一種太陽能電池最大功率跟蹤控制方法與流程

本發明屬于太陽能發電控制
技術領域：
，應用在光照不均勻的情況下，具體涉及一種太陽能電池最大功率跟蹤控制方法。
背景技術：
：太陽能是一種綠色能源，具有無污染、無噪聲、資源豐富等優點。作為最具前景的發電技術之一，太陽能發電已經得到廣泛的應用。為充分利用太陽能電池的發電能力，一般控制其工作在最大功率點處，這就是最大功率點跟蹤控制(MPPT，MaximumPowerPointTracking)。要實現最大功率跟蹤控制，一般在太陽能電池(組)后面接一個DC/DC變換器實現阻抗變換，調節輸出功率，對DC/DC變換器采用擾動觀察法或者增量電導法實現最大功率跟蹤控制，這些方法本質上仍然是爬山方法，即給定一個占空比初值，然后改變占空比，使其向輸出功率變大的方向變化，直到功率不再增大為止。光照均勻情況下，太陽能電池具有唯一最大功率點，其功率-電壓曲線(P-U曲線)如圖1所示，傳統的方法如擾動觀察法或增量電導方法都能夠達到比較理想效果。但是在光照不均勻的情況下，比如云團飄過時太陽能電池局部被遮擋，其功率-電壓曲線(P-U曲線)將呈現出如圖2所示的多峰特性，此時，常規的MPPT方法，如擾動觀察法、增量電導法都容易陷入局部峰值，無法得到最大發電功率。技術實現要素：本發明的目的是提供了一種太陽能電池最大功率跟蹤控制方法，解決現有技術在光照不均勻時，常規算法失效的問題。本發明采用的技術方案是，一種太陽能電池最大功率跟蹤控制方法，按照以下步驟實施：步驟1、對期望輸出電壓進行初始化；步驟2、對初始化期望輸出電壓的性能進行評價采用步驟1初始化的期望輸出電壓為太陽能電池組的輸出電壓值，控制太陽能電池組連接的DC/DC變換器，采用閉環PI控制方法，使太陽能電池組輸出電壓達到目標值，記錄穩態時每個期望輸出電壓值對應的太陽能電池組輸出功率為Pi＝Vin×Iin和對應的DC/DC變換器的占空比為Di，Vin和Iin分別表示DC/DC變換器的輸入電壓及輸入電流值，當2≤N≤5時，取值范圍i＝1,2,...2N+1；當N>5時，取值范圍i＝1,2,...N；步驟3、對粒子群和算法參數進行初始化利用步驟2中各個初始化目標電壓對應的輸出功率計算平均功率值Pmean；步驟4、選出適應值最大的粒子進行保留選取適應值最大的粒子，不參與步驟5中的位置和速度更新，稱為最優保留策略；步驟5、進行粒子群迭代；步驟6、對粒子適應值進行評價，更新個體歷史最優解位置Pbest_l和全局最優解位置Xbest；步驟7、待所有3個粒子收斂到某一點附近時，i≠j，ε為一個設定的小正數，即認為此時搜索到最大功率點，結束搜索，將Xbest作為DC/DC變換器的占空比D；否則，返回步驟4，重新搜索。本發明的有益效果是，與其它粒子群算法相比，該方法能夠更快地找到全局最大功率點，同時降低了陷入局部極小的概率，該方法創新點主要體現在以下三個方面：1)在太陽能電池數目滿足2≤N≤5時，采用2N+1初始電壓進行迭代，避免了現有方法采用N個粒子進行迭代，粒子太少，無法得到比較理想的分布，使得陷入局部極小的概率增大的問題；2)在第一代初始2N+1或N給粒子(輸出電壓值)后，只有適應值大于平均適應值的粒子之間插入部分新占空比后，經過評估后，得到3個粒子作為粒子初始值，后面迭代粒子群的規模是3個粒子，而不是現有方法的N個粒子進行迭代，提高了算法效率；3)最優保留策略，上一代最優粒子不進入下一次迭代，節省了迭代時間，進一步提高了算法效率。