CN112631365B - 一种基于scasl的光伏发电多峰值mppt控制方法 - Google Patents
一种基于scasl的光伏发电多峰值mppt控制方法 Download PDFInfo
- Publication number
- CN112631365B CN112631365B CN202011517899.6A CN202011517899A CN112631365B CN 112631365 B CN112631365 B CN 112631365B CN 202011517899 A CN202011517899 A CN 202011517899A CN 112631365 B CN112631365 B CN 112631365B
- Authority
- CN
- China
- Prior art keywords
- algorithm
- sine
- mppt
- self
- photovoltaic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
- G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
- G05F1/66—Regulating electric power
- G05F1/67—Regulating electric power to the maximum power available from a generator, e.g. from solar cell
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Photovoltaic Devices (AREA)
- Control Of Electrical Variables (AREA)
Abstract
本发明公开了一种基于SCASL的光伏发电多峰值MPPT控制方法,其方法是利用自学习策略和Lévy飞行的正弦余弦优化算法,在基于该算法的局部搜索和全局探索的基础上,对最大功率点(Maximum Power Point,MPP)进行更快更精准的追踪,完成对局部阴影光伏阵列的MPPT的改进。本发明可以相较于粒子群算法,表现出良好的性能,尤其是架构简单,控制参数少,计算效率高,追踪速度。
Description
技术领域
本发明涉及用算法控制局部阴影光伏阵列的MPPT优化方法, 具体涉及一种基于SCASL的光伏发电多峰值MPPT控制方法。
背景技术
目前,从清洁能源中提取电能被认为是一种有效的、有效的能源。 但是由于传统能源(石油和天然气)仍然是当今发展中最重要的推动 力,所以提高清洁能源是现在新的努力发展必须要解决问题。石油和 天然气对地球上的生命产生了巨大的环境负面影响。在主要可利用的 绿色资源(太阳能、风能、生物质、水力和地热),太阳能是其中之一 最有前途的可再生能源,这是由于阳光照射到地球表面产生的能量转 换成的电能远远大于世界能源消耗。实际上,如果太阳能系统仅覆盖 地球表面的0.1%,效率为10%,它将足以满足我们目前的能源需求。 例如,在西班牙东南部,它的温室目前是由能源消耗产生的二氧化碳 排放但是如果使用太阳能其扇区将完全消失。此外,太阳能是独一无 二的可利用资源,在太阳系探测领域中,是目前的一个重要课题研究 课题。由于这些原因,太阳能的使用在过去几年中呈指数级增长。此 外,太阳能需要更少的维护,它的实施比其他可再生能源更容易。但 是,太阳能电池的效率很低,而且电能的输送依赖于环境辐射和温度。 因此,有必要从太阳能中提取最大可用功率,有几种跟踪最大功率点 的技术,这就是所谓的最大功率点跟踪算法。最传统的MPPT寻优的 方法例如恒定电压法,扰动观察法,电导增量法等,无法在多峰情况 下保证能找到最优点。所以产生了将智能算法代入其中寻找最优点的 想法。
早期的算法例如PSO算法,退火算法,遗传算法等,因为提出时 间较早所以如今也很难快速追踪到最优值并且也因为算法自身问题 很难跳出局部最优,搜索到真正的最大功率点。
本研究涉及一种基于SCASL的光伏发电多峰值MPPT控制方法, 该算法相较于传统算法,参数更少,精准度更高,搜索速度更快。
发明内容
针对之前局部阴光伏阵列MPPT的技术问题。本发明公开了一种 基于SCASL的光伏发电多峰值MPPT控制方法,将自学习策略和 Lévy飞行引入到正余弦算法中,以获得可以相较于PSO算法更好地 性能。
本发明解决上述技术的方案是:
首先将电路本身的参数进行修正,可以使算法在最优状态下进行 测试。
通过将PSO算法追踪光伏阵列最大功率点的方法实现,再将本 专利所用的算法进行对比。
本发明的技术效果在于:本发明利用自学习策略和Lévy飞行的 正余弦优化算法,利用自学习策略和Lévy飞行可以更好的使正余弦 算法在MPPT过程中可以避免陷入停滞,更好地扩大搜索范围跳出局 部最优点,而找到全局最优点。
本发明的适用领域:本发明可以运用在大部分需要用电的地方, 主要是农业用电例如光伏大棚,通讯用电例如光缆维护站供电系统, 家庭用电例如光伏系统,光伏电站等方面。
附图说明
图1为本发明局部阴影光伏阵列MPPT优化方法原理流程图。
图2为本发明主电路结构图。
图3为本发明Buck-Boost电路仿真模型。
具体实施方式
下面结合附图,对本发明作进一步的详细说明。
考虑到基础的正余弦算法无法在多峰的MPPT中可以更快地搜索 到全局最优的点,所以引入自学习策略,将实际的情况与算法结合。 本专利引入复合因子,是考虑生活中光伏板的阴影是不固定的随时间 和空间影响。例如常见的落叶、鸟粪、云朵和阳光照射角度等多方面。 图1所示是局部阴影光伏阵列的MPPT优化方法流程图。其具体实现 步骤如下:
第1步:正余弦算法在建立寻优时候的个体位置更新模型:
r1=a·(1-t/tmax)
Xij t为第t代种群的第i个搜索个体的第j维位置,Xjbest为当 前最优个体的第j维位置,t为迭代次数,tmax为最大迭代次数。
第2步:将自学习环节引入正余弦算法中,其搜索个体位置更新 模型:
