CN104656616A - 太阳能光伏发电阵列的集群控制方法 - Google Patents

Abstract

本发明提出了一种太阳能光伏发电阵列的集群控制方法，该方法在将PSO算法和电导增量法相结合的基础上，通过选择机制来降低PSO算法的运行频次，以使PSO算法在发挥其作用的同时减少其负面影响；本发明的有益技术效果是：本发明的有益技术效果是：能减小PSO算法对系统造成的负面影响，改善系统稳定性，提高光伏发电系统最大功率点的搜索速度和效率。

Description

太阳能光伏发电阵列的集群控制方法

技术领域

本发明涉及一种太阳能光伏发电技术，尤其涉及一种太阳能光伏发电阵列的集群控制方法。

背景技术

附图1所示曲线是在25℃条件下标准光伏电池板的P-V特性曲线(即本文所述功率电压曲线)，图中四根曲线从下至上对应的光照度分别为600、800、1000和1200，从图中可以看出，光伏电池板的最大功率点会随着光照度的变化而发生变化，为了实现太阳能电池板工作效率的最大化，需要对最大功率点进行实时跟踪，因此，最大功率点跟踪技术(MPPT)是光伏发电的核心技术之一；

由现有技术可知，在没有阴影遮挡的情况下，太阳能电池板的P-V曲线为一条单峰值曲线；在部分遮阴的情况下，P-V曲线则会出现多个极值点，变成多峰值曲线，如附图2所示；采用现有的电导增量法进行最大功率搜索时，若出现部分遮阴的情况，就会导致搜索到的最大功率仅为局部最优，而无法得到全局最优的最大功率；为了解决前述问题，本领域技术人员又提出采用粒子群优化(PSO)算法与电导增量法(或干扰观察法)相结合的方案。例如，专利号为201310007100.2的中国专利公开的“部分阴影条件下光伏最大功率点跟踪的复合控制方法”，采用了在部分阴影条件下将PSO算法与干扰观察法相结合的改进方案。粒子群优化算法是一种具有全局搜索能力的MPPT算法，能解决多峰寻优问题，先用PSO算法将P-V曲线的电压位置调整到全局最大功率点附近，也即先对全局最大功率点进行快速地粗搜，接着再用电导增量法(或干扰观察法)进行细搜，以减小全局最大功率点附近的搜索振荡，从而克服单独采用电导增量法(或干扰观察法)无法获得全局最优的问题；但该方法也存在缺点：由于PSO算法本身的特点，采用PSO算法进行粗搜时需要大幅度地随机初始化全局最优粒子的位置，这就会导致前期搜索时系统振荡次数较多且振荡幅度较大，由此所带来的危害是，对控制系统元器件冲击较大、功率浪费较大且系统稳定性也会随之降低。

发明内容

针对背景技术中的问题，本发明提出了一种太阳能光伏发电阵列的集群控制方法，包括由多块太阳能电池板组成的太阳能光伏发电阵列以及与多块太阳能电池板一一连接的多个负载，其创新在于：所述太阳能光伏发电阵列中，朝向相同、位置相邻的同种类型多块太阳能电池板形成一个控制单元，在单个控制单元中，同种类型的太阳能电池板和负载均连接至同一微控制器，单个控制单元中微控制器数量与单个控制单元中的太阳能电池板数量一一对应；同一控制单元中的多个微控制器均连接至一集中控制器，集中控制器数量与控制单元数量一一对应；

太阳能光伏发电阵列工作时，按如下方式对单个控制单元进行控制：

1)开始运行后，多个微控制器以预设的全局最优粒子为基准进行第一次PSO搜索，分别获得每块太阳能电池板的第一最大功率值；在功率电压曲线上，与第一最大功率值对应的电压值记为第一最优电压；

2)接着，多个微控制器以各自对应的第一最优电压作为新的全局最优粒子，进行第二次PSO搜索，获得每块太阳能电池板的第二最大功率值；然后各个微控制器将第一最大功率值和第二最大功率值发送至集中控制器；

