基于陰影檢測的雙模式光伏最大功率點(diǎn)跟蹤算法

左嘯云，羅珍珍，劉宏毅

(1．中南大學(xué)自動化學(xué)院，湖南 長沙 410083； 2．國網(wǎng)湖南省電力有限公司寧鄉(xiāng)供電分公司，湖南 寧鄉(xiāng) 410600)

0 引言

發(fā)展可再生能源是推動我國能源轉(zhuǎn)型的有效舉措，電力電子化新型電力系統(tǒng)作為高效消納太陽能的最優(yōu)組網(wǎng)形式，具有廣泛的應(yīng)用前景和較高的研究價值[1-2]。太陽能作為一種重要的可再生能源已被廣泛開發(fā)，然而，太陽能的開發(fā)利用也受到高成本、低效率、隨機(jī)波動性強(qiáng)等因素的限制[3]。如今獲取太陽能的主要方式是采用光伏發(fā)電技術(shù)，即利用光伏效應(yīng)將太陽能轉(zhuǎn)化為電能[4]。一般來說，光伏板產(chǎn)生的功率取決于太陽光照度和環(huán)境溫度。光伏輸出功率也受負(fù)載影響[5]，在均勻的光照度和溫度下，光伏陣列的I-V曲線可以在最大功率點(diǎn)(maximum power point，MPP)達(dá)到最佳值。為了向電網(wǎng)或用戶提供最大功率，需要最大功率點(diǎn)跟蹤(maximum power point tracking，MPPT)算法來控制電力電子變換器連續(xù)調(diào)整MPP[6]。

當(dāng)太陽光照度均勻時，光伏輸出功率只有一個峰值，因此在過去幾十年中有許多MPPT方法被提出，具有原理簡單、易于實現(xiàn)、成本低廉的優(yōu)點(diǎn)[7-8]。然而，這些算法會在部分陰影遮擋情況下找到多個最大功率點(diǎn)，無法實現(xiàn)穩(wěn)定的最大功率輸出，從而降低了光伏組件的功率轉(zhuǎn)換效率，影響光伏系統(tǒng)的安全穩(wěn)定運(yùn)行[9]。

針對上述問題，基于人工智能的MPPT算法被提出，包括模糊邏輯、神經(jīng)模糊邏輯、遺傳算法、神經(jīng)網(wǎng)絡(luò)等[10]。文獻(xiàn) [11]提出了基于模糊邏輯的MPPT算法，能夠用較少的跟蹤時間實現(xiàn)全局MPPT，然而，該算法在陰影遮擋情況下表現(xiàn)不佳?；谌斯ど窠?jīng)網(wǎng)絡(luò)的MPPT技術(shù)在快速變化的光照度下均具有較好的效率和響應(yīng)速度[12]。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性擬合能力，被證明是實現(xiàn)MPPT的較好工具并被廣泛采用。文獻(xiàn)[13]中提出了基于神經(jīng)網(wǎng)絡(luò)的MPPT技術(shù)，該技術(shù)可以顯著提高動態(tài)響應(yīng)速度，消除穩(wěn)態(tài)功率振蕩，然而神經(jīng)網(wǎng)絡(luò)的性能取決于模型訓(xùn)練的過程，該過程受可用數(shù)據(jù)集和訓(xùn)練算法的影響，相比傳統(tǒng)MPPT算法更加復(fù)雜[14]。

為解決傳統(tǒng)MPPT方法在陰影遮擋情況下的性能問題，本文提出一種基于陰影檢測的雙模式MPPT算法，通過基于長短期記憶(long short term memory，LSTM)的光伏功率預(yù)測來檢測陰影遮擋情況的發(fā)生，預(yù)測值和實際測量功率之間的偏差用于觸發(fā)兩種模式下MPPT算法的平滑和自適應(yīng)切換，從而在不確定的太陽光照度和環(huán)境溫度下提高M(jìn)PPT的快速性和準(zhǔn)確性。所提出的雙模式MPPT算法考慮系統(tǒng)正常運(yùn)行和局部陰影兩種工況，基于徑向基函數(shù)(radial basis function，RBF)神經(jīng)網(wǎng)絡(luò)，由歷史溫度和光照數(shù)據(jù)驅(qū)動，實現(xiàn)局部陰影下的光伏MPPT，同時采用傳統(tǒng)的擾動觀察法實現(xiàn)正常運(yùn)行條件下的MPPT。所提的雙模式MPPT算法較為快速和準(zhǔn)確，在正常和陰影遮擋情況下能提高光伏系統(tǒng)的運(yùn)行效率?；贛ATLAB/Simulink仿真，分析所提出的MPPT方法在正常和陰影遮擋工況下的有效性，與現(xiàn)有傳統(tǒng)MPPT方法的比較結(jié)果證明了所提方法的優(yōu)越性。

1 系統(tǒng)結(jié)構(gòu)及MPPT原理

1.1 系統(tǒng)結(jié)構(gòu)設(shè)計

由光伏板、MPPT算法、DC-DC變換器和負(fù)載組成的單光伏板發(fā)電系統(tǒng)的結(jié)構(gòu)如圖1所示，每個光伏板由若干塊光伏電池組成。

圖1 單光伏板發(fā)電系統(tǒng)結(jié)構(gòu)

