一種基于模糊概率的光伏電池的最大功率點的跟蹤方法

一種基于模糊概率的光伏電池的最大功率點的跟蹤方法
【專利摘要】本發明公開了一種基于模糊概率的光伏電池的最大功率點的跟蹤方法。所述跟蹤方法包括：以ε為采樣間隔，獲得N個采樣點[ui,P(ui)]，i為小于等于N的正整數；其中，ε為0.05UOC/Ns～0.5UOC/Ns，UOC為光伏電池的開路電壓，Ns為光伏電池的串聯數；通過構造擴散函數fD和隸屬度函數fM，求取概率函數Pro(i)，對概率函數Pro(i)的結果從大到小排序，并依次選取排序靠前的概率對應的Xi的并集作為最大功率點的搜索范圍，使得所述排序靠前的概率函數Pro(i)之和大于等于概率閾值δ；在所述最大功率點搜索范圍中，求得最大功率點[uMPP,P(uMPP)]。通過本發明，解決了多極值情況下，全局掃描法需要密集采樣的缺陷，具有跟蹤速度快、環境適應性好的優勢。
【專利說明】
一種基于模糊概率的光伏電池的最大功率點的跟蹤方法
技術領域
[0001] 本發明屬于光伏發電技術領域，更具體地，涉及一種基于模糊概率的光伏電池的 最大功率點的跟蹤方法。
【背景技術】
[0002] 光伏發電作為可再生的清潔能源，因其低污染、低噪音、儲量豐富等優點，得到廣 泛的運用。但光伏電池輸出能量不穩定、轉換效率低。因此需要通過最大功率點的跟蹤，以 便控制接口變換器，使得光伏電池能連續穩定的向電網輸出最大功率。
[0003] 由于光伏發電系統向電網輸送的功率隨著光照強度、環境溫度、輸出阻抗及負載 的變化而變化，其輸出特性表現出強烈的非線性且存在多極值的情況。在局部陰影下（即光 伏電池受到周圍建筑物、樹木或飛行物的遮擋而能量輸出能力降低)時，精確快速的跟蹤最 大功率點是比較困難的。如圖1是光伏電池在局部陰影下的輸出功率曲線，其中虛線表示光 伏電池輸出電流，實線表示光伏電池輸出功率，可見，局部陰影情況下光伏輸出曲線呈現多 峰值，光伏電池輸出功率隨著電壓的變化并不規律。
[0004] 在現有技術中，最大功率點的跟蹤方法(Maximum Power Point Tracking,MPPT) 有很多，但皆不完善;其中，全局掃描法能比較精確的跟蹤全局最大功率點，但該方法采用 全局搜索，需要密集采樣的多個采樣點，導致其跟蹤速度較慢;而兩步法的基本思想是引入 等效負載并將工作點移到負載曲線與光伏I-U曲線的交點，隨后用常規單峰MPPT搜索最大 功率點；雖然該方法的計算速度較快，但是當最大功率點位于I-U曲線中斜率大于等效負載 曲線時，該方法將不能獲得準確的最大功率點。

【發明內容】

[0005] 針對現有技術的以上缺陷或改進需求，本發明提供了一種基于模糊概率的光伏電 池的最大功率點的跟蹤方法，其目的在于以少量的采樣點構造概率函數，用于解決現有技 術中跟蹤速度較慢、最大功率點獲取不準確的缺陷。
[0006] 為實現上述目的，按照本發明的一個方面，提供了一種基于模糊概率的光伏電池 的最大功率點的跟蹤方法，包括以下步驟：
[0007] S1.以ε為采樣間隔，（0，Uqc]為采樣區間，對光伏電池的輸出電壓u及其對應的輸出 功率P(U)進行采樣，獲得N個采樣點[ Ul，P(Ul)]，其中，i為采樣點的序號，i為小于等于N的正 整數，Ui為采樣點的輸出電壓，P(U i)為采樣點的輸出功率;ε為〇.〇5UQC/Ns~0.5U〇c/N s，U〇c為 光伏電池的開路電壓，隊為光伏電池的串聯數；
[0008] S2.根據采樣點[Ul，P(Ul)]，采樣間隔ε，采樣點的數量N，常數k，Ul的鄰域X 1，光伏 電池的開路電壓Uqc，集值化的模糊隸屬函I
,及擴 散因=
庚得最大功率點的概率函數
其中，max( ·)表示取最大值，exp( ·)表示以自然常數e為底 的指數函數；