3)集中控制器对每块太阳能电池板的前一最大功率值和当前最大功率值(集中控制器第一次进行步骤3)的处理时，第一最大功率值即为前一最大功率值，第二最大功率值即为当前最大功率值，集中控制器第二次进行步骤3)的处理时，第二最大功率值即前一最大功率值，后续的最大功率值即为当前最大功率值，后续过程以此类推)的差值进行计算，获取每块太阳能电池板的当前功率变化量；

4)集中控制器将当前功率变化量中的最大值与功率变化量门限值进行比较，若当前功率变化量中的最大值大于或等于功率变化量门限值，则继续按步骤5)中方式处理；若当前功率变化量中的最大值小于功率变化量门限值，则继续按步骤6)中方式处理；

5)当前最大功率值中的最大值记为当前最优功率，在功率电压曲线上，与当前最优功率对应的电压值记为当前最优电压，集中控制器将当前最优电压发送至各个微控制器，各个微控制器以当前最优电压作为全局最优粒子进行PSO搜索并获得新的当前最大功率值；获得新的当前最大功率值后，各个微控制器将新的当前最大功率值发送至集中控制器并继续进行步骤3)的处理；

6)集中控制器控制各个微控制器切换至电导增量法搜索模式，各个微控制器采用电导增量法进行最大功率搜索，并获得新的当前最大功率值；获得新的当前最大功率值后，微控制器将新的当前最大功率值发送至集中控制器并继续进行步骤3)的处理。

本发明的总体思路虽然也是通过将PSO算法和电导增量法相结合的方式使二者取长补短，但本发明在将PSO算法与电导增量法进行结合时，却与现有技术存在诸多不同；大规模的太阳能光伏发电阵列一般都设置于野外或者屋顶，其所处环境的光照度瞬息万变，因此需要定期对最大功率点进行搜索，并根据搜索结果来调整对应的控制参数，以保证光伏发电系统始终处于高效率的工作状态；在现有的技术思路条件下，为了使搜索结果兼顾全局最优，每次搜索时都先用PSO算法进行搜索，以便挑选出全局最优点，再切换至电导增量法搜索。而PSO算法的固有特性决定了其在搜索过程中需要大幅度地随机初始化全局最优粒子的位置，并在进化的过程中不断地优化，从而会带来系统振荡次数多、振荡幅度大的问题；另外，现有技术搜索策略灵活度较差，每次每块太阳能电池板的微控制器都要先独立地运行PSO搜索后，再将其切换至电导增量法，系统实时响应速度差。

在部分阴影条件下，由于PSO搜索是兼顾全局最优的必须手段，难以割舍，因此在这种条件下，为了减小系统振荡次数和振荡幅度，较为可行的手段就是减少PSO搜索的运行频次，加快其搜索速度，以提高搜索效率。从这一思路出发，发明人考虑有没有可能设计一种选择机制，来使PSO搜索和电导增量法搜索能被选择性地使用，而不必使每块太阳能电池板的微控制器都要先独立地运行PSO搜索后，再将其切换至电导增量法，于是发明人进行了大量的研究和探索并最终找到了如下技术思路：

在部分阴影条件下，虽然从总体来看，光照度的变化呈无序状态，但从短时间来看，光照度的变化无非是变化较大或变化较小甚至无变化这三种情况；从P-V曲线上看，在光照度变化不大的条件下，同一太阳能电池板的最优功率点变化也较小，后一最优功率点与前一最优功率点十分接近；若前后最优功率点变化不大且前一最优功率点已经是在兼顾了全局最优的情况下获得的，那么在寻找后一最优功率点的过程中，完全没有必要重新运行PSO搜索，此时由电导增量法获得的搜索结果就已经是兼顾到了全局最优的了；当然，在光照度变化较大的条件下，还是需要先运行PSO搜索以保证搜索结果的全局最优性；于是我们就可以根据光照度的变化程度来选择性地启动PSO搜索或电导增量法搜索，从而有效降低PSO搜索的运行频次。在确定了前述技术思路后，发明人又进行了大量的创造性劳动并最终获得了本发明方案，具体来说本发明方案是这样实现前述技术思路的：

