïïïïïïï(9)选取状态变量x(t)=[iL㊀vpv㊀vC2]Tꎬ则Boost电路在开关管导通时间Ton和关断时间Toff的状态空间表达式分别为:x(t)=Akx(t)+Dꎬ㊀k=1ꎬ2(10)其中:A1=-RLL1L0-1C10000-1RC2éëêêêêêêêùûúúúúúúúꎬA2=-RLL1L-1L-1C1001C20-1RC2éëêêêêêêêùûúúúúúúúꎬD=0ipvC10éëêêêêùûúúúúꎮ根据状态空间平均化的思想可得到系统的平均状态方程为:x(t)=[A1x(t)+D]u+[A2x(t)+D](1-u)(11)其中u为可控开关管的占空比ꎮ上式也可以表示为:x(t)=A2x(t)+B(x(t))u+D(12)其中B(x(t))=[vC2/L㊀0㊀-iL/C2]Tꎮ为了实现光伏发电系统最大功率点跟踪控制ꎬ引入光伏系统输出电压偏差的积分变量为增广状态变量ꎬ即e=ʏ(vref-vpv)dtꎬ其中vref为最大功率点处的输出电压ꎬ即为输出电压参考值ꎬ因此可以得到增广系统的状态方程如下:x-(t)=A-x-(t)+B-u+D-(13)其中:x-(t)=[x1x2x3e]ꎬ381A-=-RLL1L-1L0-1C10001C20-1RC200-100éëêêêêêêêêùûúúúúúúúúꎬB-=vC2L0-iLC20éëêêêêêêêùûúúúúúúúꎬD-=0ipvC10vreféëêêêêêêùûúúúúúúꎮ采用T-S模糊控制的方法ꎬ用IF-THEN形式的语句来描述所建立光伏系统动态模型ꎬ每条模糊规则都可以表示一个线性模型ꎬ根据上式定义模糊变量为z1=iLꎬz2=vC2ꎬz(t)=[z1(t)㊀z2(t)]Tꎮ因此系统动态方程可由T-S模糊规则描述如下:规则1:如果z1(t)是F1minꎬ且z2(t)是F2minꎬ则dx(t)/dt=A-xt()+B1u+D-ꎻ规则2:如果z1(t)是F1minꎬ且z2(t)是F2maxꎬ则dx(t)/dt=A-xt()+B2u+D-ꎻ规则3:如果z1(t)是F1maxꎬ且z2(t)是F2minꎬ则dx(t)/dt=A-xt()+B3u+D-ꎻ规则4:如果z1(t)是F1maxꎬ且z2(t)是F2maxꎬ则dx(t)/dt=A-xt()+B4u+D-ꎮ其中:B1=m2L0-m1C20éëêêêêêêêùûúúúúúúúꎬB2=M2L0-m1C20éëêêêêêêêùûúúúúúúúꎬB3=m2L0-M1C20éëêêêêêêêùûúúúúúúúꎬB4=M2L0-M1C20éëêêêêêêêùûúúúúúúúꎮ其中:m1和M1分别为z1(t)的下界和上界ꎻm2和M2分别是z2(t)的下界和上界ꎮ通过模糊推理和平均加权反模糊化的方法ꎬ可以得到光伏系统总的状态方程为:x-(t)=ð4i=1ui(z(t)){A-x-(t)+Biu(t)+D-}(14)其中:ui(z(t))=wi(z(t))ð4i=1wi(z(t))ꎬð4i=1ui(z(t))=1ꎮw1(z(t))=F1minF2minꎻw2(z(t))=F1minF2maxꎻw3(z(t))=F1maxF2minꎻw4(z(t))=F1maxF2maxFkmin(z(t))=zk(t)-mkMk-mkꎻFkmax(z(t))=Mk-zk(t)Mk-mkꎮ3㊀T-S模糊控制器设计基于T-S模糊模型的控制器设计通常采用并行分布补偿的原则ꎬ并行分布补偿是指模糊控制器的设计与模糊系统的模糊前件变量保持一致而且模糊规则数相等ꎬ则由模糊规则描述的模糊控制器如下:规则1:如果z1(t)是F1minꎬ且z2(t)是F2minꎬ则ut()=K1x-t()ꎻ规则2:如果z1(t)是F1minꎬ且z2(t)是F2maxꎬ则ut()=K2x-t()ꎻ规则3:如果z1(t)是F1maxꎬ且z2(t)是F2minꎬ则ut()=K3x-t()ꎻ规则4:如果z1(t)是F1maxꎬ且z2(t)是F2maxꎬ则ut()=K4x-t()ꎮ本文采用并行分布补偿方法设计T-S模糊控制器增益ꎮ针对每条规则下的局部线性子系统分别设计控制器增益ꎬ每个局部控制器增益利用极点配置的方法求取ꎬ所得局部控制器乘以各个局部规则的权值再求和即为总体控制器输出ꎬ则整个系统的模糊控制器输出为:u(t)=ð4i=1ui(z(t))Kix-(t)(15)4㊀仿真及分析为了验证本文所设计的T-S模糊控制器在跟踪误差和扰动抑制方面的性能ꎬ根据图3所示控制框图搭建了光伏系统的Simulink仿真模型ꎮ光伏系统模型参数分别为:电容C1=C2=100uFꎬ电感L=10mHꎬ电感内阻RL=0.01Ωꎬ外部负载R=10Ωꎬ选择两个主导闭环极点为:[-1+jꎻ-1-j]ꎬ两个非主导闭环极点为:[5+5jꎻ5-5j]ꎮ利用MATLAB求解出状态反馈增益分别为:K1=[-6.540.44-0.160]ꎻK2=[-1.430.010.040]ꎻK3=[-0.170.03-0.020]ꎻK4=[-0.210.03-0.0140]ꎻ设置光伏电池外界环境温度为T=25ħꎬ光照强度由1000W/m2变化到600W/m2ꎮC 1C 2R CV SVV SVV erf STMPPTPVarrayV C 1i Lu (t )+++-R IL RK tF