CN111596718A - 光伏发电控制方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种光伏发电控制方法、装置、计算机设备和存储介质。该方法包括：电子设备获取各时刻下光伏阵列中各光伏模组的输出电压，其中输出电压与输出功率在电压功率特性曲线中具有对应的关系。然后，电子设备根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将最大输出功率点作为第一全局最大输出功率点；最后，电子设备根据预设的最大功率追踪算法，对第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点。电子设备获取第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制光伏阵列按照目标输出电压进行输出。采用本方法能够提高光伏发电系统发电效率。

Description

光伏发电控制方法、装置、计算机设备和存储介质

技术领域

本申请涉及新能源发电技术领域，特别是涉及一种光伏发电控制方法、装置、计算机设备和存储介质。

背景技术

近年来，由于光伏发电洁净、无污染的特点，在新能源发电技术领域受到了广泛的关注。

在光伏发电过程中，光伏发电系统中的光伏阵列容易受到环境因素(如浮云、建筑物等影子的遮挡)的影响，造成光伏阵列的各光伏模组接收到的光照强度不同，进而导致光伏发电系统不能以最大输出功率向外输电，光伏发电的发电效率低。

目前的光伏发电方法采用扰动观察法或固定步长电导增量法来确定光伏发电系统处于局部遮荫情况下的光伏最大输出功率，然而，扰动观察法或固定步长电导增量法在确定最大输出功率的时候，追踪最大输出功率速度慢且容易陷入局部最优解(局部最大功率点)，因此，亟需一种实时保持最大输出功率的光伏发电控制方法来提高光伏发电的效率。

发明内容

基于此，有必要针对上述技术问题，提供一种光伏发电控制方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种光伏发电控制方法，所述方法包括：

获取各时刻下光伏阵列中各光伏模组的输出电压，其中，所述输出电压与输出功率在电压功率特性曲线中具有对应的关系；

根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将所述最大输出功率点作为第一全局最大输出功率点；

根据预设的最大功率追踪算法，对所述第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点；

获取所述第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制所述光伏阵列按照所述目标输出电压进行输出。

作为一种可选的实施方式，所述预设的最大功率确定算法为混沌粒子群算法，所述根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将所述最大输出功率点作为第一全局最大输出功率点，包括：

获取预设的粒子群及该粒子群中各粒子的粒子参数，其中，所述粒子为具备粒子速度属性和粒子位置属性的最大功率点搜寻粒子；

初始化该粒子群中各搜寻粒子的粒子速度和粒子位置，建立粒子群适应度评价函数，得到各搜寻粒子对应的适应度值，并在各搜寻粒子及各搜寻粒子的适应度值中确定出个体最优粒子、个体最优适应度值、全局最优粒子和全局最优适应度值；

将所述确定出的全局最优粒子对应的粒子位置，进行混沌变换，根据混沌变换后的所述全局最优粒子对应的粒子位置，确定全局最优粒子对应的适应度值，并将所述全局最优粒子对应的适应度值作为全局最大输出功率点。

作为一种可选的实施方式，所述方法还包括：

当各搜寻粒子的粒子速度和粒子位置达到预设的更新迭代次数时，停止搜寻最大输出功率点，将得到的所述全局最大输出功率点作为所述第一全局最大输出功率点。

作为一种可选的实施方式，所述方法还包括：

根据预设的粒子群群体适应度方差算法，得到该粒子群对应的群体适应度方差，并根据预设的群体适应度方差阈值判断该粒子群中各搜寻粒子是否早熟；

如果所述群体适应度方差小于所述预设的群体适应度方差阈值，则该粒子群中的搜寻粒子早熟，根据预设的早熟粒子位置更新算法，重新更新该粒子群中粒子的粒子位置。

作为一种可选的实施方式，所述预设的最大功率追踪算法为非固定步长变换量电导增量算法，所述根据预设的最大功率追踪算法，对所述第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点，包括：

根据所述第一全局最大输出功率点对应的输出电压、直流母线电压及预设的光伏发电系统占空比算法，确定当前光伏发电系统占空比；

根据当前光伏发电瞬时功率及预设的瞬时输出功率上下限阈值，判断光伏发电系统所处的运行条件；

若光伏发电系统所处运行条件为稳态条件，则通过预设的稳态步长变化算法、输出电压变化量、输出电流变化量、输出功率变化量和所述当前光伏发电系统占空比，确定光伏发电系统最优占空比及所述第二全局最大功率点。

作为一种可选的实施方式，所述方法还包括：

若光伏发电系统所处运行条件为动态条件，则通过预设的动态步长变化算法、输出电压变化量、输出电流变化量、输出功率变化量和所述当前光伏发电系统占空比，确定光伏发电系统最优占空比及所述第二全局最大功率点。

