[发明专利]一种时变阴影情况下光伏阵列的最大功率点跟踪方法

说明书

一种时变阴影情况下光伏阵列的最大功率点跟踪方法，通过初始化粒子群，评价粒子群，评价每个粒子x的适应度f(x)，从中选择搜索性粒子、探索性粒子；通过基于分工协作的粒子群优化算法，搜索性粒子和探索性粒子彼此之间相互协作，共同完成寻优任务。搜索性粒子负责在已找到个体最优值的群体周围继续再搜索新的群体最优值，以保证可以搜索到群体的全局最优值；探索性粒子用来开辟新的搜索区域，用以保持粒子的多样性，搜索性粒子和探索性粒子可以相互转化，本发明可以使光伏阵列在时变阴影条件下跟踪到真正的最大功率点，且能有效提高光伏发电系统的跟踪速度和输出功率。

技术领域

本发明涉及一种最大功率点跟踪方法，具体是一种时变阴影情况下光伏阵列的最大功率点跟踪方法，属于光伏发电系统最大功率点跟踪技术领域。

背景技术

由于露天放置的光伏阵列常常受到移动的云层的遮挡，光伏阵列不同位置接收光照的强度不一致，形成局部阴影。局部阴影会导致光伏阵列出现多个峰值点，在这些峰值点中，只有一个峰值点为光伏阵列的实际最大功率点，其他的峰值点均为局部最大功率点。

很多对于光伏阵列最大功率点的跟踪方法中对于局部阴影的设定大多为静态阴影，而在实际中，光伏阵列出现局部阴影的原因大多是受到云层的遮蔽，其中飘过的云朵随时间的变化而变化，是实时移动的，即时变阴影。

目前使用的诸如扰动观察法，电导增量法，等效阻抗匹配法等来跟踪最大功率点，但是这些传统的优化算法在局部阴影条件下很难追踪到全局最大功率点；智能优化算法在这方面具有很强的优势，相比较人工神经网络算法、蚁群算法等智能优化算法，粒子群算法的收敛速度更快、简单容易实现，但它存在早熟和容易陷入局部最优的问题。

发明内容

本发明的目的是提供一种时变阴影情况下光伏阵列的最大功率点跟踪方法，可以使光伏阵列在时变阴影条件下跟踪到真正的最大功率点，从而有效提高光伏发电系统的跟踪速度和输出功率。

为了实现上述目的，本发明提供一种时变阴影情况下光伏阵列的最大功率点跟踪方法，包括以下步骤：

步骤一：初始化粒子群，使各个粒子均匀的分布在光伏阵列可能存在的局部极值点；

步骤二：评价粒子群，评价每个粒子x的适应度f(x)，从中选择搜索性粒子P__Search、探索性粒子P__Explore；

步骤三：计算适应度值方差σ²的值，判断是否符合收敛情况，如果粒子的适应度方差则判断粒子群算法陷入早熟收敛，此时选择探索性粒子P__Explore进行全局搜索，否则直接转步骤二；

步骤四：对每个粒子，用它的适应度f(x)值和个体最优值p_best比较，如果每个粒子的适应度f(x)值优于个体最优值p_best，则适应度f(x)值进行替换个体最优值p_best；用它的适应度f(x)值和全局最优值g_best比较，如果每个粒子的适应度f(x)值优于全局最优值g_best，则适应度f(x)值进行替换全局最优值g_best；

步骤五：根据公式(1)、(2)更新粒子的最新位置与最新速度；

式中：为此刻第i个粒子的速度；

为下一时刻第i个粒子的速度；

为此刻第i个粒子的位置；

为下一时刻的位置；

p_best,i为第i个粒子的个体最好的位置；