t图3㊀光伏系统控制框图仿真结果如下:图4表示光照强度阶跃变化下的光伏系统输出功率的波形图ꎬ图5表示光照强度阶跃变化下光伏系统输出电压波形图ꎬ图6表示光照强度阶跃变化下光伏系统输出电流的波形图ꎮ从仿真结果可以看出T-S模糊控制器能够使光伏系统快速稳定跟踪到最大功率点ꎬ而且外界环境发生变化的情况下模糊控制器能够快速跟踪到新的最大功率点ꎮ5㊀结语本文针对光伏发电系统的非线性特性开展了T-S模4811008060402000.010.020.030.040.050.060.070.080.090.1Time /sP o w e r /W图4㊀不同光照强度下光伏输出功率曲线2220181614121080.010.020.030.040.050.060.070.080.090.1Time /sV o l t a g e /V图5㊀不同光照强度下光伏输出电压曲线765432100.010.020.030.040.050.060.070.080.090.1Time /sC u r r e n t /A图6㊀不同光照强度下光伏输出电流曲线糊在光伏发电系统建模和最大功率点跟踪控制方面的应用研究ꎬ通过仿真结果验证了T-S模糊控制器不仅能够保证系统稳定运行ꎬ而且保证了光伏系统最大功率点跟踪具有足够的稳态精度和跟踪速度ꎮ参考文献:[1]肖建ꎬ赵涛.T-S模糊控制综述与展望[J].西南交通大学学报ꎬ2016ꎬ51(3):462 ̄474.[2]张顺.基于二型模糊模型的光伏系统MPPT控制[D].锦州:辽宁工业大学ꎬ2017.[3]李若铭.基于T-S模糊模型的防空导弹控制系统设计[D].哈尔滨:哈尔滨工业大学ꎬ2016.[4]A.KumarꎬA.S.VempatiꎬL.Behera.T-SfuzzymodelbasedMaximumPowerPointTrackingcontrolofphotovoltaicsystem[C].2013IEEEInternationalConferenceonFuzzySystems(FUZZ-IEEE)ꎬHyderabad:2013:1 ̄8.[5]廖倩芳.II型T-S模糊建模与控制[D].上海:上海交通大学ꎬ2009.[6]C.S.Chiu.T-SFuzzyMaximumPowerPointTrackingControlofSolarPowerGenerationSystems[J].IEEETransactionsonEner ̄gyConversionꎬ2010ꎬ25(4):1123 ̄1132.[7]杨凤梅.连续时间T-S模糊系统的动态输出反馈控制器设计[D].南昌:南昌航空大学ꎬ2016.[8]L.K.LettingꎬJ.L.MundaꎬA.Hamam.Particleswarmopti ̄mizedT-Sfuzzylogiccontrollerformaximumpowerpointtrack ̄inginaphotovoltaicsystem[C].2010ConferenceProceedingsIPECꎬSingapore:2010:89 ̄94.[9]M.RakhshanꎬN.VafamandꎬM.H.Khoobanetal.MaximumPowerPointTrackingControlofPhotovoltaicSystems:APolyno ̄mialFuzzyModel-BasedApproach[J].IEEEJournalofEmer ̄gingandSelectedTopicsinPowerElectronicsꎬ2018ꎬ6(1):292 ̄299.[10]赵涛.区间二型T-S模糊系统反馈控制研究[D].成都:西南交通大学ꎬ2015.[11]A.AltamimiꎬZ.A.Khan.ADC-DCbuckconverterwithmaxi ̄mumpowerpointtrackingimplementationforphotovoltaicmod ̄uleapplication[C].2017IEEEConferenceonEnergyConver ̄sion(CENCON)ꎬKualaLumpur:2017:305 ̄310.[12]张彪.基于T-S模型的区间二型随机模糊系统的分析和设计[D].杭州:杭州电子科技大学ꎬ2014.[13]郭长兴.基于改进型的Boost电路光伏系统最大功率点跟踪研究[D].镇江:江苏科技大学ꎬ2017.[14]D.F.ZaionsꎬA.J.BalbinoꎬC.L.Baratierietal.Comparativeanalysisofbuckandboostconvertersappliedtodifferentmaxi ̄mumpowerpointtrackingtechniquesforphotovoltaicsystems[C].2017BrazilianPowerElectronicsConference(COBEP)ꎬJuizdeFora:2017:1 ̄6.[15]刘文涛.光伏发电系统最大功率点跟踪算法研究[D].合肥:安徽理工大学ꎬ2017.[16]冷淼.光伏发电系统及其MPPT控制策略的研究[D].长春:长春工业大学ꎬ2017.[17]周东宝.光伏发电系统改进型变步长MPPT控制研究[D].广州:华南理工大学ꎬ2016.[18]李志刚ꎬ吴楠.二级倒立摆的T-S模糊控制器设计[J].华北理工大学学报(自然科学版)ꎬ2017ꎬ39(4):82 ̄87.[19]李医民ꎬ杜一君.区间Type-2T-S间接自适应模糊控制[J].控制理论与应用ꎬ2011ꎬ28(11):1558 ̄1568.[20]张晓倩ꎬ宋晓茹.基于T-S模糊控制器的网络控制系统仿真研究[J].计算技术与自动化ꎬ2017ꎬ36(2):37 ̄40.收稿日期:20180619581。

