CN105068591A - 一种光伏阵列局部遮挡下最大功率点跟踪方法 - Google Patents

Abstract

本发明公开了一种光伏阵列局部遮挡下最大功率点跟踪方法，该方法避免因扫描<i>P-V</i>曲线引起的功率损耗，对局部遮挡下的光伏阵列进行建模分析；在MPPT方法中引入约束条件，智能判断搜索区间的收缩方向和收缩大小：根据<i>P-V</i>特性曲线，在搜索区间中取三点大致描述<i>P-V</i>特性曲线的走势，如若判断大致走势为山顶图，则最大功率点出现在搜索区间中部，需自外向内双边收缩共计1/2的区间范围；反之，则最大功率点出现在搜索区间两端，通过计算两端各三点功率之和，准确把握单边收缩方向，避免陷入局部最大功率点；本发明提出单边收缩和双边收缩相结合的MPPT方法，通过智能调节收缩速率，避免陷入局部最大功率点，保证全局最大功率点跟踪精准度的同时，提高跟踪速度。

Description

一种光伏阵列局部遮挡下最大功率点跟踪方法

技术领域

本发明涉及光伏阵列最大功率点跟踪方法，具体是一种光伏阵列局部遮挡下最大功率点跟踪方法。

背景技术

最大功率点跟踪技术(MPPT)是一种通过调节电路模块的工作电压，使光伏阵列输出更多电能的关键技术。由于它能够实时侦测光伏阵列的输出电压，并快速跟踪最大功率点，使系统以最高的效率输出电能，因此，其研究受到了广泛的重视。迄今已提出了许多经典的MPPT方法，如恒定电压法、扰动观察法(PerturbandObserve，简称P&O)、导纳增量法(IncrementalConductance，简称IncCond)等，以及其他改进方法。然而由于光伏系统使用环境的复杂性，常常存在光照被局部遮挡的情况，从而导致光伏电池的输出功率曲线存在如图1所示的多峰特性。用传统的MPPT技术处理多峰效应时，往往会陷入局部最大功率点而难于达到跟踪最大功率点的目的。为此，局部遮挡下的最大功率点跟踪问题的研究正在得到广泛的关注。

纵观现有研究，一般可分为两种方法：一是依靠扫描一定比例的光伏阵列输出特性曲线求得最大功率点，二是采取基于人工智能的复杂MPPT方法，如粒子群优化、遗传算法、差分进化算法、模糊逻辑控制等。前者易于陷入局部最大功率点，且功率损耗较大，对MPPT技术中全局最大功率点(GlobalMaximumPowerPoint，简称GMPP)的跟踪精度和跟踪速度之间的问题解决尚未达到满意的地步；而后者以牺牲计算成本为代价，控制过程复杂，响应时间长，对硬件的要求高。这些方法在处理局部遮挡的问题时，由于特定对象的控制总是复杂多变的，均存在经验值不具备代表性及高昂的计算成本限制了跟踪速度等问题。

针对光伏系统存在的光照局部遮挡的情况，近年来人们开展了大量的研究并取得了一定的进展。Kobayashi在文献“Astudyofatwostagemaximumpowerpointtrackingcontrolofaphotovoltaicsystemunderpartiallyshadedinsolationconditions”(Solarenergymaterialsandsolarcells，90(18)，2006)提出通过比较R_PM与R_PV两个变量的大小，以判断所追踪的最大功率点是否为全局最大功率点，该方法能解决大部分传统最大功率点跟踪方法容易陷入局部最大功率点，而不能到达全局最大功率点的问题。但是，遇到特殊情况时，如全局最大功率点在R_PM的左侧，那么该方法失效。

