摘要：随着经济的不断向前发展，能源使用量越来越多，其中化石燃料、石油资源已经趋向枯竭，因此，可再生能源的利用得到广大学者的关注。太阳能是最好的绿色能源之一，其具有广泛的覆盖范围、生态友好性、易于获取等特性，被学者们视为未来传统能源的最佳替代品。因此，如何提高太阳能的转换效率成了许多研究人员的重点。最大功率追踪技术（Maximum Power Point Tracking，MPPT）成了解决这一问题的关键技术。
关键词：光伏发电系统；MPPT控制；策略
引言
受太阳电池的价格、转换效率、环境因素的影响，为有效利用太阳能，对光伏发电系统进行最大功率点跟踪（MPPT）是十分必要的。最大功率点跟踪实际上是一个自动寻优的过程。目前常用的最大功率点跟踪方法有固定电压法、电导增量法、扰动观察法等。固定电压法控制精度较差；电导增量法控制稳定性好，但计算量大，对系统设备要求高；扰动观察法由于结构简单和易于实现，已得到广泛应用，但也存在动态性能差、跟踪速度慢等缺点。
1光伏发电系统的组成
光伏发电系统主要由光伏组件方阵、逆变器、光伏储能部件和交流并网系统等组成，各个部件的功能如下：
（1）光伏组件方阵：是由若干光伏组件及支架组成的方阵，支架是光伏阵列的支撑结构，光伏组件方阵可看做是一个中间的媒介，是连接太阳能和电能的设备，将接收到的太阳能转换成电能。（2）逆变器：担负着系统的DC/AC转换，并准确控制转换电压、频率、相位、谐波含量等重要指标，具有最大功率跟踪功能，是把光伏方阵连接到系统的部件。（3）光伏储能部件：由蓄电池组和光伏充放电控制器组成，在“负荷调节、配合新能源接入、弥补线损、功率补偿、提高电能质量、孤网运行、削峰填谷”等几大功能应用。（4）交流并网系统：由交流并网柜、升压变压器、SVG无功补偿装置及综合控制系统组成，主要作用是升压及无功动态补偿调度通讯等功能。
2 MPPT技术概述
光伏电池的能量转换效率不仅与自身物理特性有关，还受到外界环境如光照强度、负载性质和工作温度等众多条件的影响。当外界环境发生变化时，光伏电池的运行状态随之改变，系统输出能量的转换效率也将发生相应的变动。因此需要寻求一种控制方法，使光伏电池将接收到的太阳能以最大限度转换为电能，以便系统能够时刻运行于最优工作状态下，从而提高系统的电能转换率。这类使光伏电池可以保持输出最大功率的控制技术被称为最大功率点跟踪（Maximum Power Point Tracking，MPPT）技术。依据电路原理可知，当光伏电池自身的信号源内阻抗与负载阻抗相匹配时，系统将以最大功率对太阳能进行转换。因此，最大功率点跟踪技术即采用控制算法对负载阻抗的工作状态进行实时调整，使它能够准确追踪光伏电池的内阻抗，进而达到两者相等的目的，实现光能的最大利用。
3光伏发电系统MPPT影响因素
在光伏发电系统中，几乎每一个环节都会涉及对电流和电压的控制。因此，所选用的电力传感器将影响到光伏发电系统最大功率点跟踪的有效性。常见的传感器有电流传感器、温度传感器、湿度传感器和电压传感器等。因为电压传感器具有响应快、线性好和不损失测量能量等优势，所以已经广泛应用于光伏发电系统的逆变装置和电源等领域。太阳能作为清洁环保的可再生能源，提高其利用效率意义重大，在光伏发电系统中采用合适的传感器非常重要。由于传感器具有性能稳定、结构简单和实用性强等多个优点，所以其可以有效应用于光伏发电系统。
4 MPPT控制算法
4.1萤火虫算法
萤火虫算法FA（Firefly algorithm）中，萤火虫群通过闪光来相互交流信息，萤火虫的吸引力与自身光亮度成正比。在光伏发电系统中，代替每个萤火虫的位置都代表一个不同的转换器占空比D，每一个萤火虫的亮度代表输出功率的大小，通过不同占空比获得不同的每个萤火虫的位置，通过重复试验，可得到MPP。
