局部遮陰下光伏系統(tǒng)MPPT研究與優(yōu)化

吳 琨， 王 磊， 王秋實， 陳 東

(1.遼寧工程技術(shù)大學 電氣與控制工程學院，遼寧 葫蘆島 125105;2.浙江艾羅電源有限公司，浙江 杭州 310000)

?

局部遮陰下光伏系統(tǒng)MPPT研究與優(yōu)化

吳 琨1， 王 磊2， 王秋實1， 陳 東1

(1.遼寧工程技術(shù)大學 電氣與控制工程學院，遼寧 葫蘆島 125105;2.浙江艾羅電源有限公司，浙江 杭州 310000)

為了解決光伏發(fā)電系統(tǒng)中，光伏電池在環(huán)境中被樹葉、建筑物、云層等遮擋造成局部陰影，導致光伏電池出現(xiàn)運行不穩(wěn)定和輸出功率降低的問題,提出了一種基于改進自適應動態(tài)慣性權(quán)重并引入粒子尋優(yōu)目標適應度評判系數(shù)的優(yōu)化粒子群算法(GPPSO)。將GPPSO應用于復雜自然環(huán)境條件下的最大功率點跟蹤(MPPT)，結(jié)果表明：雙重優(yōu)化后的算法有效提高了局部精確搜索和尋優(yōu)空間全局收斂能力，在目標函數(shù)最優(yōu)求解過程中，精度和收斂速度都明顯提高，較快地適應環(huán)境遮陰變化，能夠在復雜的自然環(huán)境中準確地對光伏發(fā)電系統(tǒng)最大功率點進行跟蹤，提高光伏系統(tǒng)發(fā)電效率。

光伏系統(tǒng)； 遮陰條件； 改進粒子群優(yōu)化算法； 最大功率點跟蹤效率

0 引 言

作為一種新興的清潔、可再生綠色能源，太陽能已經(jīng)在世界范圍內(nèi)受到高度重視并取得了長足進展，基于太陽能的光伏發(fā)電有望成為緩解全球性能源危機和日益嚴重的環(huán)境問題的關(guān)鍵技術(shù)之一[1]。光伏(photo voltaic,PV)發(fā)電系統(tǒng)中，由于光伏陣列長期工作在戶外，光伏電池在工作中被樹葉、建筑物、云層等障礙物遮擋而局部產(chǎn)生陰影，導致光伏電池輸出特性受到巨大影響，光伏電池P-V特性曲線會出現(xiàn)多個局部峰值點，造成系統(tǒng)最大功率點跟蹤(maximum power point tracking,MPPT)困難[2]。

如何更加高效地利用太陽能資源是當今光伏發(fā)電行業(yè)面臨的刻不容緩的一大難題。目前，國內(nèi)外很多學者致力于光伏陣列的MPPT問題研究，積累了豐富而寶貴的經(jīng)驗，大多數(shù)MPPT方案適用于理想光照條件下，應用于固定局部陰影條件下。針對復雜自然遮陰條件，光伏陣列輸出功率多峰值導致最大功率跟蹤難，低效率的難題，使用傳統(tǒng)MPPT研究方法鮮有取得突破性的進展[3～5]。本文充分模擬研究了由多個局部自然陰影動態(tài)變化組成的復雜陰影遮蓋條件下光伏電池和光伏陣列輸出特性，在此基礎(chǔ)上，提出了一種基于改進自適應慣性權(quán)重系數(shù),同時,引入了尋優(yōu)目標適應值評判系數(shù)的優(yōu)化粒子群(GPPSO)算法，將其應用于復雜自然遮陰條件下光伏陣列的MPPT。通過建立復雜自然遮陰條件下的光伏陣列數(shù)學模型，得到更加精準的光伏電池輸出特性函數(shù)，設(shè)計了基于GPPSO的光伏發(fā)電系統(tǒng)MPPT系統(tǒng)，最后制作了實驗樣機，搭建實驗平臺，進行了實驗和分析研究，結(jié)果表明：該方法使整個MPPT控制系統(tǒng)的動態(tài)和穩(wěn)態(tài)性能得到提高，避免了局部最優(yōu)解的情況，有效提高光伏列陣的輸出和太陽能利用效率。

