CN113138620A - 一种基于混合bso-flc的光伏最大功率点跟踪方法及系统 - Google Patents

一种基于混合bso-flc的光伏最大功率点跟踪方法及系统 Download PDF

Info

Publication number
CN113138620A
CN113138620A CN202110410595.8A CN202110410595A CN113138620A CN 113138620 A CN113138620 A CN 113138620A CN 202110410595 A CN202110410595 A CN 202110410595A CN 113138620 A CN113138620 A CN 113138620A
Authority
CN
China
Prior art keywords
power
direct current
photovoltaic
maximum power
bso
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.)
Pending
Application number
CN202110410595.8A
Other languages
English (en)
Inventor
姜明新
王文豪
王海燕
贾银洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaiyin Institute of Technology
Original Assignee
Huaiyin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaiyin Institute of Technology filed Critical Huaiyin Institute of Technology
Priority to CN202110410595.8A priority Critical patent/CN113138620A/zh
Publication of CN113138620A publication Critical patent/CN113138620A/zh
Pending legal-status Critical Current

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)
  • Control Of Electrical Variables (AREA)

Abstract

本发明提出了一种基于混合BSO‑FLC的光伏最大功率点跟踪方法及系统，以模糊控制器(FLC)为基础，采用回溯搜索优化(BSO)对控制器参数进行优化，使直流‑直流升压型功率转换器的输出功率向最大功率方向转移；本发明提出的方法该能够有效地跟踪最大功率点，从而减少跟踪时间、提高精度和抑制参考电压振荡；本发明将电池储能与光伏结合使用，形成一个稳定的混合系统，在光伏系统无法正确响应需求时，电池储能来提供额外的负载，以提高测试系统的可靠性。

