[发明专利]基于动态惯性权重和多阈值重启条件的改进粒子群MPPT算法

说明书

本发明公开了一种基于动态惯性权重和多阈值重启条件的改进粒子群MPPT算法，涉及光伏发电技术领域。本发明以粒子与最优解的距离、迭代次数为变量动态解算惯性权重值，相较于固定惯性权重或者权重分段取值法，具有收敛速度快、振荡幅度小的优点，达到根据搜索情况动态调整迭代过程的目的；本发明针对复杂多变的外界环境，设立多阈值重启条件，与常规的定周期扫描法相比，避免了不必要的电压全范围扫描，以及定周期扫描法造成的系统频繁振荡、功率损耗增加、因周期固定导致的跟踪滞后等问题，并且与使用功率变化进行判断的单一条件相比，可以更准确地识别外界环境变化，避免因判断条件单一造成监测失效，导致系统无法正常重启。

技术领域

本发明涉及光伏发电技术领域，特别涉及光伏最大功率跟踪技术领域。

背景技术

目前国内外已提出了多种MPPT算法，包括扰动观察法、电导增量法等。但这些算法只适用于光伏阵列在均匀光照条件下输出呈单峰值特性的情况。由于实际应用中，光伏阵列不可避免地会受到云移动、污秽物等造成的局部阴影遮挡，使得阵列中光伏组件的工况出现差异，光伏阵列的输出特性曲线会由单峰值变为多峰值。常规的MPPT算法易误搜索到局部极值点，使得光伏阵列发电功率降低，造成能量损失。为了解决上述问题，国内外学者提出了多种改进的MPPT算法，例如文章[1]提出的依据相邻峰值点电压差约为0.8倍的光伏组件开路电压，采用电导增量法进行分区间搜索，该方法存在一些缺陷：跟踪范围选取凭借经验，只能在已知的单一环境下进行跟踪，外界环境变化会导致搜索误差。Eberhart博士和Kennedy博士于1995年提出粒子群算法，通过模拟鸟群捕食的群体性行为，演化出适用于非线性全局寻优的算法模型。文献[2]将粒子群算法应用在光伏阵列全局寻优问题中，但粒子群算法属于一种仿生模型，缺乏完善的数学理论基础，参数选取凭靠经验，文献[2]采用固定惯性权重，会造成光伏系统振荡，算法的收敛速度和跟踪效率较低。

另一方面，光伏阵列受到的阴影遮挡不是一成不变的，当阴影发生变化时，MPPT控制器需要跟进变化，保证阵列工作在最大功率点。有研究学者提出定周期扫描法，即每隔一段时间对P-V曲线进行全范围扫描，重新进行一次MPPT搜索，以判断光伏阵列最大功率点是否发生变化。这种方法的缺点在于扫描频率高，且电压从零到最大值进行变化，扫描范围大，会造成系统频繁振荡，功率损耗增加。并且由于是定周期扫描，当阴影发生变化时，系统不能及时做出响应。因此针对多变的外界环境，如何通过简单且易获取的变量判断光伏阵列工况的变化，实现MPPT控制器及时有效的重启，成为进行光伏最大功率实时跟踪的重要问题。

本发明设计以下技术术语：

MPPT：最大功率点跟踪Maximum Power Point Tracking，对光伏阵列的输出电压和电流进行跟踪控制，使阵列工作点保持在最大功率输出的位置。

PSO算法：粒子群算法Particle Swarm Optimization，通过追随当前搜索的最优值寻找全局最优解的进化算法。

发明内容

本发明针对现有技术的不足，提供一种基于动态惯性权重和多阈值重启条件的改进粒子群MPPT算法，用于解决粒子群算法在进行MPPT跟踪时存在的技术问题。

为实现上述目的，本发明采用的技术方案为：