CN105334901A - 一种光伏发电系统最大功率点智能跟踪方法 - Google Patents

Abstract

本发明公开了一种光伏发电系统最大功率点智能化跟踪方法，首先，根据光伏发电系统中光伏电池阵列数学模型构建了目标函数；其次，通过从多个电压区间进行智能搜索的方式，快速获得多个最优解；最后，通过在速度函数中引入全局比较因子ξ，实现了局部寻优及全局寻优的兼顾。本发明避免传统跟踪方法跟踪精度不高、容易在最大功率点附近振荡的缺点，可实现外界环境变化时光伏发电系统最大功率点的精确跟踪，动态响应速度快，不易陷入局部最优解，减少了系统在最大功率点振荡时的能量损失，提高光伏发电系统输出效率。

Description

一种光伏发电系统最大功率点智能跟踪方法

技术领域

本发明涉及新能源开发及应用技术领域，特别涉及一种光伏发电系统最大功率点智能跟踪方法，该方法可实现外界环境变化时光伏发电系统最大功率点的精确跟踪。

背景技术

太阳能已成为目前应用最广泛的可利用清洁能源，光伏太阳能技术在诸多太阳能应用技术中脱颖而出。然而，光伏太阳能电池在发电的过程中具有极其强烈的非线性，并且极易受到多种环境因素的影响，很难稳定运行于系统最大功率点的位置。因此，如何使光伏发电系统能够在多变的环境下准确的运行于最大功率点的位置成为了能源有效利用的关键，对光伏发电系统进行最大功率跟踪(MPPT)显得非常重要。

为了提高光伏发电系统的效率，获得尽可能多的电能，国内外对光伏发电系统的MPPT控制算法进行了广泛的研究，提出了多种MPPT控制算法，主要有：恒定电压法、扰动观测法、电导增量法。然而，传统的最大功率点跟踪方法总存在着诸如响应速度慢，跟踪精度不够，系统工作点在最大功率点附近振荡等不足之处，在实际应用中很难取得很好地效果，对光伏发电系统所带来的优势不明显，无法实现高精度快速跟踪最大功率点的目的，很难进行大规模推广。近年来随着科学技术的不断发展，智能优化方法步入人们的视野，并不断成为各个技术领域应用的核心技术手段，利用智能优化的方法解决工程问题已成为了工程技术领域必然的发展趋势，因此智能优化方法在光伏发电系统的最大功率点跟踪领域的应用成为了可能，并且成为该领域方向的研究热点。

发明内容

为了解决现有技术中存在的问题，本发明的目的在于提出一种光伏发电系统最大功率点智能跟踪方法。当外界环境变化时，其可实现对光伏发电系统最大功率点的精确跟踪，避免传统跟踪方法在最大功率点附近振荡的缺点，提高光伏发电系统的输出效率。

为达到以上目的，本发明是采取如下技术方案予以实现的：

一种光伏发电系统最大功率点智能跟踪方法，包括下述步骤：

步骤一，构建考虑太阳辐射变化和温度影响时的光伏发电系统中光伏电池阵列数学模型如下式：

$I=I_{sc}(1-{\mathrm{\Ψ}}_1(e^{\frac{U-\mathrm{\Δ}U}{{\mathrm{\Ψ}}_2{U}_{oc}}}-1\left)\right)+\mathrm{\Δ}I$

式中，U为光伏电池阵列电压，I为对应的输出电流，Ψ₂＝(U_m/U_oc-1)/ln(1-I_m/I_sc)，ΔU＝-β·ΔT-R_s·ΔI，ΔI＝α·S/S_ref·ΔT+(S/S_ref-1)·I_sc，ΔT＝T_c-T_ref，T_c＝T_a+t_c·S；S_ref为太阳辐射参考值，取1kW/m²，T_ref为温度参考值，取25℃；为短路电流，为开路电压，I_m、U_m分别为最大功率点电流和电压，α为电流随温度变化系数，β为电压随温度变化系数，以上参数都在S_ref、T_ref条件下获取；R_s为光伏模块串联电阻；S为总太阳辐射，T_c为太阳电池温度，T_a为环境温度，t_c为电池模块温度系数；

步骤二，构建跟踪目标函数 $F=I_{sc}(1-{\mathrm{\Ψ}}_1(e^{\frac{U-\mathrm{\Δ}U}{{\mathrm{\Ψ}}_2{U}_{oc}}}-1\left)\right)+\mathrm{\Δ}I-{\mathrm{UI}}_{sc}{\mathrm{\Ψ}}_1{e}^{\frac{U-\mathrm{\Δ}U}{{\mathrm{\Ψ}}_2{U}_{oc}}}/\left({\mathrm{\Ψ}}_2{U}_{oc}\right),$ 给定搜索分段数η＝10，电压间隔λ＝U_OC/η，初始电压值U⁽¹⁾＝[λ,3λ,…,U_oc-λ]^T，初始步长δ＝λ/4，初始点方向因子μ＝[1,-1]，速度因子c₁＝2，c₂＝2，k＝1，全局比较因子ξ＝λ/100，终止条件ε＝10^-3；