附圖說明圖1是光照均勻情況下的太陽能電池P-U曲線；圖2是陰影遮擋情況下的太陽能電池P-U雙峰曲線；圖3是現有技術DC/DC(boost)變換器基本拓撲圖；圖4是本發明方法的工作流程圖；圖5是兩塊太陽能電池串聯產生兩個峰的原理圖；圖6本發明方法對3塊太陽能電池串聯出現3個峰時電壓初始化結果；圖7是本發明方法對圖6曲線(3個峰)的實驗結果；圖8是對比方法一對圖6曲線(3個峰)的實驗結果；圖9是對比方法二對圖6曲線(3個峰)的實驗結果；圖10是本發明方法對2塊電池2個峰的P-U曲線；圖11是本發明方法對3塊電池3個峰的實驗結果；圖12是本發明方法對4塊電池4個峰的P-U曲線；圖13是本發明方法對4塊電池4個峰的實驗結果；圖14是本發明方法對6塊電池5個峰的P-U曲線圖15是本發明方法對6塊電池5個峰的實驗結果。具體實施方式下面結合附圖和具體實施方式對本發明進行詳細說明。一、多峰產生的原因分析以兩塊太陽能電池串聯為例，當兩塊電池受到的光照強度不同時，如圖5，兩塊電池的輸出電流大小不同，輸出電壓幾乎相等，兩塊電池串聯到一起，受到的光照強度不同時就會出現P-U曲線多峰。假設PV2受到遮擋光照強度低，則PV1輸出電流ipv1大于PV2輸出電流ipv2。圖5中顯示了電池組的輸出電流曲線，當陣列電流istr小于ipv2，電池板PV1、PV2均處于工作狀態，輸出總電壓為PV1和PV2輸出電壓相加值。當陣列電流istr大于ipv2，PV2會消耗能量，為了防止熱量集聚燒毀電池板，每塊電池在生產時會并聯一個二極管，此時二極管DP2導通，電池板PV2不提供能量，輸出電壓為PV1的電壓。已知單塊太陽能電池最大功率點電壓Vm≈0.8Voc，其中Voc為電池的開路電壓。在圖5中可看到Voc≈Voc_array/2，Vm1≈0.8*Voc，Vm2≈1.8*Voc，由此特性可以在初始化時直接計算出可能出現最大功率的目標電壓。二、太陽能電池及boost變換器數學模型(1)建立太陽能電池的數學模型在任意太陽輻射強度R和環境溫度Ta條件下，太陽能電池溫度Tc的表達式為：Tc＝Ta+tc·R，(5)式中，tc為太陽能電池的溫度系數，單位為℃·m2/w；R為太陽輻射強度，單位為w/m2；Ta為環境溫度，單位為℃；Tc為太陽能電池溫度，單位為℃，假設在參考條件下，Rref＝1000w/m2，Tref＝25℃分別為參考日照強度和參考電池溫度，相關技術參數分別包括：短路電流Isc、開路電壓VOC、最大功率點電流Im、最大功率點電壓Vm、最大功率點Pm，太陽能電池電壓為V，其對應點電流為I時，表達式為：I=Isc(1-C1(eVC2VOC-1)),---(6)]]>其中，C1=(1-ImIsc)e-VmC2·Voc,---(7)]]>C2=(VmVoc-1)·ln-1(1-ImIsc),---(8)]]>當太陽輻射和溫度變化時，則有：I=Isc(1-C1(eV-ΔVC2VOC-1))+ΔI,---(9)]]>其中，ΔI=α·RRrefΔT+(RRref-1)ISC,---(10)]]>ΔV＝-β·ΔT-Rs·ΔI，(11)ΔT＝Tc-Tref，(12)其中α為在參考照度下電流變化的溫度系數，單位為A/℃；β為參考照度下電壓變化的溫度系數，單位為V/℃；Rs為太陽能電池的串聯電阻，單位為Ω；實施例中的參數設置為α＝0.0748V/℃、β＝0.001512A/℃、Rs＝0.2Ω；(2)建立boost電路數學模型參照圖3，根據能量守恒原理，在電感電流連續工作模式下建立boost電路數學模型如下：IL=I-c1dVdtIb=(1-D)IL-c2dVbdtV=(1-D)Vb+LdILdt⇒dVdt=1c1(I-IL)dVbdt=1c2[(1-D)IL-Ib]dILdt=1L[(1-D)Vb-V]---(13)]]>三、采用改進粒子群算法采用粒子群算法，克服了常規方法在不均勻光照條件下，即存在多個功率峰值情況下，易陷入局部功率峰值的問題，并對基本粒子群算法進行改進，提升了最大功率點的搜索速度，獲得了良好的效果。