[0009] S3.以概率函數Pro(i)的值從高到低為優先級，依次選取概率函數Pro( i)的值進 行相加獲得概率和，并當相加得到的概率和大于等于概率閾值S時，選取的所述概率函數 Pro(i)對應的Xi的并集作為最大功率點搜索區間；
[0010] S4.以所述最大功率點搜索區間作為采樣區間，進行二次采樣，并在所述二次采樣 的采樣點中選取輸出功率最大的采樣點，該采樣點則為最大功率點[UMPP，P ( UMPP )]。
[0011] 優選地，N為int(^)，int()表示向上取整。 ε
[0012] 作為進一步優選地，當i = l時，Ui = Uoc，否則Ui+i = m-ε。
[0013] 優選地，所述步驟S2具體包括如下子步驟：
[0014] S21.根據采樣點[m，P(m)]，采樣間隔ε，采樣點的數量N，常數k，m的鄰域X1，光伏 電池的開路電壓Uqc以及幅值g
獲得模 糊隸屬函I
[0015] S22.根據模糊隸屬函數fMl(u)以及擴散因子
突得擴散函數
獲得集值化的模糊隸屬函數
[0017] S24.根據集值化的模糊隸屬函數fM(u)，獲得最大功率點的概率函數
L〇〇1 S」優選地，步驟S2中所述的k為10~100。
[0019] 優選地，當i = l時，Xd(Ui -e/2，Uoc)，i=N 時，Xi 為(0，?Η+ε/2)，否則 Xi 為(m -ε/ 2，ιπ+ε/2) 〇
[0020] 優選地，所述步驟S3中的概率閾值δ為85%~95%。
[0021] 優選地，步驟S4中所述二次采樣的采樣間隔ξ為ε/1〇〇~ε/1〇。
[0022] 優選地，在所述步驟S4之后還包括步驟S5:控制光伏電池的輸出電壓為UMPP，使得 所述光伏電池的輸出功率保持為P(umpp)。
[0023] 總體而言，通過本發明所構思的以上技術方案與現有技術相比，具有以下有益效 果：
[0024] 1、本發明利用了采樣點的功率越大，最大功率點位于該采樣點的鄰域的概率的越 大的原理，將模糊數學和概率論相結合，首先比較采樣點屬于最大功率點鄰域的概率分布 Pro (i )，進而在Pr〇 (i)對應的Xi的并集中，獲得最大功率點[Umpp，P (Umpp )];利用該方法，減 少了總的采樣點數，從而加快了采樣和計算速度，加快了局部陰影下最大功率點的跟蹤速 度；
[0025] 2、根據光伏電池的性質，選取采樣間隔ε為〇.〇5U〇c/Ns~0.5U〇 c/Ns，使得初始采樣 時僅需約8~80個采樣點，提高了計算效率;在獲得了最大功率點鄰域后，再進一步選取最 大功率點，提高了計算精度。
[0026] 3、可根據光伏電池自身的性質，對概率閾值δ或k等常數進行調整，以進一步提高 計算效率。
【附圖說明】
[0027] 圖1是光伏電池在局部陰影下的輸出功率曲線；
[0028] 圖2是隨機環境下光伏最大功率點分布曲線；
[0029] 圖3是隨機環境下光伏極大值點分布曲線；
[0030] 圖4是本發明實施例1雙級式光伏并網電路；
[0031 ]圖5是本發明實施例1中的光伏最大功率點；
[0032]圖6是本發明實施例1最大功率點位于采樣點鄰域的概率柱狀圖；
[0033]圖7是本發明實施例1模糊概率算法仿真圖。
【具體實施方式】
[0034]為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對 本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發明，并不 用于限定本發明。此外，下面所描述的本發明各個實施方式中所涉及到的技術特征只要彼 此之間未構成沖突就可以相互組合。