从运营效率来看，太阳能光伏发电系统通常都采用以阵列形式分布的大量太阳能电池板来搭建，根据地形，这种太阳能电池板阵列既可以是覆盖范围很广的大阵列，也可以是许多随地形起伏连续分布的多个小阵列；由于地面不同位置处的光照度及其变化存在差异性，因此同一时刻不同位置处的太阳能电池板上受到的光照度也不尽相同，另外，太阳能电池板的朝向也与其受到的光照度存在联系。但总的来看，朝向相同、位置相邻的同类型太阳能电池板受到的光照度基本相同，因此可按太阳能电池板的分布位置和朝向来将太阳能光伏发电阵列划分为多个控制单元，以使同一控制单元内的多块同类型太阳能电池板处于基本相同的光照度条件下；

本发明在具体控制方法中设计了六个步骤；步骤1)和步骤2)的实质作用是为后续处理提供初始依据，也即等同于控制技术中常见的“系统初始化”，由于后续过程中，会不断对最优功率进行搜索、修正，因此没有必要在前期就对最优功率的精确性有所强求，故步骤1)中的第一次PSO搜索直接以预设的全局最优粒子为基准进行，步骤2)中的第二次PSO搜索，本质上是为了提供第二最大功率值，以使步骤3)中可以对当前功率变化量进行第一次计算，因此，第二次PSO搜索时也没有必要苛求最优功率的精确性，可直接以第一最大功率值对应的电压值进行(虽然第一、二次PSO搜索的精确性都不高，但两个最大功率值之间的差异至少可以反映出在搜索最大功率点过程中是处于动态还是接近于稳态，以及光照度的变化趋势和变化程度，而最大功率点搜索本身就是一个对全局最优电压作不断修正的过程，经过几次搜索后，最大功率点很快就会被修正至接近实际情况的状态，因此完全不需顾虑第一、二次PSO搜索的精确性)；

步骤3)用于计算当前功率变化量，其作用是为步骤4)中的比较处理提供基础参数；步骤4)的比较结果是用于选择PSO搜索或电导增量法搜索的判据：若当前功率变化量中的最大值小于功率变化量门限值，说明当前功率变化量最大的那块太阳能电池板的前后两次最优功率的变化也在正常范围内，符合前述技术思路中“接近最大功率点时的稳态”或“光照度变化不大”这一条件，同一控制单元内的其余太阳能电池板自不必说也肯定是符合“接近最大功率点时的稳态”或“光照度变化不大”这一条件的，此时就没有必要再启用PSO搜索，而由电导增量法搜索所获得的“局部最优”结果就已经是基于“全局最优”的了；反之，若当前功率变化量中的最大值大于或等于功率变化量门限值，说明此时至少有一块太阳能电池板所受的光照度已发生了较大变化或者离最大功率点较远，还处于动态搜索过程中，那么至少对于这块太阳能电池板而言，仅由电导增量法搜索所获得的搜索结果已经不具有全局性了，故此时应重新进行PSO搜索(实际情况中，除故障原因外，一般来说，同一控制单元内的所有太阳能电池板的当前功率变化量都具有相似性，之所以选择当前功率变化量中的最大值作为参考量，是为了避免漏检情况的出现)；通过这种选择，就可以在不必要启用PSO搜索的条件下，将搜索模式切换至电导增量法搜索，从而有效地缩减PSO搜索的运行频次；步骤5)、6)即是步骤4)作出选择后的相应处理方式；