第二方面，本申请还提供了一种光伏发电控制装置，所述装置包括：

获取模块，用于获取各时刻下光伏阵列中各光伏模组的输出电压，其中，所述输出电压与输出功率在电压功率特性曲线中具有对应的关系；

确定模块，用于根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将所述最大输出功率点作为第一全局最大输出功率点；

调整模块，用于根据预设的最大功率追踪算法，对所述第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点；

控制模块，用于获取所述第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制所述光伏阵列按照所述目标输出电压进行输出。

作为一种可选的实施方式，所述预设的最大功率确定算法为混沌粒子群算法，所述确定模块具体用于获取预设的粒子群及该粒子群中各粒子的粒子参数，其中，所述粒子为具备粒子速度属性和粒子位置属性的最大功率点搜寻粒子；

初始化该粒子群中各搜寻粒子的粒子速度和粒子位置，建立粒子群适应度评价函数，得到各搜寻粒子对应的适应度值，并在各搜寻粒子及各搜寻粒子的适应度值中确定出个体最优粒子、个体最优适应度值、全局最优粒子和全局最优适应度值；

将所述确定出的全局最优粒子对应的粒子位置，进行混沌变换，根据混沌变换后的所述全局最优粒子对应的粒子位置，确定全局最优粒子对应的适应度值，并将所述全局最优粒子对应的适应度值作为全局最大输出功率点。

作为一种可选的实施方式，所述预设的最大功率追踪算法为非固定步长变换量电导增量算法，所述调整模块具体用于根据所述第一全局最大输出功率点对应的输出电压、直流母线电压及预设的光伏发电系统占空比算法，确定当前光伏发电系统占空比；

根据当前光伏发电瞬时功率及预设的瞬时输出功率上下限阈值，判断光伏发电系统所处的运行条件；

若光伏发电系统所处运行条件为稳态条件，则通过预设的稳态步长变化算法、输出电压变化量、输出电流变化量、输出功率变化量和所述当前光伏发电系统占空比，确定光伏发电系统最优占空比及所述第二全局最大功率点。

第三方面，本申请提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取各时刻下光伏阵列中各光伏模组的输出电压，其中，所述输出电压与输出功率在电压功率特性曲线中具有对应的关系；

根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将所述最大输出功率点作为第一全局最大输出功率点；

根据预设的最大功率追踪算法，对所述第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点；

获取所述第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制所述光伏阵列按照所述目标输出电压进行输出。

第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取各时刻下光伏阵列中各光伏模组的输出电压，其中，所述输出电压与输出功率在电压功率特性曲线中具有对应的关系；

根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将所述最大输出功率点作为第一全局最大输出功率点；

根据预设的最大功率追踪算法，对所述第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点；

获取所述第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制所述光伏阵列按照所述目标输出电压进行输出。

本申请提供了一种光伏发电控制方法、装置、计算机设备和存储介质，电子设备获取各时刻下光伏阵列中各光伏模组的输出电压，其中，所述输出电压与输出功率在电压功率特性曲线中具有对应的关系；然后，电子设备根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将所述最大输出功率点作为第一全局最大输出功率点；电子设备根据预设的最大功率追踪算法，对所述第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点；最后，电子设备获取所述第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制所述光伏阵列按照所述目标输出电压进行输出。采用该方法可以使光伏发电系统以更高输出功率工作，提高光伏发电系统发电效率。

附图说明

图1为本申请实施例提供的一种光伏发电控制方法的应用环境图；

图2为本申请实施例提供的一种光伏发电控制方法的流程示意图；

图3为本申请实施例提供的一种最大功率确定方法的流程示意图；

图4为本申请实施例提供的一种最大功率追踪方法的流程示意图；

图5为本申请实施例提供的一种光伏发电控制装置的结构示意图；

图6为本申请实施例提供的一种光伏发电控制方法实例的流程示意图；

图7为本申请实施例提供的一种电子设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的光伏发电控制方法，可以应用于如图1所示的光伏发电系统中。该光伏发电系统至少包括：光伏阵列、MPPT(Maximum Power Point Tracking，最大功率点追踪)电子设备、PWM(Pulse Width Modulation，脉冲宽度调制)寄存器、三相电压源换流器、连接电感、等效配电系统、脉动滤波器和负载。其中，本申请提供的光伏发电控制方法具体应用于MPPT电子设备(简称为电子设备)，该电子设备通过执行光伏发电控制方法，提高光伏发电的稳定性，保证光伏发电以最大功率输出电能。并且电子设备输出的电能可以通过三相电压源换流器及连接电感，传输到光伏发电系统的公共连接点，以使等效配电系统和脉动滤波器将输出的电能分配给负载使用。

