[发明专利]一种光伏系统多峰值最大功率跟踪方法及系统

说明书

技术领域

本发明涉及光伏发电工程技术领域，特别是涉及一种光伏系统多峰值最大功率跟踪方法及系统。

背景技术

由于光伏阵列中存在部分阴影遮挡，灰尘积累，光伏电池输出特性差异等原因，光伏阵列的输出特性曲线呈现多峰值功率特性，其最大功率跟踪问题成为光伏发电研究领域的一个重要方向。目前来说，学术论文和发明专利公开的多峰值最大功率跟踪问题主要有三种解决思路：(a)一种是通过电流补偿方法使部分阴影遮挡下的光伏阵列中各模块输出状况相同，多峰值输出特性曲线变为单峰曲线，从而可沿用原来的单峰最大功率跟踪(MPPT，Maximum Power Point Tracking)方法。但这种结构需要大量的电流平衡元件，实际应用中成本过高；(b)一种是采用峰值预测技术对全局最优点的位置进行预测，使工作点先定位于全局最大功率点附近，然后采用简单的单峰值最大功率跟踪技术如扰动观察法、增量电导法等；(c)还有一种是直接采用适用于多峰值MPPT的寻优算法。主要又可分为两种类别——光伏特性曲线建模法和电压探测法：1)基于光伏特性曲线的建模法通过检测当前各个电池的光照强度和温度，对输出特性进行建模从而预测最大功率点电压，这种方法能对环境变化进行快速反应，但缺点是需要昂贵的光照及温度传感器。2)电压探测法通过给光伏系统指定的输出电压获得反馈回来的输出功率，结合最优化算法来探测最大功率点。常见的可应用于电压探测的算法有粒子群优化(Particle Swarm Optimization,PSO)算法；斐波那契搜索法；模糊逻辑控制法等。以PSO为核心算法的多峰值最大功率跟踪方法需要调节的权重参数比较多，进化后期收敛速度慢，精度较差且易于陷入局部极值点等不足。因此，研究更有效的光伏发电多峰值最大功率跟踪方法具有重要的现实意义和工程应用价值。

PSO算法是一种多极值函数全局优化的迭代搜索算法，通过模仿社会群体的知识进化机制，在多维空间中不断搜索，从而找到求解区域的最优解或者次优解。在基于标准PSO算法的光伏MPPT中，初始点是从0到开路电压范围的i个电压点。在第n+1次迭代时，粒子i的速度和位置由下式来更新：

v_i(n+1)＝ω*v_i(n)+c1*r1*[pb_i-x_i(n)]+c2*r2*[gb-x_i(n)]

x_i(n+1)＝x_i(n)+v_i(n)

式中，n为迭代次数，变量ω是惯性权重，v_i(n)代表了粒子保持自身原来速度(即惯性)的能力；pb_i代表第i个种群中的历史最好位置，gb代表整个种群中的最好位置；c1和c2为常数，可根据实际情况协调确定，r1和r2为[0,1]区间上的随机数；c1*r1用于调节粒子靠近自身历史最好位置(即pb_i-x_i(n))的速度，c2*r2用于调节粒子靠近群体历史最好位置(即gb-x_i(n))的速度。r1和r2为区间[0,1]上的两个随机数。

现有的实现多峰值最大功率跟踪的方法中，电流补偿方法需要在各个光伏DC/DC模块之间使用电流平衡元件，实际应用中成本过高。峰值预测方法是一种理论上的预测，在实际应用中具有较大的不确定性，无法保证每次预测都能精确，故仍有可能陷入局部极值点，造成功率损失。基于光伏特性曲线的建模法需要使用光照和温度传感器，而这些传感器都价格不菲，故在实际应用中成本过高。PSO算法直接实现最大功率跟踪时，容易发生早熟情况，过早地收敛于局部最优点，从而错失全局最优点，在光伏系统中会造成能量损失；另外，PSO算法中的权重系数较多，系数的确定随机性较大，增加了实现的难度。

发明内容

本发明的目的是提供一种光伏系统多峰值最大功率跟踪方法及系统，该跟踪方法及系统能够解决传统MPPT算法全局搜索能力不强，易使工作点陷入局部极值的问题，本发明的跟踪方法全局寻优能力更强，不会错失全局最优点。

为实现上述目的，本发明提供了一种光伏系统多峰值最大功率跟踪方法，包括：

在[0，V_oc]上随机选取N个点，作为粒子电压V_i(n)，i∈[1,2,……N]，n表示迭代次数；