附图3是步骤1)至6)的逻辑框图；

这里需要特别说明的是，现有技术在应用PSO算法时还与本发明有如下三点重要区别：区别一，现有技术中仅将PSO算法用于对单块太阳能电池板进行最优功率搜索，而本发明则将PSO算法与本发明的控制策略相结合，用于对多块太阳能电池板进行集群控制；区别二，在PSO每一代的动态搜索过程中，由于使用了集中控制器，它将各个微控制器分别搜索到的最优秀的那个最大功率值所对应的最优电压发送至各个微控制器，用于多块太阳能板信息共享，各个微控制器将它作为所对应的太阳能板下一代PSO搜索的全局最优粒子，以便引导下一代的搜索，加快搜索速度；区别三，现有技术在应用PSO搜索时，每块太阳能电池板的微控制器初始时都要随机设置许多粒子，然后在每代进化过程中更新全局最优粒子并继续后续处理，而本发明中的PSO搜索从一开始就以有具体指向性的预设全局最优粒子来进行处理的；为了阐释清楚前述三个区别的优点，我们先来看看PSO算法本身：如果以动物的行为来形象表达PSO算法的话，PSO算法的处理过程就是模拟的鸟群捕食行为，在某个区域内只有一块食物，一群鸟正在这个区域内随机搜索食物且所有鸟都不知道食物在哪里，但他们知道当前的位置离食物还有多远，找到食物最简单有效的手段就是搜寻目前离食物最近的鸟的周围区域，在PSO算法中，每个粒子就是一只“鸟”，全局最优粒子就是“离食物最近的鸟”。常规应用时，由于微控制器不清楚太阳能电池板的当前最大功率值在哪里，于是需要在0到最强光照度开路电压之间随机设置多个粒子，并将最好粒子取为全局最优粒子，这也是导致系统振荡次数多、振荡幅度大的原因之一；现有技术中将PSO算法用于对单块太阳能电池板进行最优功率搜索，虽然可以在一定程度上提高控制效果，但由于控制思路的局限性，单块太阳能电池板相对孤立，各个太阳能电池板的数据之间缺少关联，PSO算法每次开始搜索时都只能在0到最强光照度开路电压之间随机设置多个粒子，并将最好粒子取为全局最优粒子。同时每块太阳能电池板都需要单独进行管理，十分麻烦；在本发明控制策略中，将朝向相同、位置相邻的同类型太阳能电池板所处环境的光照度作了等效处理，从而使得太阳能电池板可以被集群化管理，通过集中控制器将各个微控制器获得的当前最优电压用于多块太阳能板之间信息共享，从而能够提高光伏发电系统的搜索速度；同时，通过选择策略来使PSO算法与电导增量法被选择性地使用，使多块太阳能电池板的最大功率搜索过程同时得到优化；另外，本发明在初始时采用预设全局最优粒子的方式来运行PSO搜索，在前期，由于不需要顾虑最大功率点的精确性，预设的全局最优粒子可以使控制系统快速进入搜索过程并减少系统振荡，在稳定运行后，由于实际情况中很少出现环境大幅度突变的情况，光照度的变化趋势存在连续性，即使需要再次启动PSO搜索，后续PSO搜索也是以当前最优电压这一指定的“全局最优粒子”来进行，这就避免了现有技术需要在每次PSO初始搜索时都要重新设置多个粒子的问题，进一步减小了PSO搜索对控制系统的振荡影响。

为了进一步优化控制方法，在前述方案基础上，本发明还作了如下改进：所述太阳能电池板上设置有光敏传感器，光敏传感器在太阳能电池板上的布置方式如附图4所示；光敏传感器与微控制器电气连接；集中控制器在进行步骤3)处理的同时，还同步进行如下处理：

1]集中控制器对当前最大功率值中的最大值和最小值的差值进行计算，当前最大功率值中的最大值和最小值的差值记为最大功率误差；

2]集中控制器将最大功率误差与一误差门限值进行比较，若最大功率误差大于或等于误差门限值，则进行步骤3]的处理；若最大功率误差小于误差门限值，则不作处理；

3]集中控制器将当前最大功率值中的最大值乘以误差系数，获得参考值；集中控制器将各块太阳能电池板对应的当前最大功率值分别与参考值进行比较，找出当前最大功率值小于或等于参考值的太阳能电池板，找到的太阳能电池板记为待分析对象；所述误差系数取0.85～0.95。

