量子粒子群算法的MPPT技術(shù)

南京熊貓電子股份有限公司 胡 鵬 周 濤

由于可再生能源深受環(huán)境、氣候等外部因素影響，作為光伏轉(zhuǎn)換的重要組成部分，當(dāng)光伏電池發(fā)生局部遮擋時(shí)，就會(huì)伴隨出現(xiàn)其特性曲線的多峰值現(xiàn)象。對(duì)于該類情況，傳統(tǒng)的電導(dǎo)增量法（incremental conductance,IC）、擾動(dòng)與觀察算法（perturb and observe,P&O）容易誤追蹤到局部最大功率點(diǎn)（local peak,LP），導(dǎo)致效率降低。所以，為了能夠準(zhǔn)確追蹤到全局最大功率點(diǎn)（global peak,GP），從而保證轉(zhuǎn)換效率，本文提出一種基于量子粒子群算法的最大功率點(diǎn)跟蹤技術(shù)（maximum power point tracking technique,MPPT）。通過搭建Matlab仿真，其結(jié)果表明該算法不僅能跟蹤到GP，而且能有效地減小穩(wěn)態(tài)振蕩。

在太陽能陣列中，如果出現(xiàn)至少一個(gè)光伏電池被遮擋的情況，即屬于遮陰現(xiàn)象，若光伏陣列對(duì)此沒有一些有效的應(yīng)對(duì)保護(hù)措施，就會(huì)導(dǎo)致光伏系統(tǒng)整體功率的下降，并且受遮擋電池所在的光伏組件會(huì)成為負(fù)載而消耗功率。當(dāng)因此消耗的功率過多時(shí)，會(huì)造成該組件局部溫度過高，甚至導(dǎo)致組件毀壞。

為了盡可能地避免上述問題，可通過給太陽能陣列外接旁路二極管的方法進(jìn)行解決。旁路二極管的工作邏輯設(shè)計(jì)如下：當(dāng)太陽能陣列的電流未超過被遮擋電池的短路電流Isc時(shí)，受遮擋電池所在支路的旁路二極管不導(dǎo)通；否則，旁路二極管導(dǎo)通，使得電流不從受遮擋的組件上流過，從而降低由此引起的功率消耗。上述外接旁路二極管，在光照強(qiáng)度均勻照射下不起作用，但是，在受到不均勻光照強(qiáng)度照射時(shí)，由于旁路二極管的導(dǎo)通，便會(huì)造成太陽能陣列的特性曲線出現(xiàn)多峰值現(xiàn)象。

由此可知，當(dāng)特性曲線出現(xiàn)多峰值時(shí)，傳統(tǒng)MPPT方法不再奏效，且容易陷入局部最大功率點(diǎn)LP。針對(duì)該問題，本文提出了一種基于量子粒子群算法的MPPT技術(shù)，利用粒子群的全局搜索能力，達(dá)到精準(zhǔn)追蹤全局最大功率點(diǎn)GP的目的。

1 量子粒子群介紹

1995年，Kennedy和Eberhart二位學(xué)者受鳥群覓食行為的啟發(fā)，提出了一種模擬鳥類覓食的智能算法，稱為粒子群算法（particle swarm optimization,PSO）。該算法的速度、位置更新分別如式(1)、式(2)所示：

其中，V與X分別為粒子的速度、位置；w為權(quán)重，體現(xiàn)了對(duì)粒子速度的繼承；c1、c2均為學(xué)習(xí)因子，c1表示的是一個(gè)“認(rèn)知”部分，而c2則體現(xiàn)的是一個(gè)“社會(huì)”部分；r1、r2均為(0,1)內(nèi)的隨機(jī)數(shù)；Pik為經(jīng)過k次迭代后第i個(gè)粒子的個(gè)體最優(yōu)位置；Pg k為第k次迭代后的全局最優(yōu)的粒子位置。

由上述對(duì)式(1)與式(2)的分析可發(fā)現(xiàn)，標(biāo)準(zhǔn)粒子群算法迭代公式雖然簡單，但要設(shè)置的參數(shù)數(shù)量較多，如權(quán)重w、學(xué)習(xí)因子c1與c2。同時(shí)，標(biāo)準(zhǔn)粒子群的全局收斂能力差，容易陷入局部最優(yōu)位置。為了有效解決上述問題，量子粒子群算法（quantum particle swarm optimization,QPSO）被提出。QPSO的迭代公式如下：