所以引入自学习策略是因为复合因子的影响,将实际的情况与算 法结合是考虑生活中光伏板的阴影是不固定的随时间和空间影响。基 本的正余弦算法无法高效有用的进行局部搜索。
第3步:当算法陷入停滞时将Lévy飞行引入正余弦算法中,其 策略模型为:
将布谷鸟算法中的Lévy飞行代入正余弦算法中,是为了可以让 占空比的运动呈现更大范围和更多可能性,这也是因为复合因子的影 响在本专利中又一种全新的结合。
第4步:设置种群数目也就是所需粒子个数,其个数基本与光伏 阵列板的数量相等。同时设置迭代次数、维度、公式中的比例因子值 和Lévy飞行的指数(比例因子和飞行指数需要反复测试)。
第5步:设置个体的移动的边界,Pmin=0.1,Pmax=0,9。设置个体 位置六个个体可以设置为[0.2,0.3,0.4,0.5,0.6,0.7]。
第6步:实时采集光伏板的电压和电流通过主电路模块中的乘法 模块得出实时功率。
第7步:更新最优个体的占空比和每个个体的历史最右占空比。
第8步:判断算法是否陷入停滞。是则代入有Lévy飞行的正余 弦算法中;否则代入有自学习策略的正余弦算法中更新控制参数。
第9步:更新最新的搜索个体的位置。
第10步:更新最新的的输出功率也就是算法的适应度值。
第11步:输出最好的占空比。
第12步:如果发生阴影变化则重启算法,重新使算法收敛到最 大输出功率点。重启初始化条件的判断公式如下:
Preal代表当前最新测得的功率,PNowB代表当前最优功率。
图2为本发明主电路结构图。首先建立光伏电路板,根据光伏板 所受到的光照强度和环境温度,此刻光伏阵列可以呈现出多峰的P-V 曲线。同时本发明是以自学习策略和Lévy飞行的正余弦优化算法作 为电路MPPT模块。再得到输出电流和输出电压通过PWM模块和 Buck-Boost电路,实现光伏阵列的最大功率点追踪。
本专利改变了现在常见的Boost电路而使用Buck-Boost电路目 的是为了使输出电压保持稳定,可以在引入算法去追踪最大功率点时 候更快地追踪到。同时Buck-Boost电路的输入电压的范围较大,可 以更好地应用到实际当中,在实际中光伏板收到的光照强度不同,可 能一瞬间温度急速上升,输入电压可能会急速上升,从而需要一个较 宽的输入电压范围。
本专利在现在常见的结构中加入了太阳能储存模块,这样是考虑 到在光伏中,一些家庭的光伏设备不能大规模的将太阳能转换成电能, 所以储存起来再次进行转换,再在无阳光天气情况下,寻找最大功率 点,进行转换,进一步提高太阳能利用效率。
如图3所示,图3为Buck-Boost电路模型,其中L、Ci、Co和 Ro参数调整步骤如下:
步骤1:首先该电路四个参数可以在扰动观察法中进行计算,更 加简单方便,计算出的结果也可以用在本专利的Boost电路中。
步骤2:求L的公式如下:
步骤3:求Ci的公式如下:
步骤4:求Co和Ro的公式如下:
Claims (1)
1.一种基于自学习策略和Lévy的正余弦优化算法(Sine cosine optimizationalgorithm with self-learning strategy and Lévy flight,SCASL)的光伏发电多峰值MPPT控制方法,其特征在于自学习策略和Lévy的正余弦优化方法是在基于正弦余弦优化算法的基础上,加入了Lévy飞行和自学习方法,可以摆脱正弦余弦算法陷入局部搜索,再对MPPT进行追踪,首先利用MATLAB软件搭出电路模型,然后再将利用的SCASL算法带入到这个模型中来,最后完成对太阳能电池最大功率点的捕捉,改进后的智能算法相对于粒子群算法具有更快的 响应时间并且更加稳定;
步骤1:基于自学习策略和Lévy飞行的正弦余弦优化算法的局部阴影光伏阵列MPPT方法,四种不同工作模式;
步骤2:基于自学习策略和Lévy飞行的正弦余弦优化算法的局部阴影光伏阵列MPPT方法,搭出光伏阵列的电压电流和功率的输出曲线的电路模型:首先搭建6个光伏板,设置参数,连接示波器,分别导出输出电流,输出电压和输出功率;
步骤3:基于自学习策略和Lévy飞行的正弦余弦优化算法的局部阴影光伏阵列MPPT方法,搭出光伏MPPT电路结构图:由光伏阵列板,汇流器,PWM电路模块和Boost电路模块,MPPT模块以及示波器组成;
步骤4:基于自学习策略和Lévy飞行的正弦余弦优化算法的局部阴影光伏阵列MPPT方法,在SCASL算法使最大功率点(Maximum power point,MPP)到达稳态后,发生阴影面积变化后,能再次重启算法,到达新的MPP并稳定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011517899.6A CN112631365B (zh) | 2020-12-21 | 2020-12-21 | 一种基于scasl的光伏发电多峰值mppt控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011517899.6A CN112631365B (zh) | 2020-12-21 | 2020-12-21 | 一种基于scasl的光伏发电多峰值mppt控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112631365A CN112631365A (zh) | 2021-04-09 |
CN112631365B true CN112631365B (zh) | 2022-02-18 |
Family
ID=75320306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011517899.6A Active CN112631365B (zh) | 2020-12-21 | 2020-12-21 | 一种基于scasl的光伏发电多峰值mppt控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112631365B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115437451B (zh) * | 2022-09-01 | 2023-08-25 | 三峡大学 | 基于多策略改进的人工蜂群算法的光伏mppt控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101800489A (zh) * | 2010-01-13 | 2010-08-11 | 东南大学 | 单级光伏系统的最大功率跟踪控制方法 |