1 復雜遮陰環(huán)境下光伏陣列建模分析

1.1 單體光伏電池數(shù)學模型

考慮到復雜自然遮陰環(huán)境導致光伏發(fā)電系統(tǒng)MPPT誤差，要提高光伏陣列工作效率，首先要研究局部陰影對光伏陣列輸出特性的影響[6]。研究所采用的單體光伏電池，其規(guī)格參數(shù)為：最大輸出功率Pm=100 W,開路電壓Uoc=40 V，短路電流Isc=3 A，最大功率點電壓Um=35 V，最大功率點電流Im=2.8 A，選取參考溫度為25 ℃,參考光照為1 000 W/m2。通過簡化光伏電池的內(nèi)部電路結(jié)構(gòu)及其外部輸出特性，得到單體光伏電池等效電路如圖1所示。

圖1 單體光伏電池的等效電路模型

圖中Rl為光伏電池的輸出負載，Ul為光伏電池輸出電壓，Il為電池輸出電流，Rsx和Rsh分別為電池內(nèi)部串聯(lián)等效電阻和旁漏電阻，其中Rsh的阻值一般較大，多為幾千歐，Rsx值一般為1 Ω左右，可忽略不計，Ivd為流過等效二極管的電流稱為暗飽和電流，Iph為光生電流。

分析上述光伏電池等效電路模型和電路的伏安特性，可以得到單體光伏電池的特性方程如式(1)～式(5)所示

Il=Iph-Ivd-Ish

(1)

Iph=[Iscr+K1(T-25)]λ/100

(2)

(3)

(4)

(5)

式中Io為光伏電池暗飽和電流；q為電子的電荷量；K為玻爾茲曼常數(shù)；T為光伏電池的溫度；Tr為參考溫度；Ido為參考溫度下暗飽合電流；Eg為半導體材料的禁帶寬度；A為理想因子；Iscr為標準測試條件下光伏電池的短路電流；K1為短路電流的溫度系數(shù)；λ為日照強度[7,8]。

綜上分析，可得光伏電池的輸出功率表達式

(6)

式中CT為溫度系數(shù)，A/K。

1.2 光伏陣列多峰數(shù)學模型分析

分析上述光伏電池的輸出功率表達式，可以得出，光伏電池的輸出特性與光照強度以及環(huán)境溫度有關(guān)，并且呈非線性關(guān)系。受單體光伏電池輸出功率小的限制，實際的大規(guī)模光伏系統(tǒng)中，通常會將多個單體光伏電池進行串、并聯(lián)組合，以組成大規(guī)模光伏陣列來滿足負載大輸出功率的需求。串并聯(lián)后,考慮復雜遮陰條件的光伏陣列多峰模型數(shù)學模型為

(7)

Uarray=maxUl

(8)

式中np,ns分別為光伏電池的并聯(lián)個數(shù)和串聯(lián)個數(shù);Iarray,Uarray分別為光伏陣列的輸出電流和輸出電壓;Ul,Il分別為單個串,并聯(lián)光伏電池的輸出電壓,輸出電流。

1.3 光伏陣列特性曲線分析

當太陽光照均勻分布的情況下，光伏陣列的P-U特性曲線只有一個峰值即最大功率值點，圖2、圖3分別為不同光照條件和不同溫度條件下光伏電池的P-U特性曲線。當太陽能光伏電池板受到環(huán)境中障礙物遮蓋光伏電池被時，其功率特性曲線會出現(xiàn)多個極值的情況，因此,導致MPPT時會遇到多個局部最大值，如圖4曲線所示，此時求出的最大功率可能并非實際的最大功率點，從而出現(xiàn)較大誤差。