3塊(2≤N≤5)太陽能電池串聯，多峰P-U曲線如圖6所示。以下結合相關附圖以3塊太陽能電池串聯為例對本發明進行詳細說明。參照圖4，基于上述的理論，本發明的太陽能電池最大功率跟蹤控制方法，按照以下步驟具體實施：步驟1、對期望輸出電壓進行初始化將N塊太陽能電池串聯，當N≥2，最多可能出現N個功率峰值；當2≤N≤5時，初始化2N+1個期望輸出電壓；當N>5時，初始化N個期望輸出電壓，首先根據太陽能電池組開路輸出電壓Uoc_array，計算得到單塊太陽能電池的輸出電壓Uoc≈Uoc_array/N，當2≤N≤5時具體的方法是第1個初始期望輸出電壓為U1＝0.4Uoc，第i個初始期望輸出電壓為Ui＝0.8Uoc+0.5(i-2)Uoc，i＝2,...2N，第2N+1個初始期望輸出電壓為(N-0.1)Uoc；當N>5時，第i個初始期望輸出電壓為Ui＝(i-1)Uoc+0.8Uoc，i＝1,2,...N；實施例選取N＝3，則初始化目標電壓個數2N+1＝7，用占空比D＝0控制變換器，得到Uoc_array＝64V，Uoc＝Uoc_array/3＝21.3V，各個粒子(期望輸出電壓)位置分別為：X1＝0.4Uoc＝8.52V；X2＝0.8Uoc＝17.04V；X3＝1.3Uoc＝27.69V；X4＝1.8Uoc＝38.34V；X5＝2.3Uoc＝48.09V；X6＝2.8Uoc＝59.64V；X7＝2.9Uoc＝61.77V，如圖6所示；步驟2、對初始化期望輸出電壓的性能進行評價采用步驟1初始化的期望輸出電壓為太陽能電池組的輸出電壓值，控制太陽能電池組連接的DC/DC變換器，采用閉環PI控制方法，使太陽能電池組輸出電壓達到目標值，記錄穩態時每個期望輸出電壓值對應的太陽能電池組輸出功率為Pi＝Vin×Iin和對應的DC/DC變換器(圖3)的占空比為Di，Vin和Iin分別表示DC/DC變換器的輸入電壓及輸入電流值(對應太陽能電池組的輸出電壓和輸出電流值)，當2≤N≤5時，取值范圍i＝1,2,...2N+1；當N>5時，取值范圍i＝1,2,...N；實施例選取N＝3，則i＝7，仿真得到從給定期望輸出電壓到太陽能電池組功率穩態輸出，PI調節器所用時間為0.3s，測量得到：P1＝60.64W；P2＝120.9W；P3＝168.1W；P4＝183.8W；P5＝205W；P6＝170.2W；P7＝75.39W；步驟3、對粒子群和算法參數進行初始化利用步驟2中各個初始化目標電壓對應的輸出功率計算平均功率值Pmean，當2≤N≤5時，采用公式(1)計算：Pmean=(Σ12N+1Pi)/(2N+1),---(1)]]>當N>5時，采用公式(2)計算：Pmean=(Σ1NPi)/N,---(2)]]>取輸出功率大于平均功率的初始化電壓值對應的占空比記為dj，占空比dj按數值從小到大的順序排列，即滿足dj≥dj-1，j＝2,...,n；將每個dj對應的輸出功率記為Pnew(2(j-1)+1)，此處Pnew(2(j-1)+1)表示集合Pnew的第(2(j-1)+