CN103885521A (zh) * | 2014-03-14 | 2014-06-25 | 河海大学 | 一种基于布谷鸟搜索算法的光伏阵列mppt方法 |
CN105183069A (zh) * | 2015-10-12 | 2015-12-23 | 上海电机学院 | 一种局部阴影下多峰值光伏最大功率跟踪控制方法 |
CN107193320A (zh) * | 2017-06-06 | 2017-09-22 | 湘潭大学 | 一种基于分子动理论优化算法的局部阴影光伏列阵mppt控制 |
CN109062314A (zh) * | 2018-09-20 | 2018-12-21 | 天津大学 | 局部遮蔽条件下的改进布谷鸟光伏全局最大功率追踪方法 |
KR101939541B1 (ko) * | 2018-08-10 | 2019-01-16 | 주식회사 대경산전 | 아크 검출 기능을 구비한 태양광 발전 에너지 옵티마이저 |
CN110471487A (zh) * | 2019-07-19 | 2019-11-19 | 湖南工业大学 | 一种基于自适应粒子群算法在光伏阵列多峰值系统mppt的控制方法 |
WO2020105031A1 (en) * | 2018-11-25 | 2020-05-28 | Vigdu V Technologies Ltd | A dc pullup system for optimizing solar string power generation systems |
-
2020
- 2020-12-21 CN CN202011517899.6A patent/CN112631365B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101800489A (zh) * | 2010-01-13 | 2010-08-11 | 东南大学 | 单级光伏系统的最大功率跟踪控制方法 |
CN103885521A (zh) * | 2014-03-14 | 2014-06-25 | 河海大学 | 一种基于布谷鸟搜索算法的光伏阵列mppt方法 |
CN105183069A (zh) * | 2015-10-12 | 2015-12-23 | 上海电机学院 | 一种局部阴影下多峰值光伏最大功率跟踪控制方法 |
CN107193320A (zh) * | 2017-06-06 | 2017-09-22 | 湘潭大学 | 一种基于分子动理论优化算法的局部阴影光伏列阵mppt控制 |
KR101939541B1 (ko) * | 2018-08-10 | 2019-01-16 | 주식회사 대경산전 | 아크 검출 기능을 구비한 태양광 발전 에너지 옵티마이저 |
CN109062314A (zh) * | 2018-09-20 | 2018-12-21 | 天津大学 | 局部遮蔽条件下的改进布谷鸟光伏全局最大功率追踪方法 |
WO2020105031A1 (en) * | 2018-11-25 | 2020-05-28 | Vigdu V Technologies Ltd | A dc pullup system for optimizing solar string power generation systems |
CN110471487A (zh) * | 2019-07-19 | 2019-11-19 | 湖南工业大学 | 一种基于自适应粒子群算法在光伏阵列多峰值系统mppt的控制方法 |
Non-Patent Citations (2)
Title |
---|
基于RBF 的光伏系统发电量智能预测研究;易灵芝等;《电源技术》;20130420;第37卷(第4期);606-608,611 * |
自学习策略和Lévy飞行的正弦余弦优化算法;李银通等;《重庆大学学报》;20190915;第42卷(第9期);56-66 * |
Also Published As
Publication number | Publication date |
---|---|
CN112631365A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Harrag et al. | Variable step size modified P&O MPPT algorithm using GA-based hybrid offline/online PID controller | |
CN110533230B (zh) | 一种光伏阵列辐照度传感器的位置优化方法 | |
CN106094970A (zh) | 一种基于粒子群全局优化和电导增量法的mppt控制方法 | |
Sahu et al. | Power enhancement of partially shaded PV array by using a novel approach for shade dispersion | |
Mahamudul et al. | Modelling of PV module with incremental conductance MPPT controlled buck-boost converter | |
Elhammoudy et al. | Dandelion Optimizer algorithm-based method for accurate photovoltaic model parameter identification | |