Description

一种基于混合BSO-FLC的光伏最大功率点跟踪方法及系统
技术领域
本发明属于光伏发电控制技术领域，涉及一种基于混合BSO-FLC的光伏最大功率点跟踪方法及系统。
背景技术
近几十年来，为了获得更大的经济、技术和环境效益，人们纷纷利用光伏(PV)和风能等可再生能源来替代化石燃料。太阳能系统由于其可利用性高、污染性低以及安装使用较灵活的特点，成为了燃料发电厂最重要的替代品之一。
为了最大限度地提高太阳能系统的输出功率，现对太阳能系统输出的非线性特性的研究，目前常采用的方法为最大功率点跟踪方法，该方法可以在低成本的条件下轻松实现，从而提高光伏发电的效率，该方法将输出电压控制在一个合适的值，能够使光伏系统的输出功率稳定在其最大值，而完善跟踪时间和精度是提高传统最大功率跟踪方法性能的两个主要路径。
现有的最大功率跟踪算法虽然能有效解决局部最大值点的问题，但在跟踪时间、精度、成本和稳定性上都不尽人意。
发明内容
发明目的：为解决现有最大功率跟踪算法在跟踪时间、进度和稳定性上的缺陷，本发明提出了一种基于混合BSO-FLC的光伏最大功率点跟踪方法及系统。
技术方案：一种基于混合BSO-FLC的光伏最大功率点跟踪方法，包括以下步骤：
采用回溯搜索优化算法对模糊控制器参数进行优化选择；待优化参数为输入至直流-直流升压型功率转换器的PWM信号的占空比；使直流-直流升压型功率转换器的输出功率向最大功率方向转移。
进一步的，所述的回溯搜索优化算法包括以下步骤：
S100：随机生成种群POP和历史种群OldPOP，基于目标函数，计算种群POP中各个个体的适应度；
S200：根据下式，更新历史种群OldPOP，以及对其中个体位置进行排序；
if a＜b，then OldPOP＝POP
OldPOP：＝permuting((OldPOP)
式中，a与b为(0,1)中产生的两个均匀分布随机数；
S300：根据下式对种群POP进行扰动，得到突变体，将突变体作为一个新群体；
Mutant＝POP+F.(OldPOP-POP)
式中，F为突变控制函数；
S400：生成一个用于表明测试群体T单一性的Npop×Nv大小的二元矩阵map，当二元矩阵map中元素为1时，将突变体中对应位置元素赋给测试种群T，否则将种群POP中对应位置元素赋给测试种群T；交叉结束后，对测试种群T中个体进行边界控制，若测试种群T中个体中存在越界元素，则这些越界元素均重新生成；
S500：通过比较种群POP和测试群体T中对应个体适应度值的大小，选择具有更优适应度的个体，进而产生新的种群POP；
S600：判断是否满足停止迭代条件，若满足，则停止迭代，输出最优解，否则返回S200。
进一步的，所述目标函数表示为：
Figure BDA0003019392960000021
其中，MSE为均方误差，n为样本总数，
Figure BDA0003019392960000022
表示真实数据yi和预测数据
Figure BDA0003019392960000023
之间的误差。
进一步的，还包括：
步骤3：直流-直流升压型功率转换器将最大功率点对应的直流电传输出至网侧逆变器，采用PQ控制算法，调节网侧逆变器注入主电网的有功功率或无功功率。
进一步的，所述PQ控制算法，外环采用功率控制，内环采用电流控制，具体包括：
外环控制中，将输入的有功功率实际值Pgrid与有功功率设定值Pset、无功功率实际值Qgrid与无功功率设定值Qset进行比较得到功率差值，功率差值经PI控制得到内环的电流参考值idref、iqref；
内环控制中，基于旋转角θ，将输入的电流iabc转换成dq坐标系下的输出电流id、iq；将dq坐标系下的输出电流id、iq与外环控制得到的电流参考值idref、iqref进行比较，得到电流差值，基于电流差值得到dq坐标系下的输出电压ud和uq；
基于旋转角θ，将dq坐标系下的输出电压ud和uq转换为自然参考系中的输出电压Sabc；
将输出电压Sabc作为控制信号，调节注入主电网的有功功率或无功功率。
进一步的，所述dq坐标系下的输出电压ud和uq表示为：
Figure BDA0003019392960000024
式中，Lf是电感，ω为电感Lf的耦合电压。
本发明还公开了一种光伏电池供电系统，包括太阳能光伏发电系统、BSO-FLC模块、直流-直流升压型功率转换器和网侧逆变器；
所述太阳能光伏发电系统，用于将太阳能转化为电能；