1)個元素，在每兩個相鄰占空比之間增加一個新的占空比，得到占空比集合：Dnew＝{d1,d1+(d2-d1)r1,d2,...,dn-1+(dn-dn-1)rn-1,dn}，其中rk為[0,1]之間的隨機數，k＝1,2,...,n-1；將占空比集合中新增加的占空比Dnew(2k)分別作為太陽能電池組后面連接的DC/DC變換器占空比，得到采用該占空比時太陽能電池組的穩態輸出功率記為Pnew(2k)，k＝1,2,...,n-1；取m是集合Pnew中最大值對應的下標，表示第g代時第i個粒子的適應值，則對應的適應值，取至此得到3個初始化粒子的位置，該3個初始化粒子對應的適應值分別為設3個初始化粒子的初始速度均為0，迭代過程中最大速度限制為0.2，慣性權重ω＝0.3，學習因子c1＝1，學習因子c2＝2，當前迭代次數設為g＝0；初始化個體歷史最優解位置Pbest_l為第l個粒子的當前位置，l＝1,2,3，即個體歷史最優適應值全局最優解位置Xbest設為全局最優適應值Gmax為實施例選取N＝3，由式(1)計算得步驟2功率均值Pmean＝151W，如圖6，取高于平均適應值Pmean的粒子對應的占空比d，得到占空比分別為d1＝0.8143，d2＝0.7743，d3＝0.7254，d4＝0.6208，n＝4；在每兩個占空比之間再加入一個占空比，需要再加入3個新的占空比如下：d2+(d1-d2)*r1＝0.7956；d3+(d2-d3)*r2＝0.7303；d4+(d3-d4)*r3＝0.6465；得Dnew＝[d1，d2+(d1-d2)*r1，d2，d3+(d2-d3)*r2，d3，d4+(d3-d4)*r3，d4]＝[0.8143，0.7956，0.7743，0.7303，0.7254，0.6465，0.6208]，用增加的三個新的占空比分別控制DC/DC變換器，設從給定占空比到功率穩態輸出所需時間為0.1s；求得新增加占空比對應的功率，再選取其中適應值最好的粒子，稱為初始速度V1、V2、V3均為0，迭代過程中最大速度限制為0.2，慣性權重ω＝0.3，學習因子c1＝1，學習因子c2＝2，不設置最大迭代次數，當前迭代次數g＝0；則有J1max＝207.1；J2max＝168.1；J3max＝170.2；Gmax＝J1max＝207.1。步驟4、選出適應值最大的粒子進行保留選取適應值最大的粒子，不參與步驟5中的位置和速度更新，稱為最優保留策略；步驟5、進行粒子群迭代除適應值最大的粒子外，將其余兩個粒子根據粒子群算法的位置按照公式(3)、(4)更新速度Vlg+1和位置表達式如下：Vlg+1=ωVlg+c1r1(Pbest_l-Xlg)+c2r2(Xbest-Xlg),---(3)]]>Xlg+1=Xlg+Vlg+1,---(4)]]>其中，g為迭代次數；Vlg為粒子l在第g次迭代時的速度；為粒子l在第l次迭代時的位置；Xbest是全局最優解位置；ω為慣性權重；c1、c2均為學習因子，c1對應自身學習部分，c2對應社會學習部分；r1和r2均為[0,1]之間的隨機數；Pbest_l是個體l的歷史最優解位置；迭代過程中g＝g+1；對于上述的實施例，本步驟得到兩個新的粒子占空比，分別記為步驟6、對粒子適應值進行評價，更新個體歷史最優解位置Pbest_l和全局最優解位置Xbest，把3個粒子位置作為太陽能電池組連接的DC-DC變換器的占空比，記錄其對應的太陽能電池組穩態輸出功率值表示粒子l在第g次迭代時的適應值，l＝1,2,3，6.1)更新個體歷史最