圖2 不同光照條件下光伏電池的P-U特性曲線

圖3 不同溫度條件下光伏電池的P-U特性曲線

圖4 光伏陣列復雜遮陰條件下多峰值P-U特性曲線

2 基于GPPSO算法光伏系統(tǒng)抗干擾的MPPT實現(xiàn)

2.1 粒子群優(yōu)化算法原理

粒子群優(yōu)化(particle swarm optimization,PSO)算法是一種簡單而有效的啟發(fā)式算法， 假設(shè)每個尋優(yōu)問題的解都是搜索空間的一個粒子，第i個粒子在n維空間里的坐標位置和速度可表示為[9,10]

Xi(t)=(xi1,xi2,…,xin)

(9)

Vi(t)=(vi1,vi2,…,vin)

(10)

在對n維向量空間上第i個粒子k+1次迭代速度和位置的更新可以由以下尋優(yōu)化推導方程式(11)～式(12)描述

(11)

(12)

在最大化目標尋優(yōu)問題中，定義目標函數(shù)值f(X)越大，其適應值越優(yōu)秀，兩個極值定義如下式所示

(13)

f(Pg)=max[f(Pi)],1≤i≤n

(14)

式中 f為目標函數(shù)，用來存儲當前尋優(yōu)最好的位置，應該取最大化。

2.2 GPPSO算法

以PSO算法為基礎(chǔ)，提出改進種群粒子數(shù)目、優(yōu)化自適應慣性權(quán)重系數(shù)，同時，引入目標適應度函數(shù)權(quán)重系數(shù)比較以提高收斂速度和精度的優(yōu)化粒子群算法，即GPPSO。

1)優(yōu)化自適應慣性權(quán)重系數(shù)

算法的慣性系數(shù)表達式調(diào)整為

(15)

式中f為當前粒子適應值;fave為所有粒子的平均適應值;fmin為全局粒子中最小適應值。經(jīng)過改進自適應慣性權(quán)重系數(shù)后，保證了算法全局尋優(yōu)和局部搜索的動態(tài)平衡，兼顧提高了搜素精度和優(yōu)化收斂速度。

2)修正全局粒子個數(shù)

(16)

迭代更新的判別操作過程如式(17)所示

(17)

式中 a∈[0,1]，本文中，根據(jù)光伏發(fā)電系統(tǒng)的實際要求，取a=0.05。

2.3 基于GPPSO算法在光伏發(fā)電MPPT中應用

GPPSO算法在優(yōu)化求解復雜多變量函數(shù)和多峰值系統(tǒng)尋優(yōu)時，具有收斂速度快、動態(tài)特性好、搜索精度高、不易陷入局部最優(yōu)值的優(yōu)點，因此適合自然環(huán)境導致光伏電池局部遮陰下最大功率點多峰值模型尋優(yōu)問題。

將光伏陣列的輸出電壓Uout定義為粒子尋優(yōu)空間的位置變量Xi，總輸出功率Pout定義為粒子群尋優(yōu)化目標函數(shù)f，通過傳感器對光伏電池輸出電流、輸出電壓值進行實時采樣，然后計算出光伏電池的瞬時總輸出功率Pout，當粒子的目標函數(shù)值優(yōu)于平均目標值，則減小該粒子的慣性權(quán)重系數(shù)，反之則增大該粒子的慣性權(quán)重，使得粒子在尋址空間具有更好的搜索視野[11～13]。其次,在運用該算法實施光伏發(fā)電MPPT時，可以充分發(fā)揮算法中引入的目標適應值判定系數(shù)的優(yōu)勢，避免實時計算采樣時刻的最大功率帶來劇烈的輸出功率振蕩。具體操作為，通過計算相鄰兩個采樣時刻的功率變化率 (如式(18)所示)作為PSO算法目標函數(shù)適應值判定系數(shù)，結(jié)合上文分析，當K≤0.05時，PSO算法停止迭代,以此提高收斂速度，避免冗余迭代。此時定義的目標函數(shù)(即總輸出功率表最大值Pout)等同于上文中目標適應值評判系數(shù)