所述BSO-FLC模块，用于根据太阳能光伏发电系统的输出电压及输出功率，调节输入直流-直流升压型功率转换器的PWM信号的占空比；
所述直流-直流升压型功率转换器，用于根据输入的PWM信号，输出至网侧逆变器；
所述网侧逆变器，用于将直流-直流升压型功率转换器输出的直流电转换成交流电，并基于PQ控制算法，调节注入主电网的有功功率或无功功率。
进一步的，还包括电池储能系统，用于当太阳能光伏发电系统无法满足供电需求时，进行电力提供。
有益效果：本发明与现有技术相比，具有以下优点：
(1)本发明提出的最大功率跟踪算法，采用回溯搜索优化对模糊控制器的参数进行优化，以到达最大功率点；该最大功率跟踪算法能够有效地跟踪最大功率点，从而减少跟踪时间、提高精度和抑制参考电压振荡；
(2)本发明将电池储能与光伏结合使用，形成一个稳定的混合系统，在光伏系统无法正确响应需求时，电池储能来提供额外的负载，以提高测试系统的可靠性。
附图说明
图1为光伏电池的简单模型示意图；
图2为典型的光伏组件示意图；
图3为电池储能系统模型示意图；
图4(a)为传统的直流-直流升压型功率转换器；
图4(b)为电网模式下的光伏系统示意图；
图5为典型光伏曲线，其中，图5(a)表示功率电压曲线，图5(b)表示电流电压曲线；
图6为模糊控制器原理图；
图7为回溯搜索优化算法的流程图；
图8为BSO-FLC模块对直流-直流升压转换器进行控制的流程图；
图9为PQ控制算法对应的电路框图；
图10为本发明的系统框图；
图11为太阳辐照量变化示意图；
图12为模糊跟踪器在瞬时辐射变化下的输出功率示意图；
图13不同最大功率点跟踪方法的性能比较示意图；
图14为模糊跟踪器在最大功率点附近的响应时间曲线；
图15为模糊跟踪器在最大功率点附近的振荡曲线；
图16为本发明提出的最大功率点跟踪方法与现有最大功率点跟踪方法的运行效率比较图；
图17为电池储能功率变化示意图；
图18为温度变化示意图；
图19为光伏系统的功率输出示意图；
图20为不同辐射下的最大功率点跟踪值比较示意图；
图21为模糊跟踪器在最大功率点附近的响应时间曲线；
图22为模糊跟踪器在最大功率点附近的振荡曲线；
图23为本发明提出的最大功率点跟踪方法与现有最大功率点跟踪方法的运行效率比较图；
图24为电池储能功率变化示意图。
具体实施方式
本发明提出的一种基于混合BSO-FLC的光伏最大功率点跟踪方法，以模糊控制器为基础，采用回溯搜索优化(BSO)对控制器参数进行优化，使其能够有效地跟踪最大功率点，从而提取出最大功率；由于光伏和风力发电都具有不确定因素，将存储设备与能源相结合，以形成一个稳定的混合系统；在不同类型的存储设备中，电池储能系统(BES)是一种高效率且低成本的设计，它可以与光伏系统结合，形成光伏—电池储能混合动力系统，在光伏系统无法正确响应需求时来提供额外的负载，以提高测试系统的可靠性、稳定性和电能质量。
现结合附图和实施例进一步阐述本发明的技术方案。
本实施例的光伏电池系统包括：太阳能光伏发电系统、电池储能系统(BES)、BSO-FLC模块、直流-直流升压型功率转换器和网侧逆变器；太阳能光伏发电系统将太阳能转化为电能，电池储能系统(BES)用于在太阳能光伏发电系统无法正确响应需求时来提供额外的负载，BSO-FLC模块调节输入至直流-直流升压型功率转换器的PWM信号的占空比，使得直流-直流升压型功率转换器的输出功率向最大功率方向转移，从而实现最大功率点跟踪；网侧逆变器将直流电转换成交流电注入主电网。
现对上述组成器件进行简单说明。
太阳能光伏发电系统包括多个通过串联或并联太阳能电池构成的光伏组件，太阳能电池通过P-N结半导体来吸收太阳能，通过串联或并联太阳能电池形成的光伏组件(参见图1)，实现将太阳能转化成电能；参见图2，光伏组件的电压水平取决于串联配置，而电流水平可以通过并联电池的数量进行改变。此外，还可以通过连接多个光伏组件来创建光伏阵列。
电池储能系统(BES)(参见图3)可以用一个受控电压源E和一个非线性的终端电阻Rb来建模得到。
将太阳能光伏发电系统产生的电力输送到主电网的过程是由其电力电子装置完成的。升压变流器和逆变器是光伏系统中使用的两种主要电力器件，直流-直流升压型功率转换器可以在输入电压和负载电流不断变化的情况下快速产生动态响应，并且能够减轻输出直流电压的波动，利用这种电压，可以通过PWM信号得到最大功率点，进一步采用阻抗匹配的思想，可以通过调节电阻来获得最大的可用光伏功率。本实施例采用BSO-FLC模块对PWM信号进行调节来得到最大功率点，传统的直流-直流升压型功率转换器如图4(a)所示。
