[发明专利]一种局部阴影下光伏阵列的最大功率跟踪方法

说明书

本发明涉及一种局部阴影下光伏阵列的最大功率跟踪方法，包括以下步骤：S1：根据光伏电池的特性，建立局部阴影条件下的光伏阵列模型；S2：采用基于Bloch球面的QPSO改进算法对光伏阵列模型求解，获取输出功率；S3：以获取的输出功率作为适应度函数，通过迭代搜索，实现光伏阵列的最大功率点跟踪。基于Bloch球面的QPSO改进算法在迭代后期仍可保持粒子的多样性，可提高获得全局最优解的概率，本发明在实现光伏阵列最大功率跟踪时，可避免在最大功率点附近的振荡，提高稳态性能。

技术领域

本发明涉及光伏发电技术领域，尤其是涉及一种局部阴影下光伏阵列的最大功率跟踪方法。

背景技术

能源在创造新机遇和促进经济增长方面扮演着极其重要的角色，同时世界经济的发展和人口的增长反过来助长了世界能源需求量。我国能源结构的核心问题表现在：一是能源结构以煤为主；二是石油安全问题日趋显著；三是煤烟型污染已经给生态环境带来严重问题。由此可见，优化能源结构势在必行，缓慢增添绿色可再生能源的比例，减少化石能源的使用。

太阳能光伏发电被认为是当前世界上最具有发展前景的新能源技术，各发达国家均投入巨额资金竞相研究开发，并积极推进产业化进程，大力开拓市场应用。但是光伏发电产业在发展中也遇到了许多问题：光伏电池成本高昂、光电转化效率较低、局部遮挡的危害。

最大功率点跟踪是降低发电成本、提高发电效率最直接有效的方法。现有的大部分最大功率点跟踪方法的应用前提都是光伏阵列受到的光照均匀，而忽略了在现实生活中，光伏阵列被遮挡的概率很大。当光伏阵列被局部遮挡时，使得传统的最大功率点跟踪方法容易陷入局部最优难以搜寻到全局最优。

扰动观察法和电导增量法是较早应用在光伏发电系统中的最大功率跟踪方法，被称为传统最大功率跟踪方法。扰动观察法控制思路简单，实现较为方便，可实现对最大功率点的跟踪，提高系统的利用效率。但是由于扰动观察法仅以光伏电池前后两次的输出功率为对象进行研究，没有考虑外部环境条件变化对光伏阵列前后两次输出功率的影响，在使用的过程中容易出现方法的“误判”，“误判”增加了跟踪时间，降低了光伏阵列的输出效率，严重时导致跟踪的失效，使该方法不能准确地跟踪到最大输出功率。

电导增量法跟踪精度较高，控制效果好，不受功率时间曲线的影响。但该方法对传感器有较高的要求，同时步长的选取也将影响算法的性能，在外界环境条件变化较快的情况下也会出现“误判”。

近年来，随着智能算法的不断完善，粒子群算法、遗传算法、模糊控制算法和神经网络算法等被引入到光伏发电系统的最大功率跟踪控制中。这些算法的使用，有效地提高了最大功率跟踪的精度，减少了能量损耗。但智能算法往往存在控制参数多，控制思想复杂，对硬件的要求高的缺点，这在一定程度上制约了这些算法的工程实践应用，并且随着光伏阵列的运行环境变得越来越复杂，由于建筑物、树木的遮挡或灰尘等造成光伏阵列表面受到的光照强度不均匀的情况时常发生，此时，光伏阵列的功率-电压(P-U)特性曲线将出现多个峰值。部分智能算法和传统最大功率跟踪方法一样，缺乏全局寻优的能力，仅仅适用于单峰值最大功率跟踪系统，当对多峰值系统进行跟踪时，会造成跟踪失效。因此，研究一种具有全局寻优特性的最大功率跟踪方法对于提高光伏发电效率十分关键。

在光伏阵列的应用中，PSO、QPSO和BQPSO算法是比较常用的算法，但三者因粒子多样性缺失易出现“早熟”和局部收敛问题，

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于Bloch 球面的QPSO改进算法的、提高系统稳定性的局部阴影下光伏阵列的最大功率跟踪方法。

本发明的目的可以通过以下技术方案来实现：

一种局部阴影下光伏阵列的最大功率跟踪方法，包括以下步骤：

(一)根据光伏电池的特性，建立局部阴影条件下的光伏阵列模型；