基于粒子群融合变步长扰动观察MPPT算法研究论文_胡然,邹海荣

(上海电机学院 上海 201306)

摘要:光伏阵列被云层局部遮挡,使得其功率-电压(P-V)曲线呈现阶梯状、多极值的形状,从而造成传统的最大功率点跟踪不起作用,陷入局部寻优,本文提出了一种可以快速、稳定并且能够全局寻优的最大功率点跟踪(MPPT)算法。算法先将粒子群优化(PSO)改进,使得在一定的迭代次数下稳定地全局更新所有粒子的速度和位置,快速找到最大功率点(MPP)的大概位置,再利用改进的Fibonacci数列作为变步长扰动观察法步长改变的依据,快速接近和得到功率的最佳解[1]。通过Simulink建立了仿真模型,与变步长扰动观察法、传统粒子群优化算法进行比较,验证了算法在精度与速度上有明显提升。

关键词:局部阴影;光伏阵列;最大功率点跟踪;粒子群优化;变步长

0引言

传统的算法有扰动观察法、变步长扰动观察法等,扰动观察法的优点是:跟踪速度快、参数检测的精度不必过高。缺点是:在MPP处摆动较大;搜索速度明显变慢,实时性较差。当云朵遮挡光伏阵列时,P-V曲线呈现出多峰值的形状,导致变步长扰动观察法等传统算法陷入局部最优,造成功率损失。针对此问题,新的智能算法被提出。

在分析了上述情况后,本文提出了一种基于粒子群优化变步长扰动观察法的MPPT控制方法,先利用改进的粒子群优化算法在全局中追踪至MPP点附近,再使用以Fibonacci数列为步长的变步长扰动观察法精确的到达MPP处,最后在每一步的算法中均设计了可行的终止策略,以防陷入局部寻优以及在MPP附近摆动。

1局部阴影下光伏阵列特性分析

1.1部分阴影遮挡下的光伏阵列模型

当有阴影遮挡时,光伏阵列的模型如图1所示。

图1局部阴遮挡下3x4光伏阵列模型

1.2部分阴影遮挡下光伏阵列的电气特性

根据上述光伏阵列结构及已知光伏数学模型,在Matlab中搭建3x4的光伏电池,通过对多次仿真的比较,其主要的差别是输出P-V曲线由单峰变成了多峰。

图2 局部阴影下光伏阵列P-V曲线

2最大功率点跟踪算法的提出

2.1粒子群优化算法

PSO算法在对全局参数优化的同时,也能够辨识每个做为解的粒子,解决优化与搜索的问题。更新粒子的速度和位置的方法如下

(1)

本算法的参数设置采用如下方法

(2)

2.2变步长扰动观察法

由于本算法在复合控制的第二阶段使用Fibonacci数列{Cn}确定步长,初始值应该设置较大,而扰动步长△U的相对变化应较小。其定义如下

(3)

本文用判断变量m控制a的大小,当m=1时,表示与前次搜索方向一致,应该扩大搜索范围;当m=0时,表示方向不同,需要减小搜索范围。即有如下方法

(4)

2.3 MPPT的复合控制

在本复合控制中,在第一阶段,为了限制迭代次数,已经设置了迭代终止条件。第二阶段本文设置了立即终止策略。即当变步长扰动观察法的步长小于0.5 % V时,停止工作点移动,结束寻优进程[3]。

P-V曲线的极值点就会发生变化,MPPT算法也需要重新启动,重启条件采用如下方法:

(5)

式中,P(t)为当前时刻的功率值,P(t-1)为上一时刻的功率值。

图3 光伏系统部分仿真模型

图3中的部分仿真参数如下:环境温度T=250C,光照强度R=1KW/m2,Boost电路的升压电感L = 4mH,阵列输入滤波电容C1= 200gF。粒子群算法的粒子数目为8,Fibonacci数列的初始值为1。

仿真与计算后得出的相关数据见表1

表1三种策略仿真结果的比较

三种策略跟踪效果的对比图如图4所示。

图4 三种策略追踪功率效果比较图

3结论

本文介绍了有部分阴影遮挡时,提出了由改进的粒子群优化算法和基于Fibonacci数列的变步长扰动观察法复合控制的MPPT算法,加快了寻优速度,提高了寻优准确度。最后MATLAB中的仿真结果表明,本文提出的MPPT算法在复杂光照条件下具有可行性和有效性,并且在精度和速度上有了显著的提高。

参考文献:

[1]薛家祥,钟良文,张思章,张红卫,廖天发,张晓莉.光伏系统中扰动观察法的控制方法研究田.电气传动,2013,43(3):40-44

[2]吴雨薇,时斌,朱海勇,张加岭.基于变步长扰动观察法的光伏电池最大功率点跟踪田.电气技术,2014,(6):23-25.

[3]朱艳伟,等.粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用田.中国电机工程学报,2012,32(4):42-48.

论文作者:胡然,邹海荣

论文发表刊物:《电力设备》2018年第23期

论文发表时间:2018/12/12

标签:;  ;  ;  ;  ;  ;  ;  ;  

基于粒子群融合变步长扰动观察MPPT算法研究论文_胡然,邹海荣
下载Doc文档

猜你喜欢