在一个实施例中，如图2所示，提供了一种光伏发电控制方法，以该方法应用于图1中的MPPT电子设备为例进行说明，包括以下步骤：

步骤201，获取各时刻下光伏阵列中各光伏模组的输出电压，其中，输出电压与输出功率在电压功率特性曲线中具有对应的关系。

在实施中，电子设备获取各时刻下光伏阵列中各光伏模组的输出电压。其中，各光伏模组的输出电压在电压-功率(P-V)特征曲线中具有对应的关系，输出电压对输出功率为一对一关系，输出功率对输出电压为一对多关系。

其中，电子设备可以但不限于获取各光伏模组各时刻下的输出电压U，电子设备还可以获取各光伏模组的输出电流I和当前环境光照强度S，得到输出电压U、输出电流I和光照强度S与输出功率P的对应关系。

步骤202，根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将最大输出功率点作为第一全局最大输出功率点。

在实施中，电子设备根据预设的最大功率确定算法，在每一时刻的各光伏阵列输出电压对应的输出功率中，确定最大输出功率点，并将该最大输出功率点作为第一全局最大输出功率点。

作为一种可选的实施方式，预设的最大功率确定算法为混沌粒子群算法，则步骤202具体处理过程如下：

步骤2021，获取预设的粒子群及该粒子群中各粒子的粒子参数，其中，粒子为具备粒子速度属性和粒子位置属性的最大功率点搜寻粒子。

在实施中，电子设备获取预设的搜寻粒子群及该粒子群中各粒子的粒子参数。其中，粒子群中的粒子为具备粒子速度属性和粒子位置属性的最大功率点搜寻粒子。

具体的，粒子参数可以包括惯性权重因子ω，个体认知因子c₁、群体认知因子c₂和群体适应度方差阈值ε(ε＝10)等。电子设备获取各搜寻粒子参数时，根据粒子群算法稳定性参数选择策略进行选择，当个体认知因子c₁和群体认知因子c₂均为2时，可以使得粒子寻优位置的期望与全局最优位置(最大功率点)最接近，从而加快各搜寻粒子的搜寻速度。因此，本申请实施例中电子设备获取到的c₁＝2,c₂＝2。另外，在各搜寻粒子对最大功率点搜寻过程中，各搜寻粒子首先需要具备全局搜索能力，其次是局部搜索能力。因此，在搜寻粒子的惯性权重因子ω选择策略上，电子设备需要通过非线性动态惯性权重法确定出各时刻下的惯性权重因子ω。例如：非线性动态惯性权重法确定出的t时刻的惯性权重因子：

其中，ω_max是最大惯性权重因子，一般取值为ω_max＝0.9。ω_min是最小惯性权重因子，一般取值为ω_min＝0.4。M是混沌粒子迭代最大次数，m是混沌粒子已经迭代次数。

步骤2022，初始化该粒子群中各搜寻粒子的粒子速度和粒子位置，建立粒子群适应度评价函数，得到各搜寻粒子对应的适应度值，并在各搜寻粒子及各搜寻粒子的适应度值中确定出个体最优粒子、个体最优适应度值、全局最优粒子和全局最优适应度值。

在实施中，对于粒子群中的搜寻粒子的粒子速度V_i和粒子位置X_i。具有如下约束：

其中，X_i表示粒子群t时刻的粒子位置向量。x_max表示各搜寻粒子的粒子位置与最大功率点的最远距离。x_min表示各搜寻粒子的粒子位置与最大功率点的最短距离。V_i表示粒子群t时刻的粒子速度向量。v_max表示搜寻粒子搜寻最大功率点的最大搜寻速度。v_min表示搜寻粒子搜寻最大功率点的最小搜寻速度。电子设备对于粒子群中各搜寻粒子，首先初始化各搜寻粒子的粒子速度和粒子位置。然后，建立以输出功率为标准的粒子群适应度评价函数。可选的，电子设备根据预先获取的各光伏模组的输入电压U_i、输入电流I_i和对应时刻下的光照强度S_i，建立输出功率的适应度评价函数P(U_i,I_i,S_i)(简称粒子群适应度评价函数)，根据该粒子群适应度评价函数得到粒子群中各搜寻粒子对应的适应度值(f_i表示粒子i的适应度值)，并在各搜寻粒子及各搜寻粒子的适应度值中确定出个体最优粒子和个体最优适应度值(即个体最大适应度值)、全局最优粒子和全局最优适应度值(即全局最大适应度值)。

可选的，电子设备也可以预先设置搜寻粒子的电压指标搜寻范围，如0.7U_mk～0.7U_zl，其中，U_mk为光伏模块的开路电压，U_zl为光伏列阵的开路电压。使各搜寻粒子能够在更小的电压搜寻范围内快速的确定个体最优适应度值P_bi和全局最优适应度值G_bi。