(18)

式中 Pi為當前采樣時刻光伏陣列瞬時輸出功率。

以上文的單體光伏電池為例，此時系統(tǒng)MPPT算法的適應值函數(shù)和全局尋優(yōu)的目標函數(shù)Pg(即光伏電池輸出總功率Pout)如式(19)～式(20)所示

(19)

(20)

式中 Ii,Si及Ti分別為單個光伏電池的輸出電流、光照強度、參考溫度；Pout(Ii,Si,Ti)為光伏電池的輸出功率，i=1,2,3，…，n；本文設(shè)計使用4個光伏電池，因此，取i=4，設(shè)定計算溫度為25 ℃，通過調(diào)用適應度函數(shù)可以得到輸出功率值的大小，即目標函數(shù)，調(diào)用次數(shù)由目標函數(shù)的適應值判定系數(shù)K確定，K為變量，當目標函數(shù)適應值判定系數(shù)K達到迭代終止條件，停止迭代并進入局部尋址空間進行更精確尋優(yōu)化操作。

3 光伏系統(tǒng)抗干擾MPPT模擬實驗與分析

為了驗證本文提出的基于改進自適應慣性權(quán)重，同時引入目標函數(shù)適應值評判系數(shù)雙重優(yōu)化的PSO算法在實際光伏發(fā)電系統(tǒng)中的有效性和可行性，設(shè)計制作了一臺150W具有MPPT控制模塊的光伏發(fā)電DC—DC變化器樣機，并構(gòu)建了基于DSP數(shù)字控制具有MPPT功能的光伏發(fā)電系統(tǒng)(系統(tǒng)結(jié)構(gòu)參見圖5)實驗平臺。在實驗平臺上進行了實驗，采用3臺可編程直流電源和1塊光伏電池模擬光伏發(fā)電系統(tǒng)實際工作中，自然環(huán)境下導致光伏電池局部陰影和固定局部陰影兩種情況下，光伏陣列輸出功率多峰值和不平衡現(xiàn)象。

具體操作采用恒壓變流模式，在保持直流電源輸出電壓20V不變的情況下，通過動態(tài)調(diào)節(jié)直流穩(wěn)壓電源，使輸出電流范圍從5A到2A再到5A連續(xù)運行，分別采用傳統(tǒng)PSO算法和本文提出的GPPSO算法下變換器的輸出波形如圖6所示。

圖5 基于DSP控制具有MPPT功能模塊的光伏發(fā)電系統(tǒng)

圖6 基于兩種PSO算法的光伏列陣輸出功率波形

分析圖6實驗波形可知，與傳統(tǒng)PSO控制算法相比，采用本文提出的GPPSO的算法，系統(tǒng)動態(tài)響應速度更快，穩(wěn)態(tài)精度更好，系統(tǒng)具有更好的跟蹤性能。

4 結(jié) 論

本文分析了自然環(huán)境導致光伏電池局部遮陰條件下太陽能發(fā)電系統(tǒng)出現(xiàn)的運行不穩(wěn)定和輸出功率多峰值現(xiàn)象，分析了傳統(tǒng)PSO算法只能適應固定局部陰影時MPPT，而不能應用在復雜的自然環(huán)境導致的遮陰條件的缺點，提出了一種GPPSO算法。本文將提出的基于GPPSO算法抗自然環(huán)境下導致的復雜遮陰條件光伏陣列MPPT系統(tǒng)，與傳統(tǒng)PSO算法的進行對比實驗和仿真。實驗結(jié)果表明：該算法兼顧提高了系統(tǒng)的全局尋優(yōu)求解和局部精確搜索能力，改進后的算法能夠較快適應環(huán)境變化，避免冗余迭代、系統(tǒng)的“早熟”和局部最優(yōu)問題，較大程度上起到了提高光伏列陣的工作效率，可以推廣應用在大規(guī)模的光伏發(fā)電系統(tǒng)。

[1] 李鵬梅,臧傳治，李鶴鵬，等.基于光伏預測的微電網(wǎng)能源隨機優(yōu)化調(diào)度[J].傳感器與微系統(tǒng)，2015，34(2):61-64.