[0035]現有技術中，通常采用全局掃描法在輸出電壓的整個定義域內進行密集采樣，進 而獲得最大功率點，然而該方法計算速度較慢。圖2和圖3分別為隨機環境下光伏最大功率 點分布曲線以及極大值點的分布曲線;從圖上可以看出，光伏電池在不同光強等級和局部 陰影情況下的最大功率點主要分布在幾個比較集中的區域。因此只需要獲得該區域作為最 大功率點的搜索范圍，并在最大功率點的搜索范圍內進一步密集采樣，即可減少采樣點的 數量，加快采樣速度。
[0036] 本發明提供了一種基于模糊概率的光伏電池的最大功率點的跟蹤方法，所述跟蹤 方法包括以下步驟：
[0037] SI.控制光伏電池的輸出電壓u，對的光伏電池的輸出功率P(U)進行采樣，采樣空 間S = {(u,P(u)) I (Xu彡Uoc,p = P(U) }，其中Uoc為開路電壓，采樣點為[Ui ,P(Ui)]，當i = l 時，Ui = UQ(；，否則Ui+l = Ui - ε，ε為采樣間隔，i為小于等于N的正整數，采樣點集合E貝lJ為{[Ul， P(Ul)]，[U2，P(U2)]，···，[UN ,P(UN)] };
[0038] 不同于全局掃描法，該方法僅需要精度要求下的采樣點，其中采樣點數目N必須大 于·為了保證精度，N可為^向上取整或i向下取整后+1;其中，采樣間隔ε是指能 ε ε ε 夠將兩個極大值點區分開來的最小采樣間距，設光伏電池串聯數目為Ns，極大值點通常分 布在
拊近，其中m為整數，且1彡m彡Ns;根據實際情況，ε可取〇. 〇5UQC/Ns~0.5U0C/ Ns之間;精度要求越高，所需采樣點越多，采樣速度越慢； Y、
[0039] S21.構造采樣點上的模糊隸屬函數
所 述模糊隸屬函數表示最大功率點屬于采樣點的鄰域的隸屬度，即，采樣點的輸出功率越大， 最大功率點位于該采樣點的鄰域的隸屬度越高；其中，幅值因子
k為模糊隸屬函數的陡峭程度，max( ·) 表示取最大值，exp( ·)表示以自然常數e為底的指數函數；當光伏電池的輸出功率的極大 值點較多，最大功率點可能需要在多個不同的采樣點的鄰域進行進一步搜索時，k可取較小 值，當光伏電池的輸出功率的極大值點較少，最大功率點僅需在少數較集中的采樣點的鄰 域進行進一步搜索時，k可取較大值;通常對于本發明，k為10~100;
[0040] S22.令擴散函I
聽述擴散函數用于將采樣點的 模糊隸屬函數集值化;其中，擴散因吁
[0041] S23.令集值化的模糊隸屬@ 集值化的模糊隸屬函數fM(u)表示最大功率點在采樣空間S上任意一點的概率；
[0042] S24.令概率函I
，其中，Xi為Ui的鄰域，通常指的包括 Ui在內的開區間；例如，可以當i = l時，Xi為(Ui - e/2，U〇c)，i = N時，Xi為(0，Ui+e/2)，否則Xi 為(m- ε/2，ιπ+ε/2);概率函數Pro( i)表示最大功率點在m的鄰域Xi上的概率；
[0043] S3.以概率函數Pro(i)的值的從高到低為優先級，依次選取概率函數Pro( i)進行 相加獲得概率和，并當相加得到的概率和大于等于概率閾值S時，選取所述概率函數Pro(i) 的值對應的X1的并集作為最大功率點搜索范圍；概率閾值δ設置得越高，后續步驟的搜索范 圍越大，所需采樣點數目越多，從而計算速度也較慢，但其計算精度也較高;通常概率閾值S 為85%~95% ;
[0044] S4.令Uje所述最大功率點搜索范圍，以ξ為采樣間隔，在所述最大功率點搜索范 圍內重新獲取采樣點[11」，？(11」）]，」為正整數，對應1^逆(11」)時的11」為1?以為￡/100~￡/10， 則最大功率點為[UMPP,P(umpp)]。