为确保MPPT方法适应各种情况，Patel在文献“MaximumpowerpointtrackingschemeforPVsystemsoperatingunderpartiallyshadedconditions”(IEEETransactionsonIndustrialElectronics，55(4)，2008)中根据在全局最大功率点任一侧的局部最大功率点一直在减小的特点，提出基于爬山法的遮挡情况下MPPT的控制方法。但是，该方法自初始电压V₀＝V_OC×85％开始扫描P-V曲线，对遮挡强度敏感，需要经历50％以上的扫描才能获得全局最大功率点。Kazmi在文献“AnimprovedandveryefficientMPPTcontrollerforPVsystemssubjectedtorapidlyvaryingatmosphericconditionsandpartialshading”(inAustralasianUniversitiesPowerEngineeringConference,2009)提出通过控制测量电压和电流的占空比，计算出最佳电压和电流来确定最大功率点的方法；Koutroulis在文献“AnewtechniquefortrackingtheglobalmaximumpowerpointofPVarraysoperatingunderpartial-shadingconditions”(IEEEJournalofPhotovoltaics，2(2)，2012)提出在宽电压范围内扫描，控制占空比依次绘制功率点，直到得到一个最大功率点的方法。上述三种方法，都是通过扫描P-V曲线来得到最大值，虽然能够找到最大功率点，但其功率损耗较大，同时影响跟踪速度。

为避免扫描P-V曲线引起的功率损耗，Nguyen在文献“AglobalmaximumpowerpointtrackingschemeemployingDIRECTsearchalgorithmforphotovoltaicsystems”(IEEETransactionsonIndustrialElectronics，57(10)，2010)提出分割矩阵和爬山法相结合的最大功率点跟踪方法，通过判断两电压值是否落在相同峰值电压范围内，来判定是否继续分割，但是在分割时，分割步长较小时，跟踪速度较低；分割步长较大时该方法同样不能保证全局最大功率点的选取，在遮挡情况复杂时可能会陷入局部最大功率点。Agrawal在文献“Goldensectionsearch(GSS)algorithmforMaximumPowerPointTrackinginphotovoltaicsystem”(in2012IEEE5thIndiaInternationalConferenceonPowerElectronics,2012)提出采用黄金分割法搜索最大功率点，该方法认为可按照黄金分割的比例系数单边缩小扫描范围，逼近最大功率点。同年，Ramaprabha在文献“MaximumpowerpointtrackingofpartiallyshadedsolarPVsystemusingmodifiedFibonaccisearchmethodwithfuzzycontroller”(InternationalJournalofElectricalPower&EnergySystems，43(1)，2012)提出基于斐波那契序列的最大功率点跟踪，采用斐波那契序列中相邻两数之差作为系数，单边缩小扫描范围。由于JayaAgrawal和Ramaprabha采用单边缩小扫描范围的方法确定全局最大功率点，当光照强度复杂度上升时，一旦在前期错过全局最大功率点，那么后期就难以弥补。所以，上述两种方法在处理两个以上局部最大功率点值相近的情况时，同样不能保证全局最大功率点的跟踪。

因此，在减少扫描P-V曲线以减少功率损耗的基础上，提高全局最大功率点的跟踪精准度和跟踪速度构成了一对矛盾，同时也成为本发明的解决重点。

发明内容

本发明所要解决的技术问题是：针对现有技术的不足，提供一种在局部遮挡下，减少功率损耗和保证全局最大功率点跟踪精准度的同时，提高跟踪速度的光伏阵列最大功率点跟踪方法。

本发明解决上述技术问题所采用的技术方案为：一种光伏阵列局部遮挡下最大功率点跟踪方法，包括以下步骤：

步骤①：光伏系统启动后，调节DC_DC电路占空比为0，采样光伏阵列开路电压Vr，设定第k次区间[V_{left_in}(k),V_{right_in}(k)]，V_{left_in}(k)、V_{right_in}(k)分别表示区间左、右端点输出电压值，令k＝0，则第0次区间数值为[0,Vr]；

步骤②：计算区间范围△V＝V_{right_in}(k)-V_{left_in}(k)；

步骤③：对区间范围△V进行条件判断：

A)若满足△V>0.01，调节DC_DC电路占空比，采样光伏阵列输出电压和输出电流：当光伏阵列输出电压满足V_l(k)＝[V_{left_in}(k)+V_{right_in}(k)]/4，记录此时输出电流I_l(k)；当光伏阵列输出电压满足V_m(k)＝[V_{left_in}(k)+V_{right_in}(k)]/2，记录此时输出电流I_m(k)；当光伏阵列输出电压满足V_r(k)＝[V_{left_in}(k)+V_{right_in}(k)]×3/4，记录此时输出电流I_r(k)；V_l(k)、V_m(k)、V_r(k)表示第k次采样的输出电压，I_l(k)、I_m(k)、I_r(k)表示第k次采样的输出电流，分别对应上述输出电压；计算第k次采样时，3点功率值P(k)＝V(k)×I(k)，并进行条件判断：