可选的，电子设备可以对各搜寻粒子的粒子速度和粒子位置进行实时更新。例如，t时刻的搜寻粒子i的粒子速度为

粒子位置为

则在t+1时刻，电子设备将粒子速度和粒子位置按照如下公式更新为

和

其中，

为t时刻得到的个体最优适应度值，

为t时刻得到的全局最优适应度值，r₁、r₂是[0,1]上均匀分布的随机数。进一步地，电子设备可以根据更新后的各粒子速度和粒子位置，更新得到下一时刻(t+1时刻)个体最优适应度值和全局最优适应度值。

步骤2023，将确定出的全局最优粒子对应的粒子位置，进行混沌变换，根据混沌变换后的全局最优粒子对应的粒子位置，确定全局最优粒子对应的适应度值，并将全局最优粒子对应的适应度值的粒子位置作为全局最大输出功率点。

在实施中，电子设备将确定出的全局最优粒子对应的粒子位置，进行混沌变换，以避免陷入选取出的为局部最优粒子的情况。具体的，混沌变化过程为：首先，电子设备将得到的全局最优粒子对应的粒子位置进行区间变换。例如。全局最优粒子的粒子位置为x^*，其中x^*∈[x_min,x_max]，则电子设备通过预设的区间转换算法

将该粒子位置x^*变换到[0,1]区间，z₀为区间转换过程中的第0维混沌变量(0<z₀<1)。其次，电子设备根据Logistic变换将区间变换后的全局最优粒子位置进行映射，其中，

是迭代了m+1次的第n维混沌变量，μ是控制参数，μ∈(0,4]。最后，电子设备通过向量的逆变换算法将混沌变换后的全局最优粒子映射回粒子搜索范围，确定混沌变换后的全局最优粒子对应的适应度值，并将该适应度值对应的粒子位置作为全局最大输出功率点。

本申请实施例中采用混沌粒子算法作为最大功率确定方法，能够解决传统最大功率确定方法中收敛速度慢、容易陷入局部最优解的情况，通过混沌粒子群算法中不断更新迭代粒子速度和粒子位置，也可以对最大输出功率点进行初步追踪，更准确地确定出最大输出功率点。

作为一种可选的实施方式，根据预设的粒子群群体适应度方差算法，得到该粒子群对应的群体适应度方差，并根据预设的群体适应度方差阈值判断该粒子群中各搜寻粒子是否早熟。

在实施中，电子设备根据的群体适应度方差算法如下所示：

其中，N为粒子数目，f_i为第i个粒子的适应度值，f_avg为全部粒子的平均适应度值，f为归一化因子。

如果群体适应度方差小于预设的群体适应度方差阈值(ε＝10)，则该粒子群中的搜寻粒子早熟，根据预设的早熟粒子位置更新算法，重新更新该粒子群中粒子的粒子位置。

在实施中，如果电子设备检测到该粒子群的群体适应度方差小于预设的群体适应度方差阈值(ε＝10)，则该粒子群中的搜寻粒子早熟。则需要对该粒子群中的粒子进行替换，根据预设的早熟粒子位置更新算法

重新搜索获取新的粒子位置。其中，x_in为搜寻粒子i的n维位置，

是迭代了m+1次的第n维混沌变量。

作为一种可选的实施方式，当各搜寻粒子的粒子速度和粒子位置达到预设的更新迭代次数时，停止搜寻最大输出功率点，将得到的全局最大输出功率点作为第一全局最大输出功率点。

在实施中，当电子设备检测到粒子群中各搜寻粒子的粒子速度和粒子位置达到预设的更新迭代次数M时，停止搜寻最大输出功率点，并将得到的全局最大输出功率点作为第一全局最大输出功率点。

可选的，如果电子设备检测到粒子群中各搜寻粒子的粒子速度和粒子位置未达到预设的更新迭代次数时，继续执行粒子更新迭代的步骤三。

由于混沌粒子群算法搜索到的第一全局最大功率点不一定精准，电子设备继续采用非固定步长变换量电导增量算法对搜索到的第一全局最大功率点进行实时追踪和调整。

步骤203，根据预设的最大功率追踪算法，对第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点。

在实施中，电子设备根据预设的最大功率追踪算法，对得到的第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点。具体的，电子设备可以对第一全局最大输出功率点对应的输出电压进行追踪和调整，得到第二全局最大输出功率点及对应的输出电压。