光伏发电系统最大功率点跟踪算法研究

光伏发电系统最大功率点跟踪算法研究

光伏发电系统最大功率点跟踪算法研究【摘要】随着不可再生能源的不断消耗,能源缺乏问题逐渐成为经济发展的阻碍。

本文主要针对在太阳能开发过程中,对其最大功率点进行跟踪的算法研究。

在搭建的光伏电池模型的基础上,分析了最大功率跟踪算法中的恒压法和导纳法的基本原理的同时,还利用MATLAB对系统进行了仿真,并对仿真结果进行了分析。

【关键词】光伏发电;MPPT;恒压法;导纳法1.引言随着社会经济的不断发展,地球上不可再生资源也在不断的减少,能源枯竭阻碍着人类的发展,对此人们在努力地寻找新能源。

太阳能是理想的新能源,它取之不尽、用之不竭,而且作为清洁能源无大气和放射性污染,具有很好的应用前景。

在对太阳能应用过程中,由于光伏电池的输出不稳定,受环境影响很大,输出效率低,因此对光伏电池输出最大功率点的跟踪显得重要。

光伏电池可以工作在不同的输出电压,但只有在某一输出电压值时,光伏电池的输出功率才能到达最大功率点。

使光伏电池工作在最大功率点,就是最大功率点跟踪。

目前国内外已提出固定电压法、扰动观察法、电导增量法、自适应算法等多种MPPT算法,这些算法各有各的优点,也都存在不足。

本文以恒压法和导纳法为例,分析其基本原理后,分别对其进行系统仿真,得出相应的输出曲线。

2.光伏阵列输出特性光伏阵列由多个单体太阳能电池串并联封装而成,是光伏发电系统的能源供给中心。

太阳能电池等效电路如图1所示。

图1 太阳能电池等效电路图2 光伏阵列输出I-U曲线其中:式中,为光伏阵列电流,即光伏效应产生的原始电流;为反向饱和流;q为电子电荷;n为二极管因子,当温度强300K时,n=2.8;K为玻耳兹曼常数;为阵列串联等效电阻;Rs小为光伏阵列并联等效电阻。

由于光伏阵列可以工作在不同的电压下,其输出功率由输出电压决定,根据光伏阵列输出电压电流曲线,如图2所示,光伏阵列工作输出功率为虚线围成的面积。

根据光伏阵列输出P-V曲线,如图3所示,在输出电压Umax时,就会输出最大功率Pmax,即在M点处为光伏阵列最大功率输出点,且是唯一点。

基于直方图的改进扰动观察算法研究

基于直方图的改进扰动观察算法研究

2018年第4期218基于直方图的改进扰动观察算法研究李让军,侯利龙,顾重阳摘 要:为了提高光伏发电系统的可靠性和工作效率,必须对光伏电池的最大输出功率点进行跟踪。