Figure BDA0003019392960000051
式中，VPV为太阳能光伏发电系统的输出电压，D为占空比。
为了得到最大功率点，采用图4(b)所示的直流-直流升压型功率转换器。
典型光伏系统在辐照度变化下的曲线如图5(a)和图5(b)所示。由图5可知，通过改变辐照度，可以改变最大功率点，当源阻抗与负载阻抗相等时，最大功率点可以达到。换句话说，当辐照度变化达到最大功率点时，需要不断地改变直流-直流升压型功率转换器的占空比，来使源阻抗与系统阻抗相匹配。
本实施例通过BSO-FLC模块来实现正确跟踪最大功率点，具体为以模糊控制器为基础，采用回溯搜索优化(BSO)对控制器参数进行优化，使其能够有效地跟踪最大功率点，从而提取出最大功率。如图6所示，本实施例的模糊控制器包括模糊化、模糊推理和去模糊化三部分组成。为获得最大功率点，需测量太阳能光伏发电系统的电压或电流，用于计算输出功率。利用瞬时采样k时的误差E(k)和误差变化CE(k)两个输入控制变量来实现所提出的模拟控制器，以直流-直流升压型功率转换器占空比D作为输出；
Figure BDA0003019392960000052
CE(k)＝E(k)-E(k-1) (3)
Figure BDA0003019392960000053
式中，P(k)表示采样k时的功率，P(k-1)表示采样k-1时的功率，V(k-1)表示采样k-1时的电压，V(k)表示采样k-1时的电压。
利用直流-直流升压型功率转换器占空比的变化量作为模拟控制器的输出，模糊控制器根据ΔD到误差E(k)的变化来执行操作，当误差为0时，可以得到最优点。
在模糊化过程中，利用隶属函数(MFs)可以将数值输入变量转化为语言变量，用基本模糊子集将数值输入变量转化为大负值(NG)、中负值(NM)、零(ZO)、小正值(PP)、中正值(PM)和大正值(PG)等语言变量。
模糊推理过程中，利用推理引擎中实现的规则，得到模糊输出，表1中使用了模糊控制器的25条规则，将这些规则应用于直流-直流升压转换器中，获得最大功率点。换言之，在这些规则的帮助下，太阳能光伏发电系统可以到达最大功率点。
表1模糊控制器规则表
Figure BDA0003019392960000061
直流-直流升压转换器需要一个精确的控制信号即占空比的变化量ΔD进行输入，因此需要将模糊信息转换成确定信息，该过程称为去模糊化，该过程采用COA和MCM两种算法将模糊控制器的输出从语言变量转换为数值变量，而后采用最大聚合方案将模糊规则集中的所有输出进行统一化处理，定义出最终的组合模糊集。
本发明采用回溯搜索优化算法(BSO)对模拟控制器参数进行优化，使其能够有效地跟踪最大功率点，整个过程可参见图8；现结合图7对回溯搜索优化算法进行说明。
初始化：初始群体的数值，该过程可以通过POP公式来说明：：
POPij＝Lowj+rand(UPj-Lowj) (5)
其中，POPij为初始种群，i＝1，2，……，N，N代表种群数，j＝1，2，……，D，D表示问题的维数，UPj与Lowj的差值表示优化变量的变化范围或控制矢量的变化情况，以便进行优化。
选择Ⅰ：利用前一个群体作为旧样本来确定搜索方向，并选择相应的群体进行排序，表示为：
Figure BDA0003019392960000062
OldPOP：＝permuting(OldPOP) (7)
突变：根据下式产生的突变体将作为一个主要的新群：
Mutant＝POP+F.(OldPOP-POP) (8)
其中，F表示在现有关系中控制旧群体矩阵定义域的函数。
交叉：生成一个用于表明测试群体T单一性的Npop×Nv大小的二元矩阵map，当二元矩阵map中元素为1时，将突变体中对应位置元素赋给测试种群T，否则将种群POP中对应位置元素赋给测试种群T；交叉结束后，对测试种群T中个体进行边界控制，若测试种群T中个体中存在越界元素，则这些越界元素均重新生成。
选择Ⅱ：通过比较种群POP和测试种群T中对应个体适应度值的大小，选择具有更优适应度的个体，进而产生新的种群POP。重复进行所有的步骤，最终达到目标和终止的标准。
为了加快回溯搜索优化算法的收敛速度，本发明通过目标函数使得算法的求解精度和计算时间都能达到最小，即均方误差(MSE)，如下所示：
Figure BDA0003019392960000071
其中，MSE为均方误差，n为样本总数，yi表示真实数据，