步骤三，如果F(x_i+μ₁δ)＜F(x_i)，令转步骤四；否则如果F(x_i+μ₂δ)＜F(x_i)，令转步骤四；否则，令转步骤四；其中，为本轮比较搜索中的优异值；

步骤四，如果转步骤五；否则转步骤六；其中，为第k次迭代后的电压值；

步骤五，如果δ＞ξ，令 $U_i^{(k+1)}=x_i^{*},x_i=U_i^{(k+1)}+c_1(U_i^{(k+1)}-U_i^{\left(k\right)}),k=k+1,$ 转步骤三；否则令 $U_i^{(k+1)}=x_i^{*},x_i=U_i^{(k+1)}+c_1(U_i^{(k+1)}-U_i^{\left(k\right)})+c_2(U_{\mathrm{opt}}^{\left(k\right)}-U_i^{\left(k\right)}),k=k+1,$ 转步骤三；其中，为所对应的为第k+1次迭代后的电压值；

步骤六，如果δ＞ε，则令δ＝δ/2，转步骤三，否则，其中，U_opt为最大功率点对应的电压值。

与现有技术相比，本发明具有以下有益的技术效果：

1、本发明所述方法不需要求解目标函数的导数，所以在解决较为复杂的光伏发电系统最大功率点优化模型时非常有效；

2、本发明所述方法同时从多个初始值开始搜索，能快速找到最大功率点位置，动态响应速度快；

3、本发明所述方法在速度函数中考虑局部寻优及全局寻优的综合因素，不易陷入局部最优解，减少了系统在最大功率点振荡的能量损失。

为了更清楚的理解本发明，以下结合附图对本发明作进一步的详细说明。

附图说明

图1为本发明方法的步骤流程图；

图2为本发明方法实施例的总体框图；

图3为本发明方法实施例的MATLAB/Simulink仿真控制模型图；

图4为本发明方法实施例的最大功率点仿真计算结果图；

图5为本发明方法实施例的最大功率点智能跟踪效果图；

具体实施方式

如图1所示(其中图1中大写的Y是YES的缩写，代表满足所属条件的情况；大写的N是NO的缩写，代表不满足所属条件的情况)，一种光伏发电系统最大功率点智能跟踪方法，包括下述步骤：

步骤一，构建考虑太阳辐射变化和温度影响时的光伏发电系统中光伏电池阵列数学模型如下式：

$I=I_{sc}(1-{\mathrm{\Ψ}}_1(e^{\frac{U-\mathrm{\Δ}U}{{\mathrm{\Ψ}}_2{U}_{oc}}}-1\left)\right)+\mathrm{\Δ}I$

式中，U为光伏电池阵列电压，I为对应的输出电流，Ψ₂＝(U_m/U_oc-1)/ln(1-I_m/I_sc)，ΔU＝-β·ΔT-R_s·ΔI，ΔI＝α·S/S_ref·ΔT+(S/S_ref-1)·I_sc，ΔT＝T_c-T_ref，T_c＝T_a+t_c·S；S_ref为太阳辐射参考值，取1kW/m²，T_ref为温度参考值，取25℃；I_sc为短路电流，U_oc为开路电压，I_m、U_m分别为最大功率点电流和电压，α为电流随温度变化系数，β为电压随温度变化系数，以上参数都在S_ref、T_ref条件下获取；R_s为光伏模块串联电阻；S为总太阳辐射，T_c为太阳电池温度，T_a为环境温度，t_c为电池模块温度系数；

步骤二，构建跟踪目标函数 $F=I_{sc}(1-{\mathrm{\Ψ}}_1(e^{\frac{U-\mathrm{\Δ}U}{{\mathrm{\Ψ}}_2{U}_{oc}}}-1\left)\right)+\mathrm{\Δ}I-{\mathrm{UI}}_{sc}{\mathrm{\Ψ}}_1{e}^{\frac{U-\mathrm{\Δ}U}{{\mathrm{\Ψ}}_2{U}_{oc}}}/\left({\mathrm{\Ψ}}_2{U}_{oc}\right),$ 给定搜索分段数η＝10，电压间隔初始电压值U⁽¹⁾＝[λ,3λ,…,U_oc-λ]^T，初始步长δ＝λ/4，初始点方向因子μ＝[1,-1]，速度因子c₁＝2，c₂＝2，k＝1，全局比较因子ξ＝λ/100，终止条件ε＝10^-3；

步骤三，如果F(x_i+μ₁δ)＜F(x_i)，令转步骤四；否则如果F(x_i+μ₂δ)＜F(x_i)，令转步骤四；否则，令转步骤四；其中，为本轮比较搜索中的优异值；

步骤四，如果转步骤五；否则转步骤六；其中，为第k次迭代后的电压值；

步骤五，如果δ＞ξ，令 $U_i^{(k+1)}=x_i^{*},x_i=U_i^{(k+1)}+c_1(U_i^{(k+1)}-U_i^{\left(k\right)}),k=k+1,$ 转步骤三；否则令 $U_i^{(k+1)}=x_i^{*},x_i=U_i^{(k+1)}+c_1(U_i^{(k+1)}-U_i^{\left(k\right)})+c_2(U_{\mathrm{opt}}^{\left(k\right)}-U_i^{\left(k\right)}),k=k+1,$ 转步骤三；其中，为所对应的为第k+1次迭代后的电压值；