[0045] 通過以上步驟可以看出，在步驟Sl中，僅需要全局掃描法約10%的采樣點，而通過 步驟S2~S3，將需要搜索的區域減少到了原有的20%~30%，在步驟S4中，則利用全局掃描 法約10 %~20 %的采樣點進一步搜索獲得最大功率點;本方法僅需全局掃描法約30 %左右 的采樣點，而搜索精度與全局掃描法基本相同，從而提高了計算速度。
[0046] 實施例1
[0047] 圖4為實施例1基于模糊概率的光伏電池的最大功率點的跟蹤方法的電路，包括依 次連接的光伏電池 PV、電容Ci、Boost電路以及逆變電路；圖1中虛線框內為控制模塊，包括 依次連接的A/D轉換器、PI控制器、MPPT控制器以及比較器;其中，A/D轉換器的輸入端作為 控制模塊的輸入端，所述比較器的輸出端作為所述控制模塊的輸出端;所述A/D轉換器用于 獲得光伏電池的電壓u以及對應的電流i，MPPT控制器用于控制采樣并計算最大功率點，PI 控制器用于對MPPT模塊輸出的參考電壓Uref與輸出電壓u作差獲得誤差信號，比較器用于將 誤差信號與載波比較后輸出PWM波。
[0048]光伏電池的在局部陰影下，其最大功率明顯偏離原有的最大功率(如改變率達到 10%~20%)，則需要控制電路對最大功率點進行跟蹤。
[0049]本實施例的基于模糊概率的光伏電池的最大功率點的跟蹤方法包括以下步驟： [0050] Sl.由光伏電池開路電壓Uoc和光伏電池的串聯數Ns確定采樣點壓m和采樣點個數 N，i為小于等于N的正整數；在本實施例中，由于Ns = 4,為了滿足測試精度，Uoc~160V，比 160V略小，ε可取〇. 〇5UQC/Ns~0.5UQC/Ns，為了達到精度要求^ ;令ε = 10V，從而分別 8 獲得的采樣電壓m = Uoc-（i一I) X ε ;此處僅僅需要16個采樣點就可以確定，即N= 16,節約 了大量的搜索時間，如圖6所示。
[0051 ] 令i = l，電壓參考值Uref = Ui,MPPT控制器將Uref信號輸出，并依次通過PI控制器、 比較器，獲得PWM波，從而控制boo st電路對光伏電池的電壓u和電流i進行采樣，電壓u和電 流i經過A/D轉換器轉換為數字信號，并輸入MPPT控制器，完成一個控制周期后令i = i+Ι，重 復上述步驟，直至獲得采樣點集合E為{(Ul，pi)，（U2，P2)…（UN，PN)};
[0052] S2. MPPT控制器根據擴散函數fD，將稀疏的采樣信息集值化，對于每一個采樣點， 擴散函：
如圖5中的正態曲線是每一個采樣點的擴散 函數，且每一個米樣點的擴散因子
^中最小擴散因子可以表不為
，這樣可以保證擴散函數至少擴散一個采樣周期；
[0053] 其中，模糊隸屬函數為
k是模糊隸屬函 數的陡峭程度，k太小會使得S4中遍歷法需要搜索的范圍變大，降低搜索速度，而k過大則容 易遺漏功率的極大值點，此處k = 80;
[0054]
[0055] 將擴散函數在定義域內進行加總，得集值化后的模糊函數
[0056] 令集值化的模糊隸屬函數」
將某一區域的隸屬度 函數值加總歸一化后計算概率，仿真結果收斂概率;其中，X1Sm的鄰域；即當I = (m - ￡/2，1]〇。），1=圈寸，父1為（0，出+￡/2)，否則父1為（1^一￡/2，出+￡/2);
[0057] S3.對概率函I
?值從大到小排序，并依次選取排序 靠前的概率函數Pro ( i)對應的Xi的并集作為最大功率點搜索范圍，排序靠前的概率函數 Pro(i)的值之和為概率和，使得所述排序靠前的概率和多概率閾值90%;如圖6所示，此處 排序靠前的概率函數Pro(i)依次為Pro( 11)、Pro( 10)以及Pro( 12)，Pro( 11 )+Pro( 10)+Pro (12)=0.916;