4]当前最大功率值中的最大值和最小值对应的两块太阳能电池板记为非采样板，同一控制单元中，除了非采样板以外的其余太阳能电池板记为采样板；集中控制器通过微控制器提取采样板对应的多个光敏传感器的输出数据，并对采样板对应的多个光敏传感器的输出数据作算术平均处理，算术平均处理后的结果记为传感器基准值；

5]集中控制器逐一计算待分析对象对应的光敏传感器的输出数据与传感器基准值的差值，单个待分析对象对应的光敏传感器的输出数据与传感器基准值的差值记为传感器误差，集中控制器将传感器误差逐一与一传感误差门限值进行比较：若某一太阳能电池板对应的传感器误差大于或等于传感误差门限值(说明太阳能电池板当前有可能被遮挡，如云层、遮阴等，使当前的最大功率值下降)，则不作处理；若某一太阳能电池板对应的传感器误差小于传感误差门限值(说明光敏传感器状态正常且采光良好)，则说明当前的最大功率值下降是由该太阳能电池板故障或老化所引起，集中控制器向外发送太阳能电池板告警信号。

此改进方案实质上就是一个故障诊断过程，它可以在光伏发电系统运行过程中，对太阳能电池板的状态进行诊断；

在前述方案基础上，本发明还可以通过如下手段来对光敏传感器的工作状态进行故障诊断：步骤5]中，若传感器误差大于或等于传感误差门限值，则对该光敏传感器进行标记；后续处理过程中，当某一光敏传感器被连续标记的次数达到设定次数后，集中控制器向外发送光敏传感器故障告警信号。

若某一太阳能电池板出现故障或老化，需要将其移出集控群，于是发明人还提出了如下优选方案：集中控制器发现某一太阳能电池板存在故障或老化后，将对应的太阳能电池板加入故障或老化名单并不再对其进行控制，待技术人员将对应的太阳能电池板移出故障或老化名单后，集中控制器才重新对相应太阳能电池板进行控制。

优选地，所述光敏传感器设置于相邻两块太阳能电池板之间的缝隙中。

本发明的有益技术效果是：能减小PSO算法对系统造成的负面影响，改善系统稳定性，提高光伏发电系统最大功率点的搜索速度和效率。

附图说明

图1、光伏电池板P-V特性曲线；

图2、光伏电池板在遮阴情况下P-V特性曲线；

图3、步骤1)至6)的逻辑框图；

图4、太阳能电池板和光敏传感器的布置方式示意图；

图中各个标记所对应的名称分别为：太阳能电池板1、光敏传感器2。

具体实施方式

一种太阳能光伏发电阵列集群控制方法，包括由多块太阳能电池板组成的太阳能光伏发电阵列以及与多块太阳能电池板一一连接的多个负载，其特征在于：所述太阳能光伏发电阵列中，朝向相同、位置相邻的多块太阳能电池板形成一个控制单元，单个控制单元中互相匹配的太阳能电池板和负载均连接至同一微控制器，单个控制单元中微控制器数量与单个控制单元中的太阳能电池板数量一一对应；同一控制单元中的多个微控制器均连接至一集中控制器，集中控制器数量与控制单元数量一一对应；

太阳能光伏发电阵列工作时，按如下方式对单个控制单元进行控制：

1)开始运行后，多个微控制器以预设的全局最优粒子为基准进行第一次PSO搜索，获得每块太阳能电池板的第一最大功率值；功率电压曲线上，与第一最大功率值对应的电压值记为第一最优电压；预设的全局最优粒子可根据该地区相应季节的光照度历史数据进行设定；

2)接着，多个微控制器以各自对应的第一最优电压作为新的全局最优粒子，进行第二次PSO搜索，获得每块太阳能电池板的第二最大功率值；然后微控制器将第一最大功率值和第二最大功率值发送至集中控制器；