[2] 蔡紀鶴,李 蓓，廉春原,等.光伏發(fā)電系統(tǒng)M PPT控制及其實驗研究[[J].電源技術(shù)，2016,40(5)：1049-1051.

[3] 王 軍，張 靜，蔣小川.生態(tài)物聯(lián)網(wǎng)節(jié)點的風光混合量變換系統(tǒng)設(shè)計能[J].傳感器與微系統(tǒng)，2014，33(10):54-57.

[4] 李源源，黃守道，陳小青，等.基于無線傳感器網(wǎng)絡(luò)的光伏系統(tǒng)MPPT應用研究[J].傳感器與微系統(tǒng)，2012，31(10):64-67.

[5] 程 澤，徐 勇，董夢男.一種新的光伏陣列故障診斷與定位方法[J].傳感器與微系統(tǒng)，2013，32(7):26-28.

[6] 胡義華，陳 昊，徐瑞東，等.光伏電池板在陰影影響下輸出特性[J].電工技術(shù)學報，2011,26(1)：123-128.

[7] 聶曉華，賴家俊.局部陰影下光伏陣列全局最大功率點跟蹤控制方法綜述[J].電網(wǎng)技術(shù)，2014,38(12)：3279-3285.

[8] Boztepe M,Guinjoan F,Velasco Quesada G,et a1.Global MPPT scheme for photovoltaic string inverters based on restricted voltage window search algorithm [J].IEEE Trans on Industrial Electro-nics,2014,61(7):3302-3312.

[9] 潘大志，劉志斌.量子粒子群算法的改進實現(xiàn)[J].計算機工程與應用,2013,49(10)：25-27.

[10] 袁曉琳，程 宇.自適應權(quán)重粒子群算法在陰影光伏發(fā)電最大功率點跟蹤中的應用[J].中國電力，2013,10(10)：85-90.

[11] 劉衍民，牛 奔，趙慶禎，等.多目標優(yōu)化問題的粒子群算法仿真研究[J].計算機應用研究，2011,2(2):458-460.

[12] Kennedy J，Eberhart R C.Particle swarm optimization[C]//Proc of IEEE Int'l Conf on Neutral Networks，Perth，Australia，1995：1942-1948.

[13] Bouzid W.Cutting parameter optimization to minimize production time in high speed turning[J].Journal of Materials Processing Technology，2005，161：388-395.

Research and optimization on MPPT of PV systems under shading

WU Kun1， WANG Lei2， WANG Qiu-shi1， CHEN Dong1

(1.College of Electrical and Control Engineering,Liaoning Technical University,Huludao 125105,China;2.Zhejiang SolaX Power Co Ltd,Hangzhou 310000,China)

In order to solve the problem of unstable operation and output power decreasing of photovoltaic(PV) cells caused by partial shade due to leaves,buildings,clouds,etc,propose a maximum power point tracking(MPPT) of the shading condition PV systems based on GPPSO,and use it for MPPT of the complex shading condition PV systems.Results show that double optimized algorithm effectively improves the local accurate searching and global convergence ability of optimization space,in the process of the optimal solving of objective function,precision and convergence speed are improved obviously,which can rapidly adapt to environmental shade changes,can accurately track the maximum power point in complicated environment,and improve efficiency of PV systems.

photo voltaic(PV)systems; shade conditions; improved particle swarm optimization(PSO)algorithm; maximum power point tracking(MPPT)efficiency

10.13873/J.1000—9787(2017)07—0038—04

2016—08—08

TM 46

A

1000—9787(2017)07—0038—04

吳 琨(1991-)，男，碩士研究生，研究方向為電力電子變換技術(shù)，E—mail:wukun024@163.com。