Figure BDA0003019392960000072
表述预测数据。
参见图9，本发明的网侧逆变器采用PQ控制算法来调节注入主电网的有功功率或无功功率(Pgird，Qgrid)，在单位功率因数下，注入网络的无功功率为零。简单起见，可以将自然参考系中的三相系统定义为dq坐标系，PQ算法就可以通过双回路反馈控制器实现，功率控制器在外环实现，电流控制器在内环实现。
由于d轴和q轴变量之间存在耦合，因此在内部电流控制器中加入了前馈解耦。dq坐标系下的输出电压ud和uq描述为：
Figure BDA0003019392960000073
其中，ud和uq为dq帧的输出电压，id和iq为dq帧的输出电流，ed和eq为电网电压。
电流控制器的参考电流由有功功率或无功功率(Pgird，Qgrid)与设定功率(Pset，Qset)之间的误差求得。图9描述了所提出的PQ控制算法对应的电路框图；由图9可知，θ是从锁相环获得的旋转角，用于将abc转换为dq，并将dq转换为abc，最后再将信号从dq转换为abc帧，用Sabc作为PWM来驱动IGBT。有功功率和无功功率可表示为：
Figure BDA0003019392960000074
Figure BDA0003019392960000075
为了验证本发明的跟踪效果，在MATLAB和Simulink平台下进行仿真，如图10所示，测试系统包括太阳能系统、电力电子设备、电池系统和负载。系统中的光伏阵列为4.4kW，工作在220V和60Hz的环境下，表2展示了该模型的详细信息。跟踪效果可以定义为：
Figure BDA0003019392960000081
其中，t1表示系统启动，t2表示系统终止，P表示太阳能系统的输出功率。
表2详细模型
Figure BDA0003019392960000082
如图11所示，为了验证本发明方法在不同辐射条件下的有效性，分别在2—5秒和8—10秒之间增加了辐照量。
此模拟实验中的电池温度为25℃，图12显示了最大功率点跟踪器在瞬时辐射变化下的性能。结果表明，回溯搜索优化—模糊控制器有着更好的动态响应，它能减小最大功率点附近的振荡并且提高收敛速度。与FLC、IC和P&O方法相比，它在达到最大功率点时表现出了更强的性能，甚至在极端环境条件下，其达到最大功率点时的偏差可以忽略不计。为了进一步比较，图13给出了不同最大功率点跟踪方法的性能。结果表明，与FLC、IC和P&O方法相比，回溯搜索优化—模糊控制器算法在实现最大功率点方面的性能确实更加强大，而且与传统方法相比，该方法具有更准确、更迅速的跟踪性能。
图14和15分别为最大功率点附近的响应时间和振荡曲线，都表明了回溯搜索优化—模糊控制器算法比其他方法具有更好的性能。从图16可以看出，回溯搜索优化—模糊控制器算法的运行效率为99％，而其他方法的运行效率为仅为95％—97％。
此外，当太阳辐照量分别为0.2kW-m2和0.6kW-m2时，太阳能系统的输出功率小于4400W，如图17所示，此时由电池储能来提供电力。换言之，电池储能可以在太阳能系统无法满足需求的时段进行电力提供，以改善整个系统的动态运行，使性能变得更加可靠。
现通过评估隔离装置固定在1000W-m2时太阳能系统工作点受温度影响的变化情况，图18为瞬时温度变化。如图19所示，与传统方法相比，回溯搜索优化—模糊控制器在减少振荡和提高输出功率方面表现出了更好的性能，在4秒的时刻，太阳能系统的输出功率显著下降。图20将各种温度下有功功率的不同最大功率点跟踪值进行了比较，结果表明，与FLC、IC和P&O方法相比，回溯搜索优化—模糊控制器算法在实现最大功率点方面的性能更加强大，与传统方法相比，该方法也具有更准确、更迅速的跟踪性能。
图21和22分别为最大功率点附近的响应时间和振荡曲线，都表明了回溯搜索优化—模糊控制器算法比其他方法具有更好的性能。从图23可以看出，回溯搜索优化—模糊控制器算法的运行效率为99％，而其他方法的运行效率为仅为95％—97％。
此外，当太阳能系统的输出功率小于4400W时，如图24所示，此时由电池储能来提供电力。简言之，电池储能可以在太阳能系统无法满足需求的时段进行电力提供。
本发明通过在太阳能系统中使用最大功率点跟踪方法可以提高光伏系统的输出功率，产生更高的效率。为了进一步提高效率，本发明提出了一种基于回溯搜索优化—模糊控制器的最大功率跟踪算法，该算法能有效地缓解最大功率点附近的波动，从而提高光伏系统的最大功率。