步骤六，如果δ＞ε，则令δ＝δ/2，转步骤三，否则，其中，U_opt为最大功率点对应的电压值。

实施例：

本实施例可以验证本发明的有效性和准确性。图2为实施例的总体框图。选取的光伏电池阵列在光辐射度为1kW/m²，温度为25℃的标准测试条件下基本参数为：I_m＝5.51A,、V_m＝18.17V,、V_oc＝21.6V、,I_sc＝6.06A、,α＝7.3×10^-3A/℃,、β＝0.108V/℃。基于MATLAB/Simulink工具箱，根据本发明方法构建的光伏电池仿真模型如图3所示。

假设随着天气的变化，光辐射度从1000W/m²逐渐降为800W/m²乃至500W/m²，根据仿真计算得到的理论最大功率点的结果如图4所示，而根据本发明方法得到的跟踪效果如图5所示。结合图4及图5，可以看出，基于本发明方法，当光照强度发生变化时，该系统能够快速地做出调节，使其工作在最大功率点附近，稳定性较好，而且很好的完善了恒压法当环境温度一定时光照强度发生较大改变从而使系统无法进行最大功率点跟踪的现象。

本实施例没有详细叙述的部件、工艺及字母表示属本行业的公知部件、和常用手段及常识，这里不一一叙述。

Claims (1)

1.一种光伏发电系统最大功率点智能跟踪方法，其特征在于：包括下述步骤：

步骤一，构建考虑太阳辐射变化和温度影响时的光伏发电系统中光伏电池阵列数学模型如下式：

$I=I_{sc}(1-{\mathrm{\Ψ}}_1(e^{\frac{U-\mathrm{\Δ}U}{{\mathrm{\Ψ}}_2{U}_{oc}}}-1\left)\right)+\mathrm{\Δ}I$

式中，U为光伏电池阵列电压，I为对应的输出电流，Ψ₂＝(U_m/U_oc-1)/ln(1-I_m/I_sc)，ΔU＝-β·ΔT-R_s·ΔI，ΔI＝α·S/S_ref·ΔT+(S/S_ref-1)·I_sc，ΔT＝T_c-T_ref，T_c＝T_a+t_c·S；S_ref为太阳辐射参考值，取1kW/m²，T_ref为温度参考值，取25℃；I_sc为短路电流，U_oc为开路电压，I_m、U_m分别为最大功率点电流和电压，α为电流随温度变化系数，β为电压随温度变化系数，以上参数都在S_ref、T_ref条件下获取；R_s为光伏模块串联电阻；S为总太阳辐射，T_c为太阳电池温度，T_a为环境温度，t_c为电池模块温度系数；

步骤二，构建跟踪目标函数 $F=I_{sc}(1-{\mathrm{\Ψ}}_1(e^{\frac{U-\mathrm{\Δ}U}{{\mathrm{\Ψ}}_2{U}_{oc}}}-1\left)\right)+\mathrm{\Δ}I-{\mathrm{UI}}_{sc}{\mathrm{\Ψ}}_1{e}^{\frac{U-\mathrm{\Δ}U}{{\mathrm{\Ψ}}_2{U}_{oc}}}/\left({\mathrm{\Ψ}}_2{U}_{oc}\right),$ 给定搜索分段数η＝10，电压间隔λ＝U_OC/η，初始电压值U⁽¹⁾＝[λ,3λ,…,U_oc-λ]^T，初始步长δ＝λ/4，初始点(i＝1,2,…floor(η/2))，方向因子μ＝[1,-1]，速度因子c₁＝2，c₂＝2，k＝1，全局比较因子ξ＝λ/100，终止条件ε＝10^-3；

步骤三，如果F(x_i+μ₁δ)＜F(x_i)，令转步骤四；否则如果F(x_i+μ₂δ)＜F(x_i)，令转步骤四；否则，令转步骤四；其中，为本轮比较搜索中的优异值；

步骤四，如果转步骤五；否则转步骤六；其中，为第k次迭代后的电压值；

步骤五，如果δ＞ξ，令 $U_i^{(k+1)}=x_i^{*},x_i=U_i^{(k+1)}+c_1(U_i^{(k+1)}-U_i^{\left(k\right)}),$ k＝k+1，转步骤三；否则令 $U_i^{(k+1)}=x_i^{*},x_i=U_i^{(k+1)}+c_1(U_i^{(k+1)}-U_i^{\left(k\right)})+c_2(U_{opt}^{\left(k\right)}-U_i^{\left(k\right)}),$ k＝k+1，转步骤三；其中，为min所对应的为第k+1次迭代后的电压值；

步骤六，如果δ＞ε，则令δ＝δ/2，k＝k+1，转步骤三，否则，其中，U_opt为最大功率点对应的电压值。