在对光伏电池数学模型分析的基础上,通过对扰动观察算法进行研究,提出了一种结合直方图的变步长扰动观察算法,达到简化算法和优化控制效果的目的,并对其进行Matlab仿真。

仿真结果表明,该改进算法能够追踪到最大功率点,与理论值的偏差是0.26%,相比于原有扰动观察法,性能提高89.6%。

该算法的仿真研究对实际系统试验具有很好的指导作用,更好地实现最大功率点跟踪。

关键词:光伏电池; 最大功率点跟踪(MPPT); Matlab(郑州科技学院 电气工程学院,河南 郑州 450064)现的频率也会增高。

2.3 MPPT算法分析对电压进行直方图分析,更改ΔV(k)的大小。

光伏最大功率点处的电压UMPP 分布在固定值Uoc 的0.8倍附近,本算法中Atten=0.9,控制流程框图如图1所示。

图1 本文算法控制流程图3 算法实现及结果分析设置温度为30℃,光照强度为2000W/m 2,使用Matlab 软件对本文算法进行仿真,光伏电池的输出电压逐渐趋于稳定,能够搜索到光伏电池的最大值。

扰动法取最新出现的电压值为光伏电池的输出电压值,与理论值的偏差是2.5%,而本文算法的偏差是0.26%,性能提高89.6%。

为了说明算法的有效性,设置温度为标准温度25℃,光照强度在200~1500W/m 2之间随机选取50个样本值,得到如图2所示的功率曲线。

其中,每条曲线表示某一光照强度下的P —U 曲线,曲线上的实心圆标记点则是相应的最大输出功率点。

图2 不同光照条件下的P-U 曲线(下转第172页)基金项目:郑州科技学院科研项目,2017-XYZK-004作者简介:李让军(1988-),女,讲师,研究方向:光伏发电。

为了充分利用太阳能,最大功率点跟踪(MPPT)算法是光伏发电的关键技术。

光伏发电系统最大功率点跟踪调节策略设计与实现

光伏发电系统最大功率点跟踪调节策略设计与实现

光伏发电系统最大功率点跟踪调节策略设计与实现光伏发电系统已成为当今可再生能源领域中最具发展潜力的技术之一。

然而,在实际应用中,光伏发电系统的效率存在一定的限制,其中一个重要的因素是光伏阵列与负载之间的电力匹配问题。

为了提高光伏发电系统的效率,研究人员提出了一种称为最大功率点跟踪(MPPT)技术的方法,进行光伏阵列与负载之间的电能转换效率优化。

光伏发电系统的最大功率点是指在给定的环境条件下,光伏电池阵列所能输出的最大功率。

而最大功率点跟踪则是通过调节光伏阵列的工作状态,使其实时输出与最大功率点相匹配的电压和电流,从而实现最大功率的获取。

在光伏发电系统中,最常用的MPPT技术包括开环和闭环控制两种方式,分别适用于单一光伏阵列和多光伏阵列系统。

开环控制是指根据光照强度、温度等环境参数,通过数学模型计算出光伏阵列的最大功率点。

闭环控制则是通过反馈控制器来实时监测光伏阵列的输出功率,并动态调节光伏阵列的工作状态,不断迭代寻找最大功率点。

基于开环控制的MPPT方法有很多种,其中最常用的是P&O(Perturb and Observe)算法。

P&O算法通过周期性扰动光伏阵列的工作电压或电流,观察输出功率的变化情况,并根据变化趋势不断调整工作状态,直到找到最大功率点。

该算法简单易实现,但受环境条件变化的影响较大,容易出现震荡现象。

为了克服P&O算法的缺点,研究人员提出了很多改进的MPPT算法,如模型预测控制(MPC)、人工神经网络(ANN)等。

这些算法通过建立更准确的数学模型或使用深度学习技术来预测光伏阵列的最大功率点,从而提高了MPPT的精确性和稳定性。

闭环控制的MPPT方法则是通过反馈控制器来实时调节光伏阵列的工作状态,使其输出功率始终保持在最大功率点附近。

闭环控制器一般包括传感器、执行器和控制算法三个部分。

传感器用于实时监测光伏阵列的工作状态,执行器用于调节阵列的工作状态,控制算法则根据传感器的数据和设定的最大功率点参考值,计算出控制量并输出给执行器。

改进型扰动观察法在光伏发电MPPT中的应用

改进型扰动观察法在光伏发电MPPT中的应用

2019.01理论与算法改进型扰动观察法在光伏发电MPPT中的应用蔡小庆,陈晓芳(燕京理工学院信息科学与技术学院,河北廊坊,065201 )摘要:为了提高光伏电池的发电效率,采用最大功率点跟踪(M P P T)控制技术。

