[发明专利]一种基于智能预测的光伏多峰值最大功率点跟踪方法

权利要求书

1.一种基于智能预测的光伏多峰值最大功率点跟踪方法，其特征在于，该方法包括以下步骤：

S1：结合光伏阵列电流-电压特性曲线和质点平抛运动轨迹的相似性，构建光伏阵列运动学平抛模型；

S2：采用改进的粒子群算法对光伏阵列运动学平抛模型进行求解，实现最大功率预测，获取最大功率点及最大功率点处的电压；

S3：采用电压闭环控制法对预测到的最大功率点进行局部跟踪，获取控制信号；

S4：根据获取的控制信号控制Boost电路导通和关断，实现光伏阵列最大输出功率的实时控制；

步骤S1中，光伏阵列运动学平抛模型的表达式为：

式中：I_sc为当前光伏电池的短路电流，U_oc为当前光伏电池的开路电压，I_m为当前光伏电池的最大电流，U_m为当前光伏电池的最大电压，其中：

式中：I_sc为当前光伏电池的短路电流，U_oc为当前光伏电池的开路电压，I_m为当前光伏电池的最大电流，U_m为当前光伏电池的最大电压；

当外界环境变化时，模型的修正公式为：

式中：ΔT为温度的变化量，ΔS为光照强度的变化量，T_ref为参考温度，T_ref＝25℃，S_ref为参考光照强度，S_ref＝1000W/m²，I_sc为当前光伏电池的短路电流，U_oc为当前光伏电池的开路电压，I_m为当前光伏电池的最大电流，U_m为当前光伏电池的最大电压，e为自然对数的底数，其值约为2.71828，a、b、c为系数，I_scref为参考光照强度和温度条件下的光伏电池短路电流，U_ocref为参考光照强度和温度条件下的光伏电池开路电压，I_mref为参考光照强度和温度条件下的光伏电池最大电流，U_mref为参考光照强度和温度条件下的光伏电池最大电压；

步骤S2中，采用改进的粒子群算法对光伏阵列运动学平抛模型求解的具体步骤包括：

201)设置算法参数并初始化粒子种群，初始化粒子相位，每个粒子包含有三个位置的信息，以及粒子的编码和解空间变换，该粒子为光伏阵列的电压；

202)以光伏阵列模型的输出功率作为适应度函数，计算各粒子适应度值并评价；

203)根据粒子的适应度值更新自身和全局最优相位；

204)利用自适应量子旋转门调整量子比特的相位参数θ和实现粒子的位置更新，并将其映射到解空间；

205)计算各粒子适应度值并评价，根据粒子的适应度更新自身和全局最优相位；

206)选择当代最优解并保存，判断是否达到最大迭代次数，若未达到，转至步骤207)，若达到，转至步骤208)；

207)以pa的概率选择变异粒子，利用量子非门调整相位参数θ和实现粒子的变异，并将其映射到解空间，计算新种群的适应度值并评价，转至步骤203)；

208)输出最优解，获取最大功率点及最大功率点处的电压；

步骤S3中，采用电压闭环控制法对预测到的最大功率点进行寻优的具体步骤包括：

301)对预测得到的最大功率点处的电压与光伏阵列的实际电压做差值，并将该差值与上一时刻的差值比较，获取控制量；

302)将获取的控制量与定步长相乘，将得到的乘积与三角波信号进行比较，获取控制信号。