3)集中控制器对每块太阳能电池板的前一最大功率值和当前最大功率值的差值进行计算，获取每块太阳能电池板的当前功率变化量；

4)集中控制器将当前功率变化量中的最大值与功率变化量门限值进行比较，若当前功率变化量中的最大值大于或等于功率变化量门限值，则继续按步骤5)中方式处理；若当前功率变化量中的最大值小于功率变化量门限值，则继续按步骤6)中方式处理；

5)当前最大功率值中的最大值记为当前最优功率，功率电压曲线上，与当前最优功率对应的电压值记为当前最优电压，集中控制器将当前最优电压发送至各个微控制器，各个微控制器以当前最优电压为全局最优粒子进行PSO搜索并获得新的当前最大功率值；获得新的当前最大功率值后，微控制器将新的当前最大功率值发送至集中控制器并继续进行步骤3)的处理；

6)集中控制器控制各个微控制器切换至电导增量法搜索模式，各个微控制器采用电导增量法进行最大功率搜索，并获得新的当前最大功率值；获得新的当前最大功率值后，微控制器将新的当前最大功率值发送至集中控制器并继续进行步骤3)的处理。

进一步地，所述太阳能电池板上设置有光敏传感器，光敏传感器数量与太阳能电池板数量一一对应；光敏传感器与微控制器电气连接；集中控制器在进行步骤3)处理的同时，还同步进行如下处理：

1]集中控制器对当前最大功率值中的最大值和最小值的差值进行计算，当前最大功率值中的最大值和最小值的差值记为最大功率误差；

2]集中控制器将最大功率误差与一误差门限值进行比较，若最大功率误差大于或等于误差门限值，则进行步骤3]的处理；若最大功率误差小于误差门限值，则不作处理；

3]集中控制器将当前最大功率值中的最大值乘以误差系数，获得参考值；集中控制器将各块太阳能电池板对应的当前最大功率值分别与参考值进行比较，找出当前最大功率值小于或等于参考值的太阳能电池板，找到的太阳能电池板记为待分析对象；所述误差系数取0.9～1；

4]当前最大功率值中的最大值和最小值对应的两块太阳能电池板记为非采样板，同一控制单元中，除了非采样板以外的其余太阳能电池板记为采样板；集中控制器通过微控制器提取采样板对应的多个光敏传感器的输出数据，并对采样板对应的多个光敏传感器的输出数据作算术平均处理，算术平均处理后的结果记为传感器基准值；

5]集中控制器逐一计算待分析对象对应的光敏传感器的输出数据与传感器基准值的差值，单个待分析对象对应的光敏传感器的输出数据与传感器基准值的差值记为传感器误差，集中控制器将传感器误差逐一与一传感误差门限值进行比较：若某一太阳能电池板对应的传感器误差大于或等于传感误差门限值，则不作处理；若某一太阳能电池板对应的传感器误差小于传感误差门限值，则说明该太阳能电池板存在故障，集中控制器向外发送太阳能电池板故障告警信号。

进一步地，步骤5]中，若传感器误差大于或等于传感误差门限值，则对该光敏传感器进行标记；后续处理过程中，当某一光敏传感器被连续标记的次数达到设定次数后，集中控制器向外发送光敏传感器故障告警信号。

进一步地，集中控制器发现某一太阳能电池板存在故障后，将对应的太阳能电池板加入故障名单并不再对其进行控制，待技术人员将对应的太阳能电池板移出故障名单后，集中控制器才重新对相应太阳能电池板进行控制。

进一步地，所述光敏传感器设置于相邻两块太阳能电池板之间的缝隙中。参见图4，图中示出

下面，我们通过一个算例来进一步阐解PSO算法：

PSO算法是由James Kenney和Russ Eberhart于1995年提出，以下是其搜索的具体操作过程和步骤算例：

其迭代公式为：

$v_{\mathrm{id}}^{k+1}={\mathrm{wv}}_{\mathrm{id}}^k+c_1\×{\mathrm{rand}}_1^k({\mathrm{pbest}}_{\mathrm{id}}^k-x_{\mathrm{id}}^k)+c_2\×{\mathrm{rand}}_2^k({\mathrm{gbest}}_d^k-x_{\mathrm{id}}^k)---\left(1\right)$