在常规扰动观察法的基础上加以改进,提 出一种滞环比较和面积差相结合的变步长算法。

研宄了基于Boost电路的光伏发电MPPT控制系统的原理,在Matlab/ Simulink中构建M PPT仿真系统模型,通过仿真验证了该方法的可行性。

结果表明:改进后的M PPT算法能有效的抑制震 荡现象,且能快速的跟踪在最大功率点。

关键词:光伏发电;Simulink仿真;最大功率点跟踪;扰动观察法Application of Improved Perturbation Observation Method inMPPT of PhotovoltaicCai Xiaoqing,Chen Xiaofang(Yanching Institute of technology,Langfang Hebei,065201)A b s t r a c t:In order to improve the power generation efficiency of photovoltaic cells, MPPT controltechnology is used. In this paper, based on the conventional perturbation observation method, a hysteresis comparison and area difference algorithm are proposed. The principle of MPPT control system based on Boost circuit is studied, and the MPPT simulation system is built in Matlab / Simulink.The feasibility of this method is verified by simulation. The results show that the improved MPPT algorithm can effectively suppress oscillations and stabilize the maximum power point quickly.K e y w o r d s:P h o t o voltaic power generation;Simulink simulation;MPPT;Perturbation observation method〇引言本文以分布式光伏发电系统为目标,在分析光伏电池 输出特性的基础上,深入研宄M PPT控制理论,提出了一种改 进的变步长扰动观察法,该算法是滞环比较法与面积差相结 合,以面积差值作为扰动步长来确定扰动方向,使输出最大 功率点的跟踪速度与精度满足系统要求。

改进的光伏发电系统最大功率点跟踪方法

改进的光伏发电系统最大功率点跟踪方法

I p o e a i u we i a k ng Te h q si m r v d M xm m Po r Po ntTr c i c ni ue n PV y t m S se
YA Li n , HAN n N a g Ni g
( c ol f e h o g , e igF rs yU i r t,B in 0 0 3 hn ) Sh o o c n l y B in oet nv sy e ig10 8 ,C ia T o j r ei j

能源 川 ・
作 电压 不 断振荡 , 荡 幅度 由算法 的扰 动步 长 决 振 定 。为减小 光伏 阵 列在 最 大 功率 点 附 近 的振 荡 ,
减小 输 出功率 的损 失 , 动 步长 应尽 量 小 。但 扰 扰
Wit Mo ua o ,WM) 占空 比作 为调整 步长 , dh d l i P tn 的 在 光照强 度 和负载 不 变 时 , 作 电 压 与 占空 比近 工
但并 不 能发 挥最 佳 的变 步 长跟 踪 效果 , 主要 存 在
以下 问题 :
( )在 单一 的光 照 强 度下 , 调 整 比例 系 数 1 可 O来 提高步 长 的反应 灵敏 度 , t 而在实 际 的环境 中 ,
由于功率 对 电压 的微 分 随 着 光 照 强 度 的 减 小 而减小 , 因此常规 扰 动 观察 法 不 能 同 时保证 各
此 , 动步 长 与功率 对 电压 的微分 建 立 关 系可 满 扰 足变 步长 的要 求 。变 步 长 扰 动 观 察 法 的 步 长 计 算公 式 为
A p
了简 洁 、 效 的 变 步 长计 算 公 式 , 有 另一 方 面 在控

一种改进型太阳阵最大功率点跟踪方法

一种改进型太阳阵最大功率点跟踪方法

责任编辑:韩汝水Design Ideas | ApplicationDesign前言迄今为止,绝大多数卫星电源都采用太阳阵加蓄电池的供电方式。

光照期间,太阳阵一方面为整星载荷提供能量,另一方面对蓄电池进行充电;蓄电池则负责在阴影期或峰值功耗时释放存储的能量为载荷供电。

根据太阳阵的V-I曲线可知,在任一特定的条件下,太阳阵都有一最佳工作点,在此工作点太阳阵输出的功率最大。

目前,国内卫星均采用直接能量传输方式(DET),在此方式下,电源系统将太阳阵输出的能量直接提供给星上载荷。

但由于受光照强度、温度以及使用年限等因素的影响,太阳阵输出电压、电流将不断衰减,直接能量传输方式未对太阳阵的最大功率点进行跟踪,这势必造成太阳阵输出能量的浪费。

本文针对这一现象,提出一种基于太阳阵最大功率点跟踪方式(Maximum Power Point Tracking,MPPT),通过在太阳阵输出环节增加一种改进型太阳阵最大功率点跟踪方法An Improved Method for Power Point Tracking of Solar Array王益军 杨定宇 上海卫星工程研究所(上海200240)摘要:鉴于卫星上太阳阵使用的实际情况和现有太阳阵最大功率点跟踪理论,本文提出一种基于三点比较理论的改进型变步长控制方法,通过对占空比的简单控制,达到对最大功率点的快速跟踪逼近。