優解位置Pbest_l對于當前第g代中的第l個粒子，比較其對應的適應值與其自身歷史最優位置對應的適應值，如果該粒子的適應值大于該粒子的歷史最優位置對應的適應值，那么用該粒子的適應值替換個體歷史最優適應值，同時將該粒子位置設為個體歷史最優位置，具體過程是：若則其中Jlmax表示粒子l的個體歷史最優適應值，l＝1,2,3；6.2)更新全局最優解位置Xbest比較當前種群中所有l個粒子歷史最優適應值，取其中最大的為全局最優適應值，同時將適應值最大的粒子位置設為全局最優解位置，即m為最大歷史適應值對應的下標，Xbest＝Pbest_m；對于上述的實施例3個新粒子，在上一代中的適應值最高，不參與迭代；在本代g＝1時，均高于個體歷史最優適應值；更新個體歷史最優適應值J1max＝207.1，J2max＝171.5，J3max＝175.7，同時更新個體歷史最優解位置Pbest_1＝0.6465，Pbest_2＝0.6304，Pbest_3＝0.6357；更新全局最優適應值Gmax＝J1max＝207.1，同時更新全局最優解位置Xbest＝Pbest_1＝0.6465。步驟7、待所有3個粒子收斂到某一點附近時，i，j∈[1,2,3]，i≠j，ε為一個設定的小正數，在此ε＝0.5，即3個粒子之間功率誤差小于0.5W時，即認為此時搜索到最大功率點，結束搜索，將Xbest作為DC/DC變換器的占空比D；否則，返回步驟4，重新搜索。上述的實施例中，最終所有粒子在程序運行第3代時收斂至d＝0.708，則最大功率為217W，實驗結果如圖7。對比實驗圖8、圖9為兩種現有技術基于粒子群的MPPT方法的實驗結果。對比方法一[朱艷偉，石新春，但揚清等.粒子群優化算法在光伏陣列多峰最大功率點跟蹤中的應用[J].中國電機工程學報.2012，32(4)：42-48.]提出串聯N塊太陽能電池初始化N個粒子，并按照P-U特性把粒子位置初始化到最大功率點附近，該方法的缺點是串聯太陽能電池個數多時，種群數量太大，收斂時間長，串聯電池數量少時，粒子數少，容易陷入局部極小，對圖6多峰情況實驗結果如圖8所示。對比方法二[VPhimmasone,YKondo,NShiota,MMiyatake.TheEffectivenessEvaluationofthenewlyImprovedPSO-basedMPPTControllingMultiplePVArrays[C].inProceedingsof1stInternationalFutureEnergyElectronicsConference,2013:81-86]文獻提出一種IR-PSO(InitializationandRepulsionPSO)方法，其主要創新是在粒子群進化公式(3)中加入排斥項，公式(3)變為式(14)：vin+1=ωvin+c1r1(Pin-sin)+c2r2(Gn-sin)-c3r3(centxi-xik)|centxi-xik|3+d,---(14)]]>排斥項中c3為權重系數，取正常數，r3為0-1之間的隨機數；d是一個很小的常數確保排斥項分母不為0，centx是所有粒子的中心位置，通過下式計算得到：centk=Σi=1NsikN,---(15)]]>其他按照標準粒子群方法迭代，該方法對圖6多峰情況實驗結果如圖9所示。