摘要：近年来能源短缺和环境污染问题日益严重，清洁、高效、环保的能源受到市场追捧，正因如此，光伏发电技术重要性越来越凸显。光伏发电系统由太阳电池、蓄电池、控制器和逆变器组成，可以将太阳光能转换成电能。系统可靠性高，使用寿命长，不污染环境，能独立发电又能并网运行。对于大型光伏阵列，电能输出具有非线性特征，与外界温度、光照条件和用电负载有关，太阳电池很难一直工作在最大功率点处。因此，为了使光伏发电效率高，需要采用最大功率点跟踪技术(MPPT)，该技术可以预测和跟踪最大功率点，使光伏系统在最大功率点工作。本文综述了近年来逆变器控制策略的研究成果，分析各类控制原理和特点，在此基础上，提出了最大功率点追踪技术的发展方向及改进方法。
关键词：光伏发电系统；最大功率点；跟踪技术综述
最大功率点跟踪技术（MPPT）策略对于光伏发电系统的功率损耗有着重要的影响，针对当下光伏发电研究的热点问题，本文研究了光伏输出特性，对比了三种最为成熟和广泛的控制算法，并且运用电量增导法进行建模和仿真，仿真结果在0.04s时功率达到稳定，说明了电量增导算法的正确性和实用性，具有一定的研究意义。
1改进的MPPT算法
1.1自适应变步长的增量电导
传统增量电导法是固定步长的，这种方法在跟踪速度和稳态精度的要求方面有着很大矛盾，小步长能够提高精度，但系统的跟踪速度很慢；大步长可以有效提高跟踪速率，但这是以降低跟踪精度和系统稳定性为代价的。当光伏系统的运行点离最大功率点较远时，dP/dV较大，此时可以适量增加变量步长以增加系统的动态响应速率。文献[3]提出了对电导增量法的一种改进算法，即：将dP/dV作为步长的变化系数，实现步长的自动调整。与传统的电导增量法相比,该方法通过步长的自动调整，减少了所需的实际运行时间,提高了采样率,具有良好的跟踪精度和快速的收敛速度，降低了系统成本。增量步长由换算系数和dP/dV确定，改进了增量步长的确定方法，增量步长直接由ΔP和一定的换算系数确定；对自适应变步长电导增量法做了验证，用Labview(实验室虚拟仪器工程工作台)实现了增量电导MPPT算法。
1.2模糊控制技术
模糊控制是智能控制方法的一种，其特点是在设计过程中不需事先知道被控对象的精确模型，对难以建立精确模型的复杂对象，可以根据操作经验直接进行控制，因此控制设计简单。提出将模糊逻辑控制技术应用到光伏系统最大功率点追踪中，即基于模糊逻辑控制和光伏系统的模糊逻辑控制算法。并将太阳电池板在Matlab和Simulink中进行了建模分析，对该算法进行了验证。该方法采用基于模糊逻辑的控制器,模糊逻辑控制器具有健壮性和相对简单的设计优点,有两个输入和一个输出。
1.3神经网络技术
神经网络技术是一种仿人思维的控制技术，它不依赖于被控过程的数学模型，抗干扰能力较强，具有黑箱学习模式特点，用于具有非线性特性的光伏系统的MPPT技术十分合适。但神经网络系统的学习模式需要长期训练，且输入、输出数据关系难以表达。由于神经网络控制技术和上文所述模糊控制技术可以实现优势互补，如果把模糊算法和神经网络结合，将能够更好的对MPP进行追踪。提出一种自适应神经-模糊推理系统(ANFIS)的最大功率点跟踪方法。该方法将温度和辐照度确定为反映影响光伏阵列工作点的环境条件的控制系统的输入变量、ANFIS控制器的输出标识为占空比，通过馈送适当占空比给激活转换器的开关来频繁地估计参考电压，使得光伏系统以其MPP电压工作，以实现MPP电压控制光伏系统的功能。
期刊文章分类查询,尽在期刊图书馆该方法通过实测数据提取模糊控制规则，并将其嵌入模糊控制器当中去，确定隶属函数，有效降低了模糊推理函数(FIS)的设计难度，反应速度快、对环境变化适应性强、具有学习能力，针对光伏系统使用过程中的变化，只需记录实测数据训练新的FIS，并将它转换成相应控制程序，即可实MPPT控制器的优化升级，具有很高的实际应用价值。