它不但克服了常规控制方法存在的不足,而且对降低卫星生产和发射成本有着积极的意义。

关键词:最大功率点;三点比较法;变步长;占空比控制D O I:10.3969/j.i s s n.1005-5517.2009.08.0072009年6月2日收到本文。

王益军:工程师,从事卫星总体电源工作。

一辅助电路,将太阳阵工作点维持在最大功率点,极大地提高太阳阵利用效率。

MPPT理论简介MPPT本质上是一个用作阻抗匹配的D C/D C电路,通过控制D C/D C电路对整星阻抗进行匹配。

最大功率点跟踪算法

最大功率点跟踪算法

最大功率点跟踪算法最大功率点跟踪算法是一种用于优化太阳能光伏系统性能的关键算法。

太阳能光伏系统的最大功率点是指在给定光照强度下能够输出最大功率的工作点。

最大功率点跟踪算法的目标是调整太阳能光伏系统的工作点,以确保系统能够始终在最大功率点工作。

最大功率点跟踪算法可以通过监测光照强度和电流电压来实现。

一种常用的算法是Perturb and Observe (P&O) 算法。

该算法通过周期性地微调工作点,观察功率是否增加,以确定最优工作点。

当系统处于最大功率点附近时,微调会逐渐减小,以保持系统在最大功率点附近。

另一种常用的算法是Incremental Conductance (IncCond) 算法。

该算法通过检测电流和电压的变化率来判断当前工作点相对于最大功率点的位置。

如果当前工作点在最大功率点的左侧,算法会增加工作点以接近最大功率点;如果在右侧,则减小工作点。

通过周期性地调整工作点,系统可以逐渐趋向最大功率点。

这些最大功率点跟踪算法在太阳能光伏系统中具有重要的应用价值。

它们能够确保系统始终在最大功率点运行,提高系统的能源利用效率。

同时,它们具有实时性和响应速度快的特点,适用于不同光照条件下的功率跟踪。

最大功率点跟踪算法的发展趋势是结合智能化技术,如人工智能和机器学习,以进一步提高算法的性能和效率。

通过利用大数据和算法优化,可以更精确地预测最大功率点,并实现自动调节工作点,以适应实时变化的光照条件。

总结而言,最大功率点跟踪算法是太阳能光伏系统中的重要算法,通过调节工作点使系统始终在最大功率点运行。

P&O算法和IncCond算法是常用的最大功率点跟踪算法,它们能够提高系统的能源利用效率。

未来,结合智能化技术的发展将进一步优化最大功率点跟踪算法的性能。

光伏发电中基于拉格朗日插值法的最大功率点跟踪

光伏发电中基于拉格朗日插值法的最大功率点跟踪

光伏发电中基于拉格朗日插值法的最大功率点跟踪
吴志超;孟现岭;赵地;鞠阳
【期刊名称】《华北水利水电大学学报:自然科学版》
【年(卷),期】2014(035)005
【摘要】为了克服传统导纳增量法和扰动观察法存在的缺陷,提出了基于拉格朗日插值法的最大功率点跟踪方法.该方法将定步长与变步长相结合,提高了追踪最大功率点的准确性、快速性.利用MATLAB/Simulink建立仿真模型,在不同的起始电压和步长的情况下,追踪光伏电池的最大功率点.仿真结果表明:改进后的拉格朗日插值法在最大功率点跟踪控制过程中,跟踪精确且快速.
【总页数】3页(P78-80)
【作者】吴志超;孟现岭;赵地;鞠阳
【作者单位】华北水利水电大学,河南郑州450045
【正文语种】中文
【中图分类】TM615
【相关文献】
1.光伏发电中基于拉格朗日插值法的最大功率点跟踪
2.光伏发电中基于模糊自适应修正变步长最大功率点跟踪的控制策略
3.基于功率修正算法的光伏发电系统最大功率点跟踪控制策略
4.基于功率修正算法的光伏发电系统最大功率点跟踪控制策略
5.基于变步长法的光伏发电系统最大功率点跟踪
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 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. 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. 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)。