其中，N和D分別表示粒子的數(shù)目和維數(shù)；mbestk為第k次迭代時(shí)所有粒子個(gè)體最優(yōu)位置的平均值；φ、μ均為(0,1)內(nèi)的隨機(jī)數(shù)，如果μ>0.5，式(5)取“-”號(hào)，否則相反；β為收縮擴(kuò)張系數(shù)，同時(shí)，β是需人為設(shè)定的參數(shù)值。

基于QPSO算法的MPPT方法流程見圖1所示。

圖1 基于量子粒子群算法的MPPT方法流程圖

本文中，將粒子數(shù)目N設(shè)定為3，維度D設(shè)定為1，而粒子的位置對(duì)應(yīng)占空比。當(dāng)粒子完成迭代時(shí)，表示所有粒子已全都依次送至DC/DC變換電路中。若迭代完成，本文所述算法會(huì)按照式(3)～(5)對(duì)所有粒子進(jìn)行更新，并判斷功率變化量|ΔP|的值是否小于P1，若滿足，則將變量F置1。然后，將更新完畢的粒子再依次送至DC/DC變換電路中，并檢測(cè)是否滿足以下條件：|ΔP|值是否大于P1，且F值是否為1。若滿足上述條件，則表明光伏陣列的工作狀態(tài)發(fā)生了變化，需重新追蹤全局最大功率點(diǎn)GP。此時(shí)，重啟該算法，并將F清零。

2 仿真分析

在Matlab仿真平臺(tái)上搭建了串聯(lián)2塊光伏組件的光伏陣列模型，同時(shí)每塊組件均并聯(lián)了旁路二極管。當(dāng)光伏陣列受到表1的輻射強(qiáng)度照射時(shí)，其特性曲線將會(huì)出現(xiàn)兩波峰現(xiàn)象，如圖2所示。

表1 光伏陣列中各模塊承受的光照強(qiáng)度

圖2 光伏陣列特性曲線

圖3所示展示了傳統(tǒng)IC、P&O算法與本文所述方法在上述兩種不同案例的仿真曲線。仿真時(shí)間共4s，可分為兩個(gè)階段，其中第一階段為0～2s，輻照強(qiáng)度為案例1；第二階段為2～4s，輻照強(qiáng)度分別為800W/m2、400W/m2，即案例2。

在第一階段，光伏陣列的全局最大功率點(diǎn)如圖2中GP1所示。此時(shí)，傳統(tǒng)IC算法陷入了局部最大功率點(diǎn)LMPP，如圖2中的LP1所示，其功率值為37.83W；而傳統(tǒng)P&O算法與本文所述方法均跟蹤到GP1。但前者的穩(wěn)態(tài)振蕩遠(yuǎn)大于后者。本文所提方法利用量子粒子群的全局搜索能力，追蹤到的工作點(diǎn)功率值為60.83W，比傳統(tǒng)IC算法增加了22.93W的功率值。

圖3 MPPT仿真曲線

在第二階段，全局最大功率點(diǎn)為圖2中GP2，相應(yīng)電壓值為36.43V。由圖3可知，傳統(tǒng)IC算法與本文所述方法跟蹤到工作點(diǎn)均能接近GP2，而傳統(tǒng)P&O算法電壓在14.1～18.2V波動(dòng)，即陷入了局部最大功率點(diǎn)，為圖2的LP2。綜上所述，本文所述方法不僅能夠跟蹤到全局最大功率點(diǎn)，而且可有效地減小穩(wěn)態(tài)振蕩。

結(jié)語：針對(duì)光伏陣列的多峰值問題，本文提出了基于量子粒子群算法的MPPT技術(shù)，并與傳統(tǒng)IC、P&O算法進(jìn)行不同遮陰情況的仿真比較。由仿真結(jié)果可知，本文所述方法不但能準(zhǔn)確追蹤全局最大功率點(diǎn)，而且能減小穩(wěn)態(tài)振蕩，從而提高光伏發(fā)電效率。