a)若同时满足P_m(k)>P_l(k)和P_m(k)>P_r(k)，则记录当前最大功率点P_best(k)为P_m(k)，同时更新区间[V_{left_in}(k+1),V_{right_in}(k+1)]，数值为[V_l(k),V_r(k)]；采样次数k＝k+1，返回步骤②；

b)若不能同时满足P_m(k)>P_l(k)和P_m(k)>P_r(k)，调节DC_DC电路占空比，采样光伏阵列输出电压和输出电流：当光伏阵列输出电压满足V_{l_a}(k)＝[V_{left_in}(k)+V_l(k)]/2，记录此时输出电流I_{l_a}(k)；当光伏阵列输出电压满足V_{l_b}(k)＝[V_l(k)+V_m(k)]/2，记录此时输出电流I_{l_b}(k)；当光伏阵列输出电压满足V_{r_a}(k)＝[V_m(k)+V_r(k)]/2，记录此时输出电流I_{r_a}(k)；当光伏阵列输出电压满足V_{r_b}(k)＝[V_r(k)+V_{right_in}(k)]/2，记录此时输出电流I_{r_b}(k)；V_{l_a}(k)、V_{l_b}(k)、V_{r_a}(k)、V_{r_b}(k)表示第k次采样的输出电压，I_{l_a}(k)、I_{l_b}(k)、I_{r_a}(k)、I_{r_b}(k)表示第k次采样的输出电流，分别对应上述输出电压；计算第k次采样时，4点功率值P(k)＝V(k)×I(k)，并进行条件判断：

i.若满足P_{l_a}(k)+P_l(k)+P_{l_b}(k)>P_{r_a}(k)+P_r(k)+P_{r_b}(k)，则记录当前最大功率点P_best(k)为P_l(k)，同时更新区间[V_{left_in}(k+1),V_{right_in}(k+1)]，数值为[V_{left_in}(k),V_r(k)]；采样次数k＝k+1，返回步骤②；

ii.若不满足P_{l_a}(k)+P_l(k)+P_{l_b}(k)>P_{r_a}(k)+P_r(k)+P_{r_b}(k)，则记录当前最大功率点P_best(k)为P_r(k)，同时更新区间[V_{left_in}(k+1),V_{right_in}(k+1)]，数值为[V_l(k),V_{right_in}(k)]；采样次数k＝k+1，返回步骤②；

B)若不满足△V>0.01，得到输出电压V(k)＝[V_{left_in}(k)+V_{right_in}(k)]/2，所对应的输出功率即为最大功率点，实现最大功率点跟踪。

与现有技术相比，本发明的优点在于：本发明避免因扫描P-V曲线引起的功率损耗，对局部遮挡下的光伏阵列进行建模分析，认为最大功率点所对应的电压值包含于搜索区间，[0,Vr]，其中，Vr表示开路电压；在MPPT方法中引入约束条件，智能判断搜索区间的收缩方向和收缩大小：根据P-V特性曲线，在搜索区间中取三点大致描述P-V特性曲线的走势。如若判断大致走势为山顶图，如图2区域一，则最大功率点出现在搜索区间中部，需自外向内双边收缩共计1/2的区间范围；反之，则大致走势如图2区域二所示，最大功率点出现在搜索区间两端，通过计算两端各三点功率之和，准确把握单边收缩方向，避免陷入局部最大功率点。本发明提出单边收缩和双边收缩相结合的MPPT方法，通过智能调节收缩速率，避免陷入局部最大功率点，保证全局最大功率点跟踪精准度的同时，提高跟踪速度。