2最大功率点跟踪技术研究与仿真
MPPT其本质就是通过控制输出变量参数的数值，寻找最优的输出点，使得光伏阵列能够在不同的环境和光强度下保持输出功率的最大。实现最大功率点跟踪控制的方法很多，常用的MPPT方法有：电导增量法、扰动观察法、恒定电压法、滞环比较法、最优梯度法等。较为常用的算法一般是前三种。每种算法都有其优缺点和最试用的场合，本文主要阐述电导增量法控制算法，并根据其理论进行仿真研究。
3阴影下的MPPT算法
传统的MPPT算法可以在均匀的太阳辐射或恒定的环境条件下正确地跟踪MPP，因为在P-V曲线上有一个MPP。在有部分阴影的条件下(PSCS)或快速变化的环境条件下，光伏组件上的太阳辐照度变得不均匀。在这种情况下，P-V曲线上出现了许多局部MPP，其中只有一个是全局最大功率点(GMPP)。GMPP是在多个MPP中拥有最高权力值的点。在P-V曲线中存在多个MPP的情况下，传统的MPPT算法无法跟踪GMPP。提出了基于模糊逻辑控制器的跟踪回路和扫描储存的办法，该方法结合了基于模糊逻辑控制器(FLC)的新的跟踪循环与扫描和存储算法,通过扫描和存储过程识别GMPP及其相应的占空比(DGMPP)，之后激活基于跟踪循环的FLC来跟踪所识别的GMPP。该方法的优点是保证了在复杂阴影、快速瞬态变化的阴影模式下GMPP的准确、快速收敛。大大提高了跟踪效率，并显著降低了响应时间。同时使用电压和电流偏差的快速动态MPPT技术。首先建立了一个简单的光伏系统，MPPT控制器首先根据公式分别计算电压和电流的偏差DVPV和DIPV。然后，计算功率两侧斜率a和b，如果a>0和b<0(MPP的左侧)，则电流IPV通过减小DS而不断降低，反之升高，以将PV模块的工作点移动到MPP。该方法其他MPPT方法相比，提供了最短的收敛时间，即具有非常快的高精度动态响应和最高的MPPT效率。粒子群优化法(POS-MPPT)基于粒子群、目标函数或适应度函数，通过递归与粒子间相互作用，目标函数将当前的光伏发电系统与前一次迭代得到的光伏发电功率进行对比，找到相对更接近的MPP，从而找到GMPP，同时通过使用PSO-MPPT进行全局MPPT技术，克服与局部遮蔽相关的不匹配现象问题。与其他MPPT技术相比，PSO-MPPT始终能够达到GMPP，提高了光伏系统的效率。基于遗产算法的最大功率点跟踪方法。首先选择当前的迭代k期望的输出电压，计算当前功率，考虑局部阴影影响，组合了两个迭代k期望的输出电压以产生一个新的迭代k期望的输出电压，再计算功率，进行对比确定GMPP。该方法解决了古典MPPT算法中扰动观测法或增量电导法在发现的第一个最大功率点中被阻塞而无法在PV特性中找到具有多个MPP的系统中的全局最大功率点的问题。
结语
由于光伏电池的输出会受到环境因素的影响，光伏阵列的最大功率输出点也在不断的变化，为了提高光伏发电的功率，需要采用相应的控制技术来跟踪。本文对几种当前使的控制策略进行探讨研究，然后运用电导增量法建立模型仿真，结果说明了该方法可以实现最大功率跟踪的效果，对于最大功率跟踪技术有一定的研究意义。
[1]边鸣镝.基于改进型算法的太阳能最大功率点追踪(MPPT)的研究与实现[D].吉林大学,2016.
[2]李亚飞,胡树杰,蒋磊磊.光伏电站最大功率点跟踪(MPPT)的研究[J].工程技术:文摘版,2016(8):00166-00166.
[3]张旭,张鹏,余峰等.光伏并网逆变器最大功率点跟踪MPPT设计[J].船电技术,2013,33(11):62-64.
论文作者:张燕东
论文发表刊物:《电力设备》2019年第4期
论文发表时间:2019/7/5
标签：步长论文; 光伏论文; 算法论文; 系统论文; 增量论文; 最大功率论文; 电导论文; 《电力设备》2019年第4期论文;