FA算法的优势在于：
（1）控制方法简单，易于实现。（2）收敛速度快。（3）能够在低成本微控制器上的实现。
不足在于：
（1）易陷入局部最优解。（2）对高维寻优效果不理想。
4.2蚁群优化算法
蚁群优化算法ACO（Ant Colony Optimization algorithm）中，蚁群通过“信息素”来实现信息的交流与传递。在光伏发电中，蚁群寻找食物的过程被模仿并用于寻找光伏阵列中的MPP，ACO算法的目标函数中，关键参数就是占空比D。通过随机产生占空比并计算相应的功率值，然后和特定占空比的功率值相比较，进而实现寻优。
ACO算法的优势在于：
（1）更快的收敛速度。（2）稳定性较强。
不足在于：
（1）跟踪速度一般，容易造成小部分功率损失。（2）控制方法复杂度高，难以在控制器上实现。
4.3人工蜂群算法
人工蜂群算法ABC（Artificial Bee Colony algorithm）中，通过蜂群寻找蜜源的行为提出的一种智能算法。在光伏发电系统中，每个蜜源所在的位置代表转换器的占空比D，每个蜜源的多少代表光伏阵列的输出功率的大小。通过改变不同的占空比，来实现对输出功率最大点的追踪。最终算法保留蜜源最优的点，即输出功率最大点。
ABC算法的优势在于：
（1）跟踪速度快。（2）收敛速度快。
不足在于：
（1）随机初始化时，容易丢失功率的极值点。（2）增加了系统的复杂度。（3）硬件实施难度较高。
5光伏发电系统MPPT控制策略
神经网络控制技术，神经网络有输入层、隐藏层和输出层三层结构，每层中节点数量各不相同。神经网络的输入变量可以是辐照度和温度等光伏阵列参数；输出变量可以是多个参考信号，神经网络控制技术具有可进行复杂的逻辑操作、响应速度快和处理非线性信息等优点，由于多数光伏阵列具有不同的输出特性，所以神经网络需要经过反复地训练以提高其准确跟踪最大功率点的能力。
恒定电压控制技术，恒定电压控制是指当光伏阵列温度变化小并且可以忽略其影响时的MPPT控制方法。光伏阵列的工作电压应该与参考电压值相匹配，光伏电池在最大功率点处的电压值变化很小，可认为该处即为最大功率点的电压值，恒定电压控制实质上是近似的输出光伏发电最大功率而不是准确无误地进行跟踪控制。光伏阵列的等效模型如图1所示。
图1 光伏阵列的等效模型
在使用光伏阵列的过程中，光伏阵列的外部特性会随着时间变化而发生变化。当最大功率点跟踪技术响应速度较快时，其收敛到最大功率点处所用的时间较短。为了使光伏发电系统工作在最大功率点处，需要综合考虑最大功率点跟踪控制策略。
结语
最大功率点跟踪控制策略对于促进光伏阵列工作在最佳环境下和提高光伏发电系统的发电效率具有重要意义。通过研究分析影响最大功率点跟踪的神经网络控制技术和恒定电压控制技术，为进一步研究最大功率点跟踪技术奠定基础。
参考文献
[1]周皓,童朝南,刘宝其等.电网不平衡条件下的光伏并网发电控制策略[J].电力系统自动化,2015,39(12):27-32.
[2]陈亚爱,周京华,李津等.梯度式变步长MPPT算法在光伏发电系统中的应用[J].中国电机工程学报,2014,34(19):3156-3161.
[3]林盛鑫,张志.高效屋顶光伏发电及其并网系统研究[J].可再生能源,2015,33(10):1470-1477.
[4]牛欢欢,郑喻.基于MPPT的小型风光互补系统控制策略的研究[J].电气开关,2015,53(05):38-40+44.
论文作者:张路
论文发表刊物:《电力设备》2018年第26期
论文发表时间:2019/1/16
标签：光伏论文; 系统论文; 算法论文; 阵列论文; 电压论文; 最大功率论文; 神经网络论文; 《电力设备》2018年第26期论文;