附图说明

图1为光伏电池的输出功率曲线；

图2为光伏阵列P-V特性曲线走势图；

图3为MPPT系统结构图；

图4.1为随机的局部遮挡情况，即光照情况c；

图4.2为随机的局部遮挡情况，即光照情况d；

图5.1为光照情况a时，光伏特性P-V曲线；

图5.2为光照情况a时，最大功率点跟踪仿真曲线；

图5.3为光照情况b时，光伏特性P-V曲线；

图5.4为光照情况b时，最大功率点跟踪仿真曲线；

图5.5为光照情况c时，光伏特性P-V曲线；

图5.6为光照情况c时，最大功率点跟踪仿真曲线；

图5.7为光照情况d时，光伏特性P-V曲线；

图5.8为光照情况d时，最大功率点跟踪仿真曲线。

具体实施方式

以下结合附图实例对本发明作进一步详细描述。

一种光伏阵列局部遮挡下最大功率点跟踪方法，以典型的太阳能电池板BPSolarP4175为例，包括以下步骤：

步骤①：光伏系统启动后，调节DC_DC电路占空比为0，采样光伏阵列开路电压Vr，设定第k次区间[V_{left_in}(k),V_{right_in}(k)]，V_{left_in}(k)、V_{right_in}(k)分别表示区间左、右端点输出电压值，令k＝0，则第0次区间数值为[0,Vr]，典型的太阳能电池板BPSolarP4175的开路电压Vr＝42.6；

步骤②：计算区间范围△V＝V_{right_in}(k)-V_{left_in}(k)，得到区间范围△V＝42.6-0＝42.6；

步骤③：对区间范围△V进行条件判断：

A)若满足△V>0.01，调节DC_DC电路占空比，采样光伏阵列输出电压和输出电流：当光伏阵列输出电压满足V_l(k)＝[V_{left_in}(k)+V_{right_in}(k)]/4，记录此时输出电流I_l(k)；当光伏阵列输出电压满足V_m(k)＝[V_{left_in}(k)+V_{right_in}(k)]/2，记录此时输出电流I_m(k)；当光伏阵列输出电压满足V_r(k)＝[V_{left_in}(k)+V_{right_in}(k)]×3/4，记录此时输出电流I_r(k)；V_l(k)、V_m(k)、V_r(k)表示第k次采样的输出电压，I_l(k)、I_m(k)、I_r(k)表示第k次采样的输出电流，分别对应上述输出电压；计算第k次采样时，3点功率值P(k)＝V(k)×I(k)，并进行条件判断：

a)若同时满足P_m(k)>P_l(k)和P_m(k)>P_r(k)，则记录当前最大功率点P_best(k)为P_m(k)，同时更新区间[V_{left_in}(k+1),V_{right_in}(k+1)]，数值为[V_l(k),V_r(k)]；采样次数k＝k+1，返回步骤②；

b)若不能同时满足P_m(k)>P_l(k)和P_m(k)>P_r(k)，调节DC_DC电路占空比，采样光伏阵列输出电压和输出电流：当光伏阵列输出电压满足V_{l_a}(k)＝[V_{left_in}(k)+V_l(k)]/2，记录此时输出电流I_{l_a}(k)；当光伏阵列输出电压满足V_{l_b}(k)＝[V_l(k)+V_m(k)]/2，记录此时输出电流I_{l_b}(k)；当光伏阵列输出电压满足V_{r_a}(k)＝[V_m(k)+V_r(k)]/2，记录此时输出电流I_{r_a}(k)；当光伏阵列输出电压满足V_{r_b}(k)＝[V_r(k)+V_{right_in}(k)]/2，记录此时输出电流I_{r_b}(k)；V_{l_a}(k)、V_{l_b}(k)、V_{r_a}(k)、V_{r_b}(k)表示第k次采样的输出电压，I_{l_a}(k)、I_{l_b}(k)、I_{r_a}(k)、I_{r_b}(k)表示第k次采样的输出电流，分别对应上述输出电压；计算第k次采样时，4点功率值P(k)＝V(k)×I(k)，并进行条件判断：

i.若满足P_{l_a}(k)+P_l(k)+P_{l_b}(k)>P_{r_a}(k)+P_r(k)+P_{r_b}(k)，则记录当前最大功率点P_best(k)为P_l(k)，同时更新区间[V_{left_in}(k+1),V_{right_in}(k+1)]，数值为[V_{left_in}(k),V_r(k)]；采样次数k＝k+1，返回步骤②；

ii.若不满足P_{l_a}(k)+P_l(k)+P_{l_b}(k)>P_{r_a}(k)+P_r(k)+P_{r_b}(k)，则记录当前最大功率点P_best(k)为P_r(k)，同时更新区间[V_{left_in}(k+1),V_{right_in}(k+1)]，数值为[V_l(k),V_{right_in}(k)]；采样次数k＝k+1，返回步骤②；

