[发明专利]光伏阵列在动态阴影遮挡条件下的最大功率跟踪方法

说明书

本发明提供一种光伏阵列在动态阴影遮挡条件下的最大功率跟踪方法，其特征在于，包括以下步骤：构建光伏电池模型；光伏阵列包括：若干块并联和/或串联的光伏板；所述光伏板包括若干块单体光伏电池；根据所述光伏电池模型通过跟踪策略构建最大功率跟踪模型。本发明采用动态限制速度的粒子群优化算法，在不同大小的搜索区间内都能够充分对其进行搜索。在阴影遮挡条件发生变化时，能够充分利用上一次跟踪时所获取的信息，减少了下一时刻的搜索区间，加快了“再跟踪”的速度，极大地提升了连续阴影遮挡变化条件下的跟踪性能，减少了功率损失，增加了经济效益。

技术领域

本发明涉及新能源应用技术领域，具体而言，尤其涉及光伏阵列在动态阴影遮挡条件下的最大功率跟踪方法。

背景技术

光伏阵列在理想条件下工作时，其功率-电压曲线是一条“单峰曲线”，唯一的极值点就是最大功率点。而在阵列处于部分阴影遮挡条件下时，其功率-电压曲线变为了“多峰曲线”存在多个极值。此时传统的最大功率跟踪技术往往只能够跟踪到局部最大功率点，而错过全局最大功率点。而为了解决这样的复杂多线性问题，一些智能算法被应用在此问题上来。以粒子群优化算法为例，每个粒子都代表了一个占空比的数值，适应度函数则为光伏阵列的输出功率P，在算法迭代若干次以后所有的粒子都会围绕在最优位置附近，也代表着算法找到了全局的最大功率点。

现实情况下，光伏阵列所受到的部分阴影遮挡不是一成不变的，而通常是处在一个动态的阴影遮挡条件下。现有的文献往往讨论的是固定阴影遮挡条件下的最大功率跟踪问题，而在考虑阴影遮挡发生变化时，只是简单的重启算法。这样的策略抛弃了上一次跟踪时所获取的信息，也就是说并没有充分利用上一次跟踪的结果。因此针对光伏阵列在动态阴影遮挡条件下的最大功率跟踪问题，本发明提出了一种新的跟踪策略，在阴影遮挡发生变化时使用BP神经网络判断新的部分阴影遮挡条件下的最大功率点的位置，即通过BP神经网络判断新的最大功率点是在当前最大功率点的左侧还是右侧。这样可以达到缩小搜索空间的目的，提高在动态阴影遮挡条件下的跟踪性能。

发明内容

根据上述提出的技术问题，而提供一种光伏阵列在动态阴影遮挡条件下的最大功率跟踪方法。本发明主要利用光伏阵列在动态阴影遮挡条件下的最大功率跟踪方法，其特征在于，包括以下步骤：

步骤S1：构建光伏电池模型；光伏阵列包括：若干块并联和/或串联的光伏板；所述光伏板包括若干块单体光伏电池；

步骤S2：根据所述光伏电池模型通过跟踪策略构建最大功率跟踪模型。

更进一步地，所述单体光伏电池等效为电流源，所述单体光伏电池的输出电流I为：

I＝I_ph-I_d-(V+IR_s)/R_sh；

其中，I_ph表示光生电流，I_d表示流经二极管的电流，R_s表示串联电阻，R_sh表示并联电阻；

进而通过四参数光伏电池建模方法，在已知开路电压V_oc、最大功率点处电压V_mpp、短路电流I_sc、最大功率点处电流I_mpp的前提下建立单体光伏电池模型，具体为：

ΔV＝[1-σ(T-T_ref)]ln(e+β(S-S_ref))；