最大功率點跟蹤有幾項重要指標，包括收斂時間、跟蹤精度、成功概率，設經過k次適應值評價跟蹤到最大功率點，收斂時間T的計算方法是：當2≤N≤5，T＝(2N+1)*0.3+(k-(2N+1))*0.1，其中的2N+1為初始化目標電壓個數，k-(2N+1)是粒子為占空比時的適應值評價次數；當6≤N，T＝N*0.3+(k-N)*0.1，其中的N為初始化目標電壓個數，k-N是粒子為占空比時的適應值評價次數。對比方法一與對比方法二均采用PI調節的方法，取值T＝k*0.3；跟蹤精度以最終跟蹤到的最大功率點做對比；跟蹤成功概率，同一種方法對同一多峰連續運行1000次，確定跟蹤成功概率。以下是采用不同方法跟蹤圖6中最大功率點的實驗結果。表1、本發明方法與現有控制方法收斂時間(s)比較實驗一實驗二實驗三實驗四實驗五平均值本發明方法3.13.43.43.63.13.32對比方法一5.45.163.64.24.86對比方法二6.665.75.76.36.06表2、本發明方法與現有方法搜索精度(跟蹤到的最大功率(W))比較實驗一實驗二實驗三實驗四實驗五平均值本發明方法217217217217217217對比方法一217217217217217217對比方法二217217217217217217表3、本發明方法與現有控制方法跟蹤成功概率比較方法本發明方法對比方法一對比方法二跟蹤成功概率99％82％87％從以上對比實驗能夠看出，在收斂時間上本發明方法明顯快于其他兩種方法，在搜索精度上三種方法均能準確的找到最大功率點，跟蹤成功的概率本發明方法明顯高于其他兩種對比方法。為了充分驗證本發明方法的高效性，以下分別以串聯2塊電池2個峰、串聯4塊電池4個峰和串聯6塊電池5個峰為例，進行分析比較，其中的圖10、圖12、圖14分別為陰影下的多峰P-U曲線；其中的圖11、圖13、圖15分別為實驗結果；其中的表4、表5、表6中的結果是通過1000次仿真實驗結果得到的概率和平均值。表4、2塊太陽能電池串聯2個峰曲線實驗結果對比收斂時間(s)功率(W)搜索成功概率本發明方法2.9204.498％對比方法一3.0204.464％對比方法二3.0204.478％表5、4塊太陽能電池串聯4個峰曲線實驗結果對比收斂時間(s)功率(W)搜索成功概率本發明方法4.1234.8100％對比方法一4.8234.892％對比方法二4.5234.893％表6、6塊太陽能電池串聯5個峰曲線實驗結果對比收斂時間(s)功率(W)搜索成功概率本發明方法3.1337.7100％對比方法一10.2337.7100％對比方法二9.7337.7100％從以上對比實驗結果可以看出，相對于其它兩種方法，本發明方法具有較明顯的優勢。對比方法一，當串聯電池板個數少時，該方法能快速收斂，但是跟蹤成功的概率低，隨著電池板個數增多收斂速度降低，這就導致該方法實用性變差。對比方法二，加入排斥項，一定程度上加快收斂速度，避免陷入局部最優，同時又使曲線產生了不必要的振蕩，會降低IGBT的使用壽命，當串聯電池板個數少時可以快速收斂，當電池組數量增多時同樣會有收斂慢的問題。本發明方法從仿真結果看，電池板個數較少時可快速跟蹤到最大功率點且跟蹤成功概率高于兩種對比方法。隨著電池板個數增加，需要初始化的目標電壓個數增多，兩種對比方法收斂速度明顯下降，本發明方法依舊可在3s左右跟蹤到最大功率點，收斂速度不受串聯電池板個數N影響。從迭代波形來看，迭代過程中波形變化幅度小，尋優波形沒有大范圍的振蕩。多次實驗結果證明，在不同的陰影下，尋優波形基本一致，證明本發明方法的穩定性高、適應性強。同時，收斂速度快，跟蹤到的功率精度高，且應用電路簡單易于實現，提高了太陽能電池的能源利用率，適合在實際工程中應用。當前第1頁1 2 3