B)若不满足△V>0.01，得到输出电压V(k)＝[V_{left_in}(k)+V_{right_in}(k)]/2，所对应的输出功率即为最大功率点，实现最大功率点跟踪。

根据以上步骤，显然△V>0.01，那么，调节DC_DC电路占空比，采样光伏阵列输出电压和输出电流。假设当前环境为光照强度d，当光伏阵列输出电压满足V_l(0)＝[V_{left_in}(0)+V_{right_in}(0)]/4＝42.6/4＝10.65，记录此时输出电流I_l(0)＝5.13；当光伏阵列输出电压满足V_m(0)＝[V_{left_in}(0)+V_{right_in}(0)]/2＝21.3，记录此时输出电流I_m(0)＝3.51；当光伏阵列输出电压满足V_r(0)＝[V_{left_in}(0)+V_{right_in}(0)]×3/4＝31.95，记录此时输出电流I_r(0)＝0.81；计算3点功率值分别为P_l(0)＝V_l(0)×I_l(0)＝54.63，P_m(0)＝V_m(0)×I_m(0)＝74.76，P_r(0)＝V_r(0)×I_r(0)＝25.87。显然，同时满足P_m(0)>P_l(0)和P_m(0)>P_r(0)，则记录当前最大功率点P_best(k)为P_m(0)，同时更新区间[V_{left_in}(1),V_{right_in}(1)]，数值为[V_l(k),V_r(k)]，即[10.65，31.95]；采样次数k＝1，返回步骤②；直到满足△V<0.01，得到输出电压V(k)＝[V_{left_in}(k)+V_{right_in}(k)]/2，所对应的输出功率即为最大功率点，实现最大功率点跟踪。

本发明的最大功率点跟踪(MPPT)方法的可行性和有效性可以通过以下仿真结果进一步说明。

表1光照情况a、b下跟踪精度和速度的比较

表2光照情况c、d下跟踪精度和速度的比较

表1和表2为在相同测试平台下，不同MPPT方法的仿真数据，作为比较的MPPT方法，分别以其提出者的名字Nguyen和Agrawal加以区分。测试平台采用Windows7操作系统，CPU时钟频率为3.4GHz，内存为4GB的PC机，通过Matlab/Simulink建模实现，在四种随机产生的光照情况下进行仿真，与Nguyen和Agrawal提出的MPPT方法进行了比较。

MPPT系统结构图如图3所示。MPPT控制器是方法的核心，采样周期为0.04s。PI控制用以将电压步长转化为占空比。PV阵列选用多峰效应明显的光伏电池元串联构成的光伏电池阵列，如BPSolar公司的BPSolarP4175。

光照情况a：光伏阵列处于标准条件：光照强度Sun＝1000W/m²，环境温度T＝25℃。

光照情况b：30.6％光伏电池元处于Sun＝200W/m²光照强度下，20.8％光伏电池元处于Sun＝800W/m²光照强度下，20.8％光伏电池元处于Sun＝500W/m²光照强度下，余下未被遮挡，处于Sun＝1000W/m²光照强度下。

随机的局部遮挡情况，光照情况c：如图4.1，光伏电池受一组障碍物遮挡，每组障碍物由于中心与边沿遮挡程度不同，使光伏电池受到不同程度的遮挡，数据如[20.83％500]表示遮挡面积为20.83％的光伏电池处于500W/m²的光照强度下。

随机的局部遮挡情况，光照情况d：如图4.2。

图5.1-图5.8为不同光照情况下，光伏特性P-V曲线和最大功率点跟踪仿真曲线，结合表1可知，光伏阵列处于标准条件下，三种方法皆可到达全局最大功率点。在光照情况b下，光照强度的复杂度较低，三种方法依然能快速锁定全局最大功率点，与另两种方法相比，本发明方法的跟踪速度提升9.09％。结合表2可知，由于局部最大功率点的值和全局最大功率点的值相近，Nguyen和Agrawal提出的两种方法可能会错过全局最大功率点。例如在光照情况c下，Agrawal所提出的方法未能准确跟踪全局最大功率点；在光照情况d下，由于几个局部最大功率点的值相近，并且位置较为集中，Nguyen所提出的方法未能准确跟踪全局最大功率点，Agrawal所提出的方法由于不存在前期错过全局最大功率点的情况，依然能锁定全局最大功率点，本发明方法通过分析光伏阵列的特性将单边收缩和双边收缩结合，在保证跟踪速度的同时，能准确跟踪全局最大功率点。