2009年6月电工技术学报Vol.24 No. 6 第24卷第6期TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Jun. 2009基于改进扰动观察法的光伏阵列最大功率点跟踪刘邦银段善旭刘飞徐鹏威(华中科技大学电力电子研究中心武汉 430074)摘要常规的扰动观察法具有算法简洁、跟踪效率高的特点,在光伏阵列的最大功率点跟踪系统中得到广泛的应用。

然而常规扰动观察法由于采用固定的扰动步长,难于同时获得较高的响应速度和稳态跟踪精度。

本文提出了一种固定电压启动的变步长扰动观察算法,并与常规的扰动观察法进行了对比实验,实验结果证明了该方法的有效性。

关键词:光伏阵列最大功率点跟踪扰动观察法变步长中图分类号:TM615Photovoltaic Array Maximum Power Point Tracking Based onImproved Perturbation and Observation MethodLiu Bangyin Duan Shanxu Liu Fei Xu Pengwei(Huazhong University of Science and Technology Wuhan 430074 China) Abstract The conventional perturbation and observation(P&O) method is widely used in the photovoltaic array maximum power point tracking system due to its succinctness and high tracking efficiency. However, the excellent dynamic response and stable performance of the P&O algorithm is difficult to achieve synchronously due to adopting fixed perturbation step size. An improved P&O algorithm with constant-voltage-start and variable step size is proposed in this paper. The contrastive experimental results of the improved and conventional algorithm are presented to demonstrate its effectiveness.Keywords:Photovoltaic array, maximum power point tracking(MPPT), perturbation and observation method,variable step size1引言在太阳能光伏发电系统中,光伏阵列将太阳能转化为直流电能,再由电力电子变换器将直流电能变换为负载需要的各种形式的电能。

由于光伏阵列输出的电流-电压(I-V)和功率-电压(P-V)特性呈非线性、具有最大功率点,而且其最大功率点随着光照和环境温度等因素变化,为了提高系统的能量转化效率,必须采用适当的最大功率点跟踪算法控制光伏发电变换器,保证系统总是运行在光伏阵列最大功率点。

常用的光伏阵列的最大功率点跟踪算法包括固定电压或电流跟踪法、爬山法、扰动观察法和导纳增量法等[1],其中扰动观察法由于算法简洁、容易实现、与光伏阵列的电气特性参数无关和跟踪效率高的特点得到了广泛应用[2-5]。

当采用定步长的扰动观察法时,步长越短,光伏系统在最大功率点附近振荡的幅度越窄,能量损失越小,但达到最大功率点需要扰动的次数就越多,所用的跟踪时间也越长,反之当步长较长时跟踪速度快,但在最大功率点附近波动幅度大,能量损失也严重,因此光伏系统最大功率点跟踪的速度和稳态精度难以同时保证,只能根据实际需求折中选取扰动步长,以获得可接受台达环境与教育基金会电力电子科教发展计划(DREK 200501)和国家自然科学基金重点(50837003)资助项目。

收稿日期 2007-12-20 改稿日期 2008-07-0892电 工 技 术 学 报 2009年6月的动态和稳态性能[5]。

为了解决常规定步长扰动观察法的跟踪速度与稳态跟踪精度之间的矛盾,本文提出了一种简洁的定电压启动的自适应变步长算法。

并在一台高频隔离的推挽型DC/DC 变换器上与常规的定步长扰动观察法进行了对比实验,验证了改进算法的有效性。

2 定步长扰动观察法的改进2.1 改进算法的基本思想以光伏阵列的开路电压和短路电流为参考,定标之后的I -V ,P -V 和abs(d P /d V )-V 特性曲线如图1所示。

由图1可以看出,光伏阵列的d P /d V 曲线有如下特点:d (d )0d (d )0d (d )0P V P V P V >⎧⎪=⎨⎪<⎩最大功率点的左侧最大功率点最大功率点的右侧(1)且无论在最大功率点的左侧或者右侧,随着逐渐接近最大功率点,d P /d V 的绝对值均单调递减,当到达最大功率点时,d P /d V 的绝对值为零。

图1 光伏阵列定标后的I -V ,P -V 和abs(d P /d V )-V 曲线Fig.1 The normalized I -V , P -V and abs(d P /d V )-Vcharacteristics of a PV array根据光伏阵列的这一内在特性,可构造电压扰动表达式ref refref d ()(1)d ()(1)P P k P k V V V V V k V k αα−−=+=+−− (2)式中α 为正数,即变步长速度因子,用于调整跟踪速度,由式(2)可以看出,当光伏阵列运行点远离最大功率点时,跟踪步长大,反之步长小,接近于最大功率点时趋近于0。