$x_{\mathrm{id}}^{k+1}=x_{\mathrm{id}}^k+v_{\mathrm{id}}^{k+1}---\left(2\right)$

式中：w为惯性权重；

代表d维空间上第i个粒子第k次搜索速度，此处是光伏板P-V曲线的参考电压调整步长，每一次迭代都通过公式(1)进行相应修改；

c₁、c₂是两个正常数，称为加速因子，根据具体环境通过经验值在程序中设定；

和表示在[0,1]之间的两个随机数；

代表d维空间上第i个粒子第k次搜索的位置向量，此处是光伏板P-V曲线上搜索到的当前参考电压值，每一次迭代都通过公式(2)进行相应修改；

代表d维空间上第i个粒子在第k次搜索到的最优位置，此处是光伏板P-V曲线上在N个参考电压中，第i个参考电压经过k次搜索过程后自身轨迹中的最优参考电压值；

代表d维空间上在第k次搜索到的整个粒子群的最优位置，此处是光伏板P-V曲上N个参考电压值中，最大输出功率所对应的参考电压，即当前整个粒子群的全局最优粒子。

一般地，该算法的基本流程分为以下四步：

第一步：在解空间中初始化N个粒子的位置和速度；

第二步：根据事先设定好的适应度函数，计算每个粒子的适应度；

第三步：根据上述公式(1)和(2)更新每个粒子的速度和位置；

第四步：直到算法收敛找到最优解，或达到设定最大优化代数前一直循环第二至第四步过程。

将该算法与本发明相结合，其每一个粒子定义为同一控制单元内每一块太阳能光伏板的参考电压，其解空间在0到最强光照度强度下的开路电压之间，可初始化N个粒子。其适应度函数定义为某个参考电压下对应的输出功率，输出功率越大则该粒子的适应度也越大。

在本发明中，上述迭代公式中的这个参数发挥了相当重要作用，具体阐述如下：

初始时，根据该地区相应季节的光照度和温度历史数据进行全局最优粒子的预设，即将预设的参考电压作为PSO算法全局最优粒子，这样可使控制系统快速进入搜索过程并减少系统振荡；

现有的PSO算法流程通常用于单一的每块太阳能板最大功率搜索过程中，本发明与常规的PSO算法基本流程有着根本的不同：

在PSO的每一代搜索中，发明中所采用的集中控制器都要参与信息的交换、处理和控制。集中控制器收集各微控制器发送来的当前搜索到的最大功率值，并进行相应处理后，再将各微控制器搜索到的最优秀的那个最大功率值所对应的最优电压发送至各微控制器，用于同一控制单元内多块太阳能板进行信息共享。各微控制器将该最优电压作为本微控制器下一代PSO搜索的全局最优粒子，以引导下一代的搜索，加快搜索速度。

Claims (5)

1.一种太阳能光伏发电阵列的集群控制方法，包括由多块太阳能电池板组成的太阳能光伏发电阵列以及与多块太阳能电池板一一连接的多个负载，其特征在于：所述太阳能光伏发电阵列中，朝向相同、位置相邻的同种类型多块太阳能电池板形成一个控制单元，在单个控制单元中，同种类型的太阳能电池板和负载均连接至同一微控制器，单个控制单元中微控制器数量与单个控制单元中的太阳能电池板数量一一对应；同一控制单元中的多个微控制器均连接至一集中控制器，集中控制器数量与控制单元数量一一对应；

太阳能光伏发电阵列工作时，按如下方式对单个控制单元进行控制：

1）开始运行后，多个微控制器以预设的全局最优粒子为基准进行第一次PSO搜索，分别获得每块太阳能电池板的第一最大功率值；在功率电压曲线上，与第一最大功率值对应的电压值记为第一最优电压；

2）接着，多个微控制器以各自对应的第一最优电压作为新的全局最优粒子，进行第二次PSO搜索，获得每块太阳能电池板的第二最大功率值；然后各个微控制器将第一最大功率值和第二最大功率值发送至集中控制器；