Claims (1)

1.一种光伏阵列局部遮挡下最大功率点跟踪方法，其特征在于包括以下步骤：

步骤①：光伏系统启动后，调节DC_DC电路占空比为0，采样光伏阵列开路电压Vr，设定第k次区间[V_{left_in}(k),V_{right_in}(k)]，V_{left_in}(k)、V_{right_in}(k)分别表示区间左、右端点输出电压值，令k＝0，则第0次区间数值为[0,Vr]；

步骤②：计算区间范围△V＝V_{right_in}(k)-V_{left_in}(k)；

步骤③：对区间范围△V进行条件判断：

A)若满足△V>0.01，调节DC_DC电路占空比，采样光伏阵列输出电压和输出电流：当光伏阵列输出电压满足V_l(k)＝[V_{left_in}(k)+V_{right_in}(k)]/4，记录此时输出电流I_l(k)；当光伏阵列输出电压满足V_m(k)＝[V_{left_in}(k)+V_{right_in}(k)]/2，记录此时输出电流I_m(k)；当光伏阵列输出电压满足V_r(k)＝[V_{left_in}(k)+V_{right_in}(k)]×3/4，记录此时输出电流I_r(k)；V_l(k)、V_m(k)、V_r(k)表示第k次采样的输出电压，I_l(k)、I_m(k)、I_r(k)表示第k次采样的输出电流，分别对应上述输出电压；计算第k次采样时，3点功率值P(k)＝V(k)×I(k)，并进行条件判断：

a)若同时满足P_m(k)>P_l(k)和P_m(k)>P_r(k)，则记录当前最大功率点P_best(k)为P_m(k)，同时更新区间[V_{left_in}(k+1),V_{right_in}(k+1)]，数值为[V_l(k),V_r(k)]；采样次数k＝k+1，返回步骤②；

b)若不能同时满足P_m(k)>P_l(k)和P_m(k)>P_r(k)，调节DC_DC电路占空比，采样光伏阵列输出电压和输出电流：当光伏阵列输出电压满足V_{l_a}(k)＝[V_{left_in}(k)+V_l(k)]/2，记录此时输出电流I_{l_a}(k)；当光伏阵列输出电压满足V_{l_b}(k)＝[V_l(k)+V_m(k)]/2，记录此时输出电流I_{l_b}(k)；当光伏阵列输出电压满足V_{r_a}(k)＝[V_m(k)+V_r(k)]/2，记录此时输出电流I_{r_a}(k)；当光伏阵列输出电压满足V_{r_b}(k)＝[V_r(k)+V_{right_in}(k)]/2，记录此时输出电流I_{r_b}(k)；V_{l_a}(k)、V_{l_b}(k)、V_{r_a}(k)、V_{r_b}(k)表示第k次采样的输出电压，I_{l_a}(k)、I_{l_b}(k)、I_{r_a}(k)、I_{r_b}(k)表示第k次采样的输出电流，分别对应上述输出电压；计算第k次采样时，4点功率值P(k)＝V(k)×I(k)，并进行条件判断：

i.若满足P_{l_a}(k)+P_l(k)+P_{l_b}(k)>P_{r_a}(k)+P_r(k)+P_{r_b}(k)，则记录当前最大功率点P_best(k)为P_l(k)，同时更新区间[V_{left_in}(k+1),V_{right_in}(k+1)]，数值为[V_{left_in}(k),V_r(k)]；采样次数k＝k+1，返回步骤②；

ii.若不满足P_{l_a}(k)+P_l(k)+P_{l_b}(k)>P_{r_a}(k)+P_r(k)+P_{r_b}(k)，则记录当前最大功率点P_best(k)为P_r(k)，同时更新区间[V_{left_in}(k+1),V_{right_in}(k+1)]，数值为[V_l(k),V_{right_in}(k)]；采样次数k＝k+1，返回步骤②；

B)若不满足△V>0.01，得到输出电压V(k)＝[V_{left_in}(k)+V_{right_in}(k)]/2，所对应的输出功率即为最大功率点，实现最大功率点跟踪。