作为一种可选的实施方式，预设的最大功率追踪算法为非固定步长变换量电导增量算法，则步骤203具体处理过程如下：

步骤2031，根据第一全局最大输出功率点对应的输出电压、直流母线电压及预设的光伏发电系统占空比算法，确定当前光伏发电系统占空比。

在实施中，电子设备将第一全局最大输出功率点对应的输出电压作为参考电压V_ref，然后，电子设备根据直流母线电压V_DCref及预设的光伏发电系统占空比算法，确定当前光伏发电系统占空比D₁。

其中，θ为损耗补偿分量，本申请实施例中θ＝1.1，V_x为光伏发电系统电压的幅值。

步骤2032，根据当前光伏发电瞬时功率及预设的瞬时输出功率上下限阈值，判断光伏发电系统所处的运行条件。

在实施中，电子设备根据当前光伏发电瞬时功率P及预设的瞬时输出功率上限阈值(l_u×P₁)和下限阈值(l_l×P₁)，判断光伏发电系统所处的运行条件。其中，瞬时功率上、下限阈值中的输出功率系数为l_u和l_l，如下所示：

其中，d_base为预设的固定步长，取值为0.01。V_OC和V_mpp分别为标准温度、标准光强下的开路电压和每次迭代找到的最大功率点处的电压。

当光伏发电系统的瞬时输出功率P，在预设的瞬时输出功率上限阈值(l_u×P₁)和下限阈值(l_l×P₁)的范围内时，即(l_l×P₁)≤P≤(l_u×P₁)，电子设备判定光伏发电系统所处的运行条件为稳态条件。反之，光伏发电系统的瞬时输出功率P在预设的瞬时输出功率上限阈值(l_u×P₁)和下限阈值(l_l×P₁)的范围外，则电子设备判定光伏发电系统所处的运行条件为动态条件。

步骤2033，若光伏发电系统所处运行条件为稳态条件，则通过预设的稳态步长变化算法、输出电压变化量、输出电流变化量、输出功率变化量和当前光伏发电系统占空比，确定光伏发电系统最优占空比及第二全局最大功率点。

在实施中，若光伏发电系统所处运行条件为稳态条件，则电子设备通过预设的稳态步长变化算法、输出电压变化量dV、输出电流变化量dI、输出功率变化量dP和当前光伏发电系统占空比D₁，确定光伏发电系统最优占空比D及第二全局最大功率点。

具体的，当电子设备检测出光伏发电系统处于稳态条件时，电子设备需要控制减小步长变化量来减轻稳态震荡，即电子设备对光伏发电系统的占空比进行多次检测，如，获取光伏发电系统前三次检测到的光伏发电系统占空比和后三次检测到的光伏发电系统占空比，将前三次占空比相加存储至变量m₁中，将后三次占空比相加存储到变量n₁中，进而电子设备进行步长变化量的计算，电子设备预设的稳态步长变化算法如下所示：

其中，d_n1为光伏发电的前一次检测的步长变化量。

在电子设备得到光伏发电系统处于稳态条件下的步长变化量d_n时，电子设备通过电流传感器和电压传感器获取当前光伏发电系统在该次检测前的输出电流I、输出电压V和输出功率P和该次检测后的输出电流I₁、输出电压V₁和输出功率P₁。进而得到输出电压变化量dV、输出电流变化量dI和输出功率变化量dP。

然后，电子设备根据稳态条件下的步长变化量d_n、输出电压变化量dV、输出电流变化量dI、输出功率变化量dP和当前光伏发电系统占空比D₁，确定出光伏发电系统的最优占空比，进而确定出第二全局最大功率点。具体的，计算光伏发电系统的最优占空比可以分为以下两种情况：

情况一，当dV＝0时，dI可以有以下三种情况：

(1)dI＝0,此时电子设备确定出的全局最优粒子位于光伏电池P-V功率特性曲线的最大功率点处，则最优占空比D＝D₁。

(2)dI>0，此时电子设备确定出的全局最优粒子位于光伏电池P-V功率特性曲线的最大功率点右侧，则最优占空比D应为D＝D₁+d_n。

(3)dI<0，此时电子设备确定出的全局最优粒子位于光伏电池P-V功率特性曲线的最大功率点左侧，则最优占空比D应为D＝D₁-d_n。

情况二，当dV≠0时，电子设备根据P-V功率特性曲线，在光伏发电系统的最大功率点处得到输出功率、输出电流和输出电压间的关系

根据该关系式，确定光伏发电系统最优占空比：

(1)

此时电子设备确定出的全局最优粒子位于光伏电池P-V功率特性曲线的最大功率点处，则最优占空比D＝D₁。

(2)

即

此时电子设备确定出的全局最优粒子位于光伏电池P-V功率特性曲线的最大功率点左侧，则最优占空比D应为D＝D₁-d_n。

(3)

