[发明专利]一种多峰值 MPPT算法

说明书

本发明公开一种多峰值MPPT算法，本算法在启动时候使用大步长的全局扫描算法快速定位各峰值区间，之后使用过滤算法减少峰值区间，在过滤后的1‑5个峰值区间使用二分法找到各区间的局部峰值，然后取其最大值作为全局最大功率点；并通过确认机制对求得的GMPP加以确认，防止算法误判，最后使用三点法算法使系统在变化的环境下动态追踪GMPP。本发明提高了光伏系统最大功率点跟踪速度，使其快速适应环境变化，避免算法陷入局部最优点，减少算法的误判率，降低算法复杂性和实施成本，提高系统性能。

技术领域

本发明涉及光伏系统的最大功率点跟踪技术领域，具体涉及一种多峰值 MPPT算法。

背景技术

在光伏系统中，为了快速跟踪到全局最大功率点、提高跟踪效率、减少震荡、适应环境变化、避免陷入局部峰值，人们已经提出了一系列多峰值最大功率跟踪算法，主要有以下类别的算法：

（1）光伏逆变器的多峰值最大功率点追踪方法， 该方法使用大步长扫描局部出峰值区间，一旦扫描到局部峰值就使用小步长曲求出局部峰值的最大功率点，然后继续使用大步长扫描，当全局扫描一遍后就取最大的那个峰值区间的局部最大功率点作为全局最大功率点，为了提高扫描效率，该方法将扫描范围限定在60%-90%的开路电压之间。

（2）基于全局扫描的多峰值MPPT算法：算法从低电压依次向开路电压处扫描，在全局扫描过程中记录所有的局部峰值，然后用传统的单峰值算法依次求出个局部峰值的局部最大功率点，最后取最大的那个局部峰值点作为全局最大功率点。

（3）粒子群算法：该算法受到鸟类捕食模型的启发，系统启动时初始化若干个位置和速度不同的粒子，通过不停迭代更新粒子个体最优解和全局最优解，直到满足结束条件才停止跟踪。

（4）模糊逻辑算法：该算法首先将输入数据模糊化，然后使用设定的模糊子集和隶属函数推理出模糊结论，最后对模糊结论去模糊化后反过来控制光伏系统，调整系统的最大功率点。

（5）神经网络算法：该算法通过模仿人脑的思维，算法起始阶段需要进行训练，使其能够迅速追踪到最大功率点，并快速响应外部环境变化。

以上各种方法的缺点分别在于：

(1)该方法在外部环境发生变化时候，若最大功率点不在0.6倍Voc(开路电压)和0.9倍Voc之间时，会出现无法追踪到GMPP的现象，造成大量电能浪费；当系统峰值数量很大时，该算法需要用小步长计算每一个局部峰值的大小，会影响算法追踪速度；

（2）基于全局扫描的多峰值MPPT算法需要求出每个局部峰值的最大功率点，峰值较多时候其速度相对较慢；环境变化时候会出现最大功率点误判的现象。

（3）粒子群算法本身比较复杂，而且在最大功率附近会出现一些震荡，以及收敛不稳定的现象。

（4）模糊逻辑算法中的模糊子集的设计，需要人为的专家来设计，无演化能力，不易于拓展到其它光伏系统中。

（5）神经网络算法结构比较复杂，对硬件要求比较高，而且还需要较长的训练时间，不易于拓展到其它光伏系统中。

在大型光伏系统中，其P-U（功率-电压）特征曲线常常呈现多峰值特性，导致传统的单峰值MPPT(最大功率跟踪)算法容易陷入局部峰值，严重降低系统发电效率，为此有必要研究多峰值MPPT算法。在大量研究光伏系统中MPPT算法之后，发现大部分多峰值MPPT算法存在 追踪速度不够快、最大功率点有振荡、误判、无法快速响应环境的动态变化、算法复杂或实施成本高等问题。

发明内容

本发明的目的在于克服现有技术存在的上述不足，提出了一种融合多种算法和机制的多峰值MPPT算法。

本发明提供的多峰值MPPT算法，包括如下步骤：

（1）在启动时候使用大步长的全局扫描算法快速定位各峰值区间；