Claims (8)

1.一种基于混合BSO-FLC的光伏最大功率点跟踪方法，其特征在于：包括：
采用回溯搜索优化算法对模糊控制器参数进行优化选择；待优化参数为输入至直流-直流升压型功率转换器的PWM信号的占空比；使直流-直流升压型功率转换器的输出功率向最大功率方向转移。
2.根据权利要求1所述的一种基于混合BSO-FLC的光伏最大功率点跟踪方法，其特征在于：所述的回溯搜索优化算法包括以下步骤：
S100：随机生成种群POP和历史种群OldPOP，基于目标函数，计算种群POP中各个个体的适应度；
S200：根据下式，更新历史种群OldPOP，以及对其中个体位置进行排序；
if a＜b，then OldPOP＝POP
OldPOP：＝permuting(OldPOP)
式中，a与b为(0,1)中产生的两个均匀分布随机数；
S300：根据下式对种群POP进行扰动，得到突变体，将突变体作为一个新群体；
Mutant＝POP+F.(OldPOP-POP)
式中，F为突变控制函数；
S400：生成一个用于表明测试群体T单一性的Npop×Nv大小的二元矩阵map，当二元矩阵map中元素为1时，将突变体中对应位置元素赋给测试种群T，否则将种群POP中对应位置元素赋给测试种群T；交叉结束后，对测试种群T中个体进行边界控制，若测试种群T中个体中存在越界元素，则这些越界元素均重新生成；
S500：通过比较种群POP和测试群体T中对应个体适应度值的大小，选择具有更优适应度的个体，进而产生新的种群POP；
S600：判断是否满足停止迭代条件，若满足，则停止迭代，输出最优解，否则返回S200。
3.根据权利要求2所述的一种基于混合BSO-FLC的光伏最大功率点跟踪方法，其特征在于：所述目标函数表示为：
Figure FDA0003019392950000011
其中，MSE为均方误差，n为样本总数，
Figure FDA0003019392950000012
表示真实数据yi和预测数据
Figure FDA0003019392950000013
之间的误差。
4.根据权利要求1所述的一种基于混合BSO-FLC的光伏最大功率点跟踪方法，其特征在于：还包括：
直流-直流升压型功率转换器将最大功率传输出至网侧逆变器，采用PQ控制算法，调节网侧逆变器注入主电网的有功功率或无功功率。
5.根据权利要求4所述的一种基于混合BSO-FLC的光伏最大功率点跟踪方法，其特征在于：所述PQ控制算法，外环采用功率控制，内环采用电流控制，具体包括：
外环控制中，将输入的有功功率实际值Pgrid与有功功率设定值Pset、无功功率实际值Qgrid与无功功率设定值Qset进行比较得到功率差值，功率差值经PI控制得到内环的电流参考值idref、iqref；
内环控制中，基于旋转角θ，将输入的电流iabc转换成dq坐标系下的输出电流id、iq；将dq坐标系下的输出电流id、iq与外环控制得到的电流参考值idref、iqref进行比较，得到电流差值，基于电流差值得到dq坐标系下的输出电压ud和uq；
基于旋转角θ，将dq坐标系下的输出电压ud和uq转换为自然参考系中的输出电压Sabc；
将输出电压Sabc作为控制信号，调节注入主电网的有功功率或无功功率。
6.根据权利要求5所述的一种基于混合BSO-FLC的光伏最大功率点跟踪方法，其特征在于：所述dq坐标系下的输出电压ud和uq表示为：
Figure FDA0003019392950000021
式中，Lf是电感，ω为电感Lf的耦合电压。
7.一种光伏电池供电系统，其特征在于：包括太阳能光伏发电系统、BSO-FLC模块、直流-直流升压型功率转换器和网侧逆变器；
所述太阳能光伏发电系统，用于将太阳能转化为电能；
所述BSO-FLC模块，用于根据太阳能光伏发电系统的输出电压及输出功率，调节输入直流-直流升压型功率转换器的PWM信号的占空比；
所述直流-直流升压型功率转换器，用于根据输入的PWM信号，输出至网侧逆变器；
所述网侧逆变器，用于将直流-直流升压型功率转换器输出的直流电转换成交流电，并基于PQ控制算法，调节注入主电网的有功功率或无功功率。
8.根据权利要求7所述的一种光伏电池供电系统，其特征在于：还包括电池储能系统，用于当太阳能光伏发电系统无法满足供电需求时，进行电力提供。
CN202110410595.8A 2021-04-14 2021-04-14 一种基于混合bso-flc的光伏最大功率点跟踪方法及系统 Pending CN113138620A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110410595.8A CN113138620A (zh) 2021-04-14 2021-04-14 一种基于混合bso-flc的光伏最大功率点跟踪方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110410595.8A CN113138620A (zh) 2021-04-14 2021-04-14 一种基于混合bso-flc的光伏最大功率点跟踪方法及系统