此时电子设备确定出的全局最优粒子位于光伏电池P-V功率特性曲线的最大功率点右侧，则最优占空比D应为D＝D₁+d_n。

本申请实施例中最大功率追踪算法为非固定步长变换量的电导增量算法，采用该方法通过对光伏发电系统所述运行状态的判定，确定不同的步长变换量，进而确定光伏发电系统的最优占空比，从而高效准确的追踪到第二全局最大输出功率点。

作为一种可选的实施方式，若光伏发电系统所处运行条件为动态条件，则通过预设的动态步长变化算法、输出电压变化量、输出电流变化量、输出功率变化量和当前光伏发电系统占空比，确定光伏发电系统最优占空比及第二全局最大功率点。

在实施中，若光伏发电系统所处运行条件为动态条件，则电子设备通过预设的动态步长变化算法、输出电压变化量dV、输出电流变化量dI、输出功率变化量dP和当前光伏发电系统占空比D₁，确定光伏发电系统最优占空比D及第二全局最大功率点。

具体的，当电子设备检测出光伏发电系统处于动态条件时，电子设备需要通过增加步长变化量来跳变所需要的占空比，电子设备预设的动态步长变化算法如下所示：：

其中，P为光伏发电系统瞬时功率,P₁为光伏发电系统前一次检测的功率，d_n为确定出的动态步长变化量。

然后，电子设备根据动态条件下的步长变化量d_n、输出电压变化量dV、输出电流变化量dI、输出功率变化量dP和当前光伏发电系统占空比D₁，确定出光伏发电系统的最优占空比，进而确定出第二全局最大功率点。其中，电子设备根据动态条件下的步长变化量等上述参数确定出光伏发电系统最优占空比的方法与稳态条件下的方法相同，本申请实施例不再赘述。

步骤204，获取第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制光伏阵列按照目标输出电压进行输出。

在实施中，电子设备获取第二全局最大输出功率点对应的输出电压，并作为光伏阵列的目标输出电压，通过PWM(脉冲宽度调制)闭环控制来控制脉冲调整光伏发电系统至最优占空比，从而令光伏阵列按照目标输出电压进行输出。

可选的，当外界环境(例如，光照强度)发生变化时，光伏发电系统的最大输出功率点也会发生变化。此时，电子设备需要对光伏发电系统的最大功率点重新进行追踪。因此，电子设备需要对外界环境进行实时检测，电子设备根据光伏发电系统总输出功率变化量ΔP进行判断。

其中，P_r为光伏阵列实时输出功率，P_m为光伏阵列在上一时刻输出的最大功率。当检测到ΔP>0.1时，电子设备判定外界环境发生变化，重新执行步骤201-204步骤，否则继续保持输出最大功率点处电压。

本申请实施例提供了一种光伏发电控制方法，采用该方法电子设备获取各时刻下光伏阵列中各光伏模组的输出电压，其中，输出电压与输出功率在电压功率特性曲线中具有对应的关系；然后，电子设备根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将最大输出功率点作为第一全局最大输出功率点；电子设备根据预设的最大功率追踪算法，对第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点；最后，电子设备获取第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制光伏阵列按照目标输出电压进行输出。采用本方法可以使光伏发电系统以更高输出功率工作，提高光伏发电系统发电效率。

应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图5所示，本申请还提供了一种光伏发电控制方法的示例，具体步骤如下所示：

步骤501，获取搜寻最大输出功率点粒子群及各搜寻粒子的粒子参数，粒子参数中包含群体适应度方差阈值。

步骤502，获取输出电压、输出电流和输出功率数据，根据粒子群评价函数计算各搜寻粒子的适应度值。

步骤503，更新粒子群中各搜寻粒子的粒子位置和粒子速度。

步骤504，更新个体最优粒子和全局最优粒子。

步骤505，根据群体适应度方差阈值判断粒子群中粒子是否早熟，如果粒子群中粒子早熟，根据早熟粒子位置更新算法进行混沌搜索，对粒子群中各搜寻粒子的粒子位置进行更新，然后执行步骤503；如果粒子群中粒子未早熟，则执行步骤506。

步骤506，判断粒子群中粒子更新迭代次数是否达到最大迭代次数阈值，如果达到最大迭代次数，停止搜寻，并将得到的全局最优粒子对应的粒子位置作为第一全局最大输出功率点，执行步骤508；如果未达到最大迭代次数，执行步骤503。

步骤508，根据非固定步长变换量变化量的电导增量算法对第一全局最大输出功率点进行追踪调整，得到第二全局最大输出功率点。

步骤509，实时检测光伏发电系统总输出功率变化量，如果总输出功率变化量大于功率变化量阈值，则执行步骤501；如果总输出功率变化量小于等于功率变化量阈值，则将第二全局最大输出功率点对应的电压，作为目标输出电压。