2.2 关键参数的设计变步长速度因子α 是决定本文提出的变步长扰动观察法性能的关键参数,其取值可由下式估算step_maxmax d d V P V α≤ (3)式中V step_max 是定步长扰动观察法允许的最大步长,maxd P V可根据光伏阵列的特性计算(如图1所示),也可由下式估算ref oc ref oc ref ococ oc max d d 1V mV V V V mVP P m I P V mV V m ===−≈=−−(4)式中m 为一接近于1的正数,例如0.98,V oc 为光伏阵列的开路电压。

变步长速度因子α 可先由式(3)和式(4)计算其范围,再通过实验调整决定其最终的取值。

2.3 算法流程变步长扰动观察法的算法流程如图2所示。

其中ε 为接近于零的很小的正数,在程序中用于判断V (k )与V (k −1)之差是否为零。

当V (k )与V (k −1)之差不为零时,则根据式(2)自适应地调整扰动步长,如果V (k )与V (k −1)相等则结束返回。

该程序以一定的时间间隔(即扰动周期)周期性地执行。

图2 变步长扰动观察法的算法流程图Fig.2 The algorithm flowchart of the perturbation andobservation method with variable step size光伏系统通常从光伏阵列的开路电压处开始启动,由图1可见,在光伏阵列的开路电压附近有一段恒压区,此时由于检测误差或者纹波等因素引起的微小电压变化能引起abs(d P /d V )很大的变化,可能影响扰动步长的准确性。

为了避免这个问题,提高算法的可靠性,本文采用了定电压启动的方式,其流程如图3所示。

由于光伏阵列的最大功率点近似为开路电压的0.78倍[1],因此定电压指令设为0.78V oc ,流程中e 为接近零的较小的正数。

该启动策略在系统运行之前首先检测光伏阵列的开路电压,然后将电压指令设置为开路电压的0.78倍,将运行点快速调整到最大功率点附近,确保系统正确平稳的启动。

启动完成之后即可进入图2所示的变第24卷第6期刘邦银等基于改进扰动观察法的光伏阵列最大功率点跟踪 93步长扰动观察算法流程。

图3 固定电压启动流程图Fig.3 The flowchart of the constant-voltage-start3 实验结果与分析为了验证所提出改进算法的有效性,在一台DSP(TMS320LF2407A)控制的高频隔离的推挽DC/DC变换器上进行了实验验证。

实验选用的光伏组件在标准测试条件(AM1.5光谱,1000W/m2,温度300K)下,功率为120Wp,开路电压为21.6V,最大功率点电压17.3V,短路电流8.9A,最大功率点电流6.9A。

在实验系统中,采用3个相同的组件串联给变换器供电,通过旁路开关控制组件串中的供电组件在2个和3个之间切换,模拟太阳光照度的突变。

为了便于比较和观察,最大功率点跟踪控制算法的扰动周期为0.25s。

图4为采用定步长扰动观察法和本文提出的变步长扰动观察法时阵列的输出电压、输出电流和输出功率的波形,下表为图4相应实验条件下的数据。

图4a为固定电压启动过程的实验波形,对应表中可以看到,启动完成后输出的最大功率为210.6W,比实际测试值小44.3W,其主要原因是启动过程的指令电压为近似的最大功率点,即0.78倍的开路电压。

图4b和图4c为模拟的太阳光照度增加时,分别采用常规的定步长扰动观察法和改进的变步长扰动观察法的实验波形,可以看出,在光照增加条件下,变步长算法比定步长算法的响应时间缩短8.8s,仅需要1.2s。

图4d和图4e为模拟的太阳光照度减少时,分别采用常规的定步长扰动观察法和改进的变步长扰动观察法的实验波形,可以看出,在光照减小条件下,变步长算法仅需要1.3s即可跟踪到最大功率点,比定步长算法减少了9.9s。

从表中可以看出,采用最大功率点跟踪算法跟踪到的最大功率点基本与实测值相同,误差在±5W以内,这是由于(a) 固定电压启动实验波形(b)照度增加时定步长法实验波形(c)照度增加时变步长法实验波形(d)照度减小时定步长法实验波形(e)照度减小时变步长法实验波形图4 定步长与变步长扰动观察法的实验波形Fig.4 Experimental results of perturbation and observation MPPT algorithm based on constant and various step size94 电工技术学报 2009年6月采用先实测阵列的最大功率点再验证最大功率点跟踪算法的方式,再次实验时间上的略微差异造成的。

相关文档
最新文档