3）集中控制器对每块太阳能电池板的前一最大功率值和当前最大功率值的差值进行计算，获取每块太阳能电池板的当前功率变化量；

4）集中控制器将当前功率变化量中的最大值与功率变化量门限值进行比较，若当前功率变化量中的最大值大于或等于功率变化量门限值，则继续按步骤5）中方式处理；若当前功率变化量中的最大值小于功率变化量门限值，则继续按步骤6）中方式处理；

5）当前最大功率值中的最大值记为当前最优功率，在功率电压曲线上，与当前最优功率对应的电压值记为当前最优电压，集中控制器将当前最优电压发送至各个微控制器，各个微控制器以当前最优电压作为全局最优粒子进行PSO搜索并获得新的当前最大功率值；获得新的当前最大功率值后，各个微控制器将新的当前最大功率值发送至集中控制器并继续进行步骤3）的处理；

6）集中控制器控制各个微控制器切换至电导增量法搜索模式，各个微控制器采用电导增量法进行最大功率搜索，并获得新的当前最大功率值；获得新的当前最大功率值后，微控制器将新的当前最大功率值发送至集中控制器并继续进行步骤3）的处理。

2.根据权利要求1所述的太阳能光伏发电阵列的集群控制方法，其特征在于：所述太阳能电池板上设置有光敏传感器，光敏传感器数量与太阳能电池板数量一一对应；光敏传感器与微控制器电气连接；集中控制器在进行步骤3）处理的同时，还同步进行如下处理：

1]集中控制器对当前最大功率值中的最大值和最小值的差值进行计算，当前最大功率值中的最大值和最小值的差值记为最大功率误差；

2]集中控制器将最大功率误差与一误差门限值进行比较，若最大功率误差大于或等于误差门限值，则进行步骤3]的处理；若最大功率误差小于误差门限值，则不作处理；

3]集中控制器将当前最大功率值中的最大值乘以误差系数，获得参考值；集中控制器将各块太阳能电池板对应的当前最大功率值分别与参考值进行比较，找出当前最大功率值小于或等于参考值的太阳能电池板，找到的太阳能电池板记为待分析对象；所述误差系数取0.85~0.95；

4]当前最大功率值中的最大值和最小值对应的两块太阳能电池板记为非采样板，同一控制单元中，除了非采样板以外的其余太阳能电池板记为采样板；集中控制器通过微控制器提取采样板对应的多个光敏传感器的输出数据，并对采样板对应的多个光敏传感器的输出数据作算术平均处理，算术平均处理后的结果记为传感器基准值；

5]集中控制器逐一计算待分析对象对应的光敏传感器的输出数据与传感器基准值的差值，单个待分析对象对应的光敏传感器的输出数据与传感器基准值的差值记为传感器误差，集中控制器将传感器误差逐一与一传感误差门限值进行比较：若某一太阳能电池板对应的传感器误差大于或等于传感误差门限值，则不作处理；若某一太阳能电池板对应的传感器误差小于传感误差门限值，则说明当前的最大功率值下降是由该太阳能电池板故障或老化所引起，集中控制器向外发送太阳能电池板故障告警信号。

3.根据权利要求2所述的太阳能光伏发电阵列的集群控制方法，其特征在于：步骤5]中，若传感器误差大于或等于传感误差门限值，则对该光敏传感器进行标记；后续处理过程中，当某一光敏传感器被连续标记的次数达到设定次数后，集中控制器向外发送光敏传感器故障告警信号。

4.根据权利要求2所述的太阳能光伏发电阵列的集群控制方法，其特征在于：集中控制器发现某一太阳能电池板存在故障或老化后，将对应的太阳能电池板加入故障或老化名单并不再对其进行控制，待技术人员将对应的太阳能电池板移出故障或老化名单后，集中控制器才重新对相应太阳能电池板进行控制。

5.根据权利要求2所述的太阳能光伏发电阵列的集群控制方法，其特征在于：所述光敏传感器设置于相邻两块太阳能电池板之间的缝隙中。