本申请提供的该光伏发电控制方法的示例，可以使光伏发电系统以更高输出功率工作，提高光伏发电系统发电效率。

在一个实施例中，如图6所示，本申请还提供了一种光伏发电控制装置，该装置包括：

获取模块610，用于获取各时刻下光伏阵列中各光伏模组的输出电压，其中，输出电压与输出功率在电压功率特性曲线中具有对应的关系。

确定模块620，用于根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将最大输出功率点作为第一全局最大输出功率点。

调整模块630，用于根据预设的最大功率追踪算法，对第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点。

控制模块640，用于获取第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制光伏阵列按照目标输出电压进行输出。

作为一种可选的实施方式，预设的最大功率确定算法为混沌粒子群算法，确定模块620具体用于获取预设的粒子群及该粒子群中各粒子的粒子参数，其中，粒子为具备粒子速度属性和粒子位置属性的最大功率点搜寻粒子。

初始化该粒子群中各搜寻粒子的粒子速度和粒子位置，建立粒子群适应度评价函数，得到各搜寻粒子对应的适应度值，并在各搜寻粒子及各搜寻粒子的适应度值中确定出个体最优粒子、个体最优适应度值、全局最优粒子和全局最优适应度值。

将确定的全局最优粒子对应的粒子位置，进行混沌变换，根据混沌变换后的全局最优粒子对应的粒子位置，确定全局最优粒子对应的适应度值，并将全局最优粒子对应的适应度值的粒子位置作为全局最大输出功率点。

作为一种可选的实施方式，该装置还包括：

判定模块，用于当各搜寻粒子的粒子速度和粒子位置达到预设的更新迭代次数时，停止搜寻最大输出功率点，将得到的全局最大输出功率点作为第一全局最大输出功率点。

作为一种可选的实施方式，该装置还包括：

判断模块，用于根据预设的粒子群群体适应度方差算法，得到该粒子群对应的群体适应度方差，并根据预设的群体适应度方差阈值判断该粒子群中各搜寻粒子是否早熟。

重新获取模块，用于如果群体适应度方差小于预设的群体适应度方差阈值，则该粒子群中的搜寻粒子早熟，根据预设的早熟粒子位置更新算法，重新更新粒子群中粒子的粒子位置。

作为一种可选的实施方式，预设的最大功率追踪算法为非固定步长变换量电导增量算法，调整模块630具体用于根据第一全局最大输出功率点对应的输出电压、直流母线电压及预设的光伏发电系统占空比算法，确定当前光伏发电系统占空比。

根据当前光伏发电瞬时功率及预设的瞬时输出功率上下限阈值，判断光伏发电系统所处的运行条件。

若光伏发电系统所处运行条件为稳态条件，则通过预设的稳态步长变化算法、输出电压变化量、输出电流变化量、输出功率变化量和当前光伏发电系统占空比，确定光伏发电系统最优占空比及第二全局最大功率点。

作为一种可选的实施方式，调整模块630还用于若光伏发电系统所处运行条件为动态条件，则通过预设的动态步长变化算法、输出电压变化量、输出电流变化量、输出功率变化量和当前光伏发电系统占空比，确定光伏发电系统最优占空比及第二全局最大功率点。

本申请实施例提供了一种光伏发电控制装置，该装置包括：获取模块610、确定模块620、调整模块630和控制模块640。获取模块610，用于获取各时刻下光伏阵列中各光伏模组的输出电压，其中，输出电压与输出功率在电压功率特性曲线中具有对应的关系；确定模块620，用于根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将最大输出功率点作为第一全局最大输出功率点；调整模块630，用于根据预设的最大功率追踪算法，对第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点；控制模块640，用于获取第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制光伏阵列按照目标输出电压进行输出。采用本装置可以使光伏发电系统以更高输出功率工作，提高光伏发电系统发电效率。

关于光伏发电控制装置的具体限定可以参见上文中对于光伏发电控制方法的限定，在此不再赘述。上述光伏发电控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种电子设备，该电子设备可以是终端，其内部结构图可以如图7所示。该电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种光伏发电控制方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种光伏发电控制方法，其特征在于，所述方法包括：

获取各时刻下光伏阵列中各光伏模组的输出电压，其中，所述输出电压与输出功率在电压功率特性曲线中具有对应的关系；

根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将所述最大输出功率点作为第一全局最大输出功率点；

根据预设的最大功率追踪算法，对所述第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点；

获取所述第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制所述光伏阵列按照所述目标输出电压进行输出。

2.根据权利要求1所述的方法，其特征在于，所述预设的最大功率确定算法为混沌粒子群算法，所述根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将所述最大输出功率点作为第一全局最大输出功率点，包括：