Liu et al. | A fault detection and diagnosis technique for solar system based on Elman neural network | |
CN117993283A (zh) | 一种基于粒子群算法的光伏发电阵列优化设计方法及系统 | |
CN112631365B (zh) | 一种基于scasl的光伏发电多峰值mppt控制方法 | |
Ishrat et al. | A comprehensive review of MPPT techniques based on ML applicable for maximum power in solar power systems | |
Abadi et al. | Design of maximum power point tracking (MPPT) on two axes solar tracker based on particle swarm fuzzy | |
Safarudin et al. | Combining simplified firefly and modified P&O algorithm for maximum power point tracking of photovoltaic system under partial shading condition | |
Alici et al. | Designing and performance analysis of solar tracker system: a case study of Çukurova region | |
Chou et al. | Deep q-network based global maximum power point tracking for partially shaded pv system | |
CN109725674A (zh) | 一种基于sa+pso混合算法的光伏系统最大功率跟踪的优化算法 | |
Gangwar et al. | Design of fibonacci sequence-based solar tree and analysis the performance parameter of different phyllotaxy pattern based solar tree: An experimental approach | |
Al-Muswe et al. | Solar tracking system by utilized optimized algorithm based deep learning | |
Sharmin et al. | Feasibility Analysis of Installing Computational Solar PV: A Tech-based Social Implications | |
Sheryar et al. | Reconfiguration and analysis of PV array based on particle swarm optimization of solar plant | |
Liu et al. | Particle swarm optimization MPPT method for PV materials in partial shading | |
Hu et al. | Calculating the shading reduction coefficient of photovoltaic system efficiency using the anisotropic sky scattering model | |
Ali et al. | Monitoring and enhancing the performance of PV systems using IoT and artificial intelligence algorithms | |
Oruganti et al. | Performance Evaluation of Maximum Power Point Algorithms for Annulling the Effect of Irradiance and Temperature for Standalone Electric Vehicle Charger | |
OĞUZ et al. | Effects of PSO Algorithm Parameters on the MPPT System Under Partial Shading Condition | |
Mensah et al. | Solar Power Generation System Based on Signal Search Artificial Bee Colony Optimization Algorithm for Maximum Power Point Tracking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230222 Address after: 518057 3006, T5 office building, Qianhai China Resources Financial Center, 5035 Menghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong Province Patentee after: Shenzhen Jianrong New Energy Technology Co.,Ltd. Address before: 411105 Xiangtan University, Yuhu District, Xiangtan City, Hunan Province Patentee before: XIANGTAN University |
|
TR01 | Transfer of patent right |