Publications (1)

Publication Number Publication Date
CN113138620A true CN113138620A (zh) 2021-07-20

Family

ID=76813134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110410595.8A Pending CN113138620A (zh) 2021-04-14 2021-04-14 一种基于混合bso-flc的光伏最大功率点跟踪方法及系统

Country Status (1)

Country Link
CN (1) CN113138620A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114967822A (zh) * 2022-05-27 2022-08-30 北京华能新锐控制技术有限公司 基于二进制非线性搜索的光伏电站fppt跟踪方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105262113A (zh) * 2015-11-26 2016-01-20 国网河南省电力公司平顶山供电公司 基于概率模糊神经网络的光伏发电系统无功控制方法
CN109242204A (zh) * 2018-09-30 2019-01-18 淮阴工学院 基于最优vmd与同步优化的超短期风速预测方法
CN112600249A (zh) * 2021-01-05 2021-04-02 国网河南省电力公司平顶山供电公司 可包含储能的光伏并网逆变系统多模式控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105262113A (zh) * 2015-11-26 2016-01-20 国网河南省电力公司平顶山供电公司 基于概率模糊神经网络的光伏发电系统无功控制方法
CN109242204A (zh) * 2018-09-30 2019-01-18 淮阴工学院 基于最优vmd与同步优化的超短期风速预测方法
CN112600249A (zh) * 2021-01-05 2021-04-02 国网河南省电力公司平顶山供电公司 可包含储能的光伏并网逆变系统多模式控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
F.BOUCHAFAA等: "Modeling and simulation of a grid connected PV generation system With MPPT fuzzy logic control", 《2010 7TH INTERNATIONAL MULTI-CONFERENCE ON SYSTEMS, SIGNALS AND DEVICES》 *
JAMAL ABD ALI 等: "Fuzzy Logic Speed Controller Optimization Approach for Induction Motor Drive Using Backtracking Search Algorithm", 《MEASUREMENT》 *
YONG LI 等: "Analysis and Enhancement of PV efficiency with Hybrid MSFLA–FLC MPPT Method under", 《JOURNAL OF CLEANER PRODUCTION》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114967822A (zh) * 2022-05-27 2022-08-30 北京华能新锐控制技术有限公司 基于二进制非线性搜索的光伏电站fppt跟踪方法
CN114967822B (zh) * 2022-05-27 2023-09-12 北京华能新锐控制技术有限公司 基于二进制非线性搜索的光伏电站fppt跟踪方法