获取预设的粒子群及该粒子群中各粒子的粒子参数，其中，所述粒子为具备粒子速度属性和粒子位置属性的最大功率点搜寻粒子；

初始化该粒子群中各搜寻粒子的粒子速度和粒子位置，建立粒子群适应度评价函数，得到各搜寻粒子对应的适应度值，并在各搜寻粒子及各搜寻粒子的适应度值中确定出个体最优粒子、个体最优适应度值、全局最优粒子和全局最优适应度值；

将所述确定出的全局最优粒子对应的粒子位置，进行混沌变换，根据混沌变换后的所述全局最优粒子对应的粒子位置，确定全局最优粒子对应的适应度值，并将所述全局最优粒子对应的适应度值作为全局最大输出功率点。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当各搜寻粒子的粒子速度和粒子位置达到预设的更新迭代次数时，停止搜寻最大输出功率点，将得到的所述全局最大输出功率点作为所述第一全局最大输出功率点。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据预设的粒子群群体适应度方差算法，得到该粒子群对应的群体适应度方差，并根据预设的群体适应度方差阈值判断该粒子群中各搜寻粒子是否早熟；

如果所述群体适应度方差小于所述预设的群体适应度方差阈值，则该粒子群中的搜寻粒子早熟，根据预设的早熟粒子位置更新算法，重新更新该粒子群中粒子的粒子位置。

5.根据权利要求1所述的方法，其特征在于，所述预设的最大功率追踪算法为非固定步长变换量电导增量算法，所述根据预设的最大功率追踪算法，对所述第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点，包括：

根据所述第一全局最大输出功率点对应的输出电压、直流母线电压及预设的光伏发电系统占空比算法，确定当前光伏发电系统占空比；

根据当前光伏发电瞬时功率及预设的瞬时输出功率上下限阈值，判断光伏发电系统所处的运行条件；

若光伏发电系统所处运行条件为稳态条件，则通过预设的稳态步长变化算法、输出电压变化量、输出电流变化量、输出功率变化量和所述当前光伏发电系统占空比，确定光伏发电系统最优占空比及所述第二全局最大功率点。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

若光伏发电系统所处运行条件为动态条件，则通过预设的动态步长变化算法、输出电压变化量、输出电流变化量、输出功率变化量和所述当前光伏发电系统占空比，确定光伏发电系统最优占空比及所述第二全局最大功率点。

7.一种光伏发电控制装置，其特征在于，所述装置包括：

获取模块，用于获取各时刻下光伏阵列中各光伏模组的输出电压，其中，所述输出电压与输出功率在电压功率特性曲线中具有对应的关系；

确定模块，用于根据预设的最大功率确定算法，在每一时刻的各输出电压对应的输出功率中，确定最大输出功率点，并将所述最大输出功率点作为第一全局最大输出功率点；

调整模块，用于根据预设的最大功率追踪算法，对所述第一全局最大输出功率点进行追踪和调整，得到第二全局最大输出功率点；

控制模块，用于获取所述第二全局最大输出功率点对应的输出电压并作为光伏阵列的目标输出电压，控制所述光伏阵列按照所述目标输出电压进行输出。

8.根据权利要求7所述的装置，其特征在于，所述预设的最大功率确定算法为混沌粒子群算法，所述确定模块具体用于获取预设的粒子群及该粒子群中各粒子的粒子参数，其中，所述粒子为具备粒子速度属性和粒子位置属性的最大功率点搜寻粒子；

初始化该粒子群中各搜寻粒子的粒子速度和粒子位置，建立粒子群适应度评价函数，得到各搜寻粒子对应的适应度值，并在各搜寻粒子及各搜寻粒子的适应度值中确定出个体最优粒子、个体最优适应度值、全局最优粒子和全局最优适应度值；

将所述确定出的全局最优粒子对应的粒子位置，进行混沌变换，根据混沌变换后的所述全局最优粒子对应的粒子位置，确定全局最优粒子对应的适应度值，并将所述全局最优粒子对应的适应度值作为全局最大输出功率点。

9.根据权利要求7所述的装置，其特征在于，所述预设的最大功率追踪算法为非固定步长变换量电导增量算法，所述调整模块具体用于根据所述第一全局最大输出功率点对应的输出电压、直流母线电压及预设的光伏发电系统占空比算法，确定当前光伏发电系统占空比；

根据当前光伏发电瞬时功率及预设的瞬时输出功率上下限阈值，判断光伏发电系统所处的运行条件；

若光伏发电系统所处运行条件为稳态条件，则通过预设的稳态步长变化算法、输出电压变化量、输出电流变化量、输出功率变化量和所述当前光伏发电系统占空比，确定光伏发电系统最优占空比及所述第二全局最大功率点。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

Images