[0058] S4.在 Pro(ll)、Pro(10)以及 Pro(12)對應的 Xi 的并集內，SPx1QUX11UX12 內，以 〇. IV為采樣間隔，重新獲取采樣點[Uj，P(Uj)]，遍歷法求取maxP(Uj)，對應maxP(Uj)時的Uj為 UMPP，如圖7所不，UMPP，iMPP和PMPP分別為最大功率點的電壓、電流和功率，UMPP= 104 · 8V;在本 實施例中，0時刻開始第一次采樣，t時刻完成步驟S2，t2時刻完成步驟S4，即僅需0.113秒， 按照本發明方法即可獲得最大功率點；
[0059] S5 ·令電壓參考值Uref = UMPP，Uref依次通過PI控制器、比較器，獲得PWM波，從而控制 boost電路對光伏電池的電壓輸入至PI控制器，PI控制器根據Uref和光伏電池的電壓u生成 PWM波，輸出至boos t電路，從而對光伏電池的電壓u進行調節，使得光伏電池保持最大功率。 [0060]本領域的技術人員容易理解，以上所述僅為本發明的較佳實施例而已，并不用以 限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含 在本發明的保護范圍之內。
【主權項】
1. 一種基于模糊概率的光伏電池的最大功率點的跟蹤方法，其特征在于，包括W下步 驟： 51. We為采樣間隔，（0,化C]為采樣區間，對光伏電池的輸出電壓U及其對應的輸出功率 P(u)進行采樣，獲得N個采樣點[Ui，P(m)]，其中，i為采樣點的序號，i為小于等于N的正整 數，U功義樣點的輸出電壓，P(Ui)為義樣點的輸出功率；ε為0 .〇5Uoc/Ns~0.抓oc/化，Uoc為光 伏電池的開路電壓，化為光伏電池的串聯數；52. 根據采樣點[Ui，P(Ui)]，采樣間隔ε，采樣點的數量N，常數k，m的鄰域沿，光伏電池的 開路電壓Uoc，集值化的模糊隸屬函數53. W概率函數Pro(i)的值從高到低為優先級，依次選取概率函數Pro(i)的值進行相 加獲得概率和，并當相加得到的概率和大于等于概率闊值δ時，選取的所述概率對應的Xi的 并集作為最大功率點捜索范圍； 54. W所述最大功率點捜索范圍作為采樣區間，進行二次采樣，并在所述二次采樣的采 樣點中選取輸出功率最大的采樣點，該采樣點則為最大功率點[UMPP，P ( UMPP )]。2. 如權利要求1所述的跟蹤方法，其特征在于：I im〇表示向上取整。3. 如權利要求2所述的跟蹤方法，其特征在于，當i = 1時，Ui =化C，否則Ui+i = Ui -e。4. 如權利要求1所述的跟蹤方法，其特征在于，所述步驟S2具體包括如下子步驟：521. 根據采樣點[Ui，P(Ui)]，采樣間隔ε，采樣點的數量N，常數k，m的鄰域Xi，光伏電池 的開路電壓UocW及幅值因子522. 根據模糊隸屬函數fMi(u) W及擴散因子> 獲得擴散函數5. 如權利要求1所述的跟蹤方法，其特征在于，步驟S2中所述的k為10~100。6. 如權利要求1所述的跟蹤方法，其特征在于，所述步驟S2中，當i = l時，沿為(ι?ι-ε/2， 11〇〇，1=師寸，乂1為（0，化+6/2)，否則乂1為(1^-6/2，化+6/2)。7. 如權利要求1所述的跟蹤方法，其特征在于，所述步驟S3中的概率闊值δ為85%~ 95%。8. 如權利要求1所述的跟蹤方法，其特征在于，步驟S4中所述二次采樣的采樣間隔ξ為 ε/100~e/10。9. 如權利要求1所述的跟蹤方法，其特征在于，在所述步驟S4之后還包括步驟S5:控制 光伏電池的輸出電壓為UMPP。
【文檔編號】G05F1/67GK105938381SQ201610387930
【公開日】2016年9月14日
【申請日】2016年6月2日
【發明人】徐偉, 唐磊, 葉才勇, 穆朝絮
【申請人】華中科技大學