Similar Documents

Publication Publication Date Title
Tao et al. A novel MPPT controller in PV systems with hybrid whale optimization-PS algorithm based ANFIS under different conditions
Mahmud et al. A cooperative operation of novel PV inverter control scheme and storage energy management system based on ANFIS for voltage regulation of grid-tied PV system
Ali et al. Variable step size perturb and observe MPPT controller by applying θ-modified krill herd algorithm-sliding mode controller under partially shaded conditions
Rezvani et al. Intelligent hybrid power generation system using new hybrid fuzzy-neural for photovoltaic system and RBFNSM for wind turbine in the grid connected mode
Pandey et al. A literature survey on load–frequency control for conventional and distribution generation power systems
Hong et al. Development of intelligent MPPT (maximum power point tracking) control for a grid-connected hybrid power generation system
Albert Design and investigation of solar PV fed single-source voltage-lift multilevel inverter using intelligent controllers
Hai et al. An efficient fuzzy-logic based MPPT controller for grid-connected PV systems by farmland fertility optimization algorithm
Ramesh et al. Intelligent adaptive LFC via power flow management of integrated standalone micro-grid system
Aldosary et al. A modified shuffled frog algorithm to improve MPPT controller in PV System with storage batteries under variable atmospheric conditions
CN112531790B (zh) 一种虚拟电厂动态灵活性评估方法
CN114123200B (zh) 基于数据驱动的光伏电站动态建模方法、存储设备
Rezvani et al. Investigation of ANN-GA and modified perturb and observe MPPT techniques for photovoltaic system in the grid connected mode
Chamanpira et al. A novel MPPT technique to increase accuracy in photovoltaic systems under variable atmospheric conditions using Fuzzy Gain scheduling
Chuang et al. Design of intelligent control for stabilization of microgrid system
NAICK Fuzzy logic controller based PV system connected in standalone and grid connected mode of operation with variation of load
Taheri et al. Two-diode model-based nonlinear MPPT controller for PV systems
Pathak et al. SM-and FL-based MRALFC schemes for solar-wind-based microgrid
Ali et al. Optimal planning of uncertain renewable energy sources in unbalanced distribution systems by a multi‐objective hybrid PSO–SCO algorithm
Badoud et al. Development and experimental validation of novel robust MPPT controller based on bond graph and fuzzy logic for PV system under variable weather conditions
Tahiri et al. Comparative study of the MPPT methods applied to the PV system; Perturbation & Observation technique, sliding mode control and fuzzy logic control
CN113138620A (zh) 一种基于混合bso-flc的光伏最大功率点跟踪方法及系统
Deepak et al. Improvement of power quality by using novel controller for hybrid renewable energy sources based microgrid
Bedoud et al. Power control strategy of a photovoltaic system with battery storage system
Morey et al. Experimental investigation of ANFIS-PSO MPPT control with enriched voltage gain DC–DC converter for grid-tied PV applications

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210720

RJ01 Rejection of invention patent application after publication