光伏發(fā)電單元將太陽能轉(zhuǎn)化為直流功率輸出，DC-DC升壓變換器用于提高輸出電壓水平，再通過DC/AC變換器連接至電網(wǎng)。即使光伏模塊的輸出電壓因部分陰影遮擋而降至過低值，也能通過升壓電路提供高輸出電壓[15]。MPPT算法根據(jù)輸入的光照度E和溫度T，輸出變換器的占空比，并通過脈沖寬度調(diào)制技術(shù)實現(xiàn)變換器的控制。當(dāng)變換器工作在穩(wěn)態(tài)時，占空比D可由下式表示：

(1)

式中：Vin為輸入電壓；Vout為輸出電壓。

光伏電池的等效電路如圖2所示，在該模型中利用串聯(lián)電阻模擬輸出電壓損耗，用并聯(lián)電阻輸出漏電流?？衫没鶢柣舴蚨捎嬎爿敵鲭娏鳎?/p>

I=Iph-ID-Ish

(2)

式中：Iph是光伏電池的輸出電流；ID、Ish是二極管的漏電流和電池的反向飽和電流；I是光伏板的輸出電流。

圖2 光伏電池的等效電路

1.2 最大功率點(diǎn)跟蹤原理

最大功率點(diǎn)跟蹤算法是光伏系統(tǒng)的重要組成部分，通過精確跟蹤最大功率點(diǎn)來提高光伏輸出功率的質(zhì)量。目前已有多種MPPT控制策略被提出，這些方法的復(fù)雜性、所需傳感器數(shù)量、收斂速度、成本、效率和應(yīng)用領(lǐng)域各不相同。在眾多MPPT算法中，擾動觀測法(P&O)是最典型的一種MPPT算法，其基本原理如圖3所示。

圖3 MPPT算法基本原理

該算法基于對工作點(diǎn)電壓的增減，對系統(tǒng)進(jìn)行擾動，然后通過分析光伏輸出功率Ppv來觀察擾動的效果。如果當(dāng)前輸出功率P(k)大于過去的輸出功率P(k-1)，則繼續(xù)用相同的擾動調(diào)整占空比或電壓；否則，改變調(diào)整參數(shù)的方向[16]。

P&O算法在正常工況下具有較好的準(zhǔn)確度和響應(yīng)速度，但具有如下問題：在正常工況下，MPP周圍會出現(xiàn)振蕩；在溫度或光照強(qiáng)度突然變化的情況下，算法的收斂性較差。通過調(diào)整增量步長，以收斂時間為代價，可以減少正常工況下的振蕩，但在部分陰影遮擋情況下，光照強(qiáng)度會發(fā)生不同程度的改變，P&O算法無法實現(xiàn)準(zhǔn)確的最大功率跟蹤。

2 基于陰影檢測的雙模式MPPT算法

2.1 所提方法流程

針對傳統(tǒng)MPPT算法無法解決部分陰影下的最大功率點(diǎn)跟蹤問題，本文提出一種基于陰影檢測的雙模式MPPT算法，流程如圖4所示。

圖4 雙模式MPPT算法流程

1)光伏輸出信號測量：在該步驟中，使用測量設(shè)備獲取MPPT和功率預(yù)測所需的信號，包括輸出電壓、輸出電流、輸出功率、光照強(qiáng)度和溫度。

2)部分陰影遮擋檢測：在該步驟中，使用正常工況下的歷史功率來訓(xùn)練LSTM，并用于預(yù)測光伏輸出功率。當(dāng)陰影遮擋發(fā)生時，預(yù)測和測量功率之間將存在較大偏差，可通過閾值實現(xiàn)準(zhǔn)確的陰影遮擋檢測。

3)雙模式MPPT：基于上一步驟中的檢測結(jié)果，如果沒有發(fā)生陰影遮擋，則采用傳統(tǒng)的P&O方法實現(xiàn)正常工況下的MPPT；否則，采用基于RBF神經(jīng)網(wǎng)絡(luò)的智能跟蹤算法跟蹤部分陰影工況下的最大功率點(diǎn)。

2.2 基于LSTM的陰影遮擋檢測

LSTM用于預(yù)測光伏功率輸出，與傳統(tǒng)前饋神經(jīng)網(wǎng)絡(luò)相比，LSTM通過獨(dú)特的門控機(jī)制和特有的細(xì)胞單元，能夠保存重要的時序特征并加以利用，丟棄不重要的信息，從而提升預(yù)測精度。LSTM具有三個主要的組成單元來控制信息的存儲和傳遞：遺忘門ft用于確定應(yīng)該從單元中丟棄什么信息；輸入門it用于確定應(yīng)該向單元添加什么新信息；輸出門ot用于確定該單元應(yīng)該輸出什么信息。通過控制這些門，LSTM網(wǎng)絡(luò)能夠保存和利用不同時間節(jié)點(diǎn)的歷史信息。關(guān)于LSTM的更多細(xì)節(jié)和內(nèi)部計算過程可見文獻(xiàn) [17]。

部分陰影檢測包括兩個主要步驟：離線訓(xùn)練和在線檢測。在圖5所示的離線訓(xùn)練過程中，首先收集正常運(yùn)行條件下的歷史光伏輸出功率數(shù)據(jù)，然后通過梯度下降算法訓(xùn)練LSTM預(yù)測模型，以學(xué)習(xí)數(shù)據(jù)中蘊(yùn)含的時序關(guān)系。當(dāng)訓(xùn)練誤差停止減小時，訓(xùn)練終止，可以有效避免次優(yōu)和過擬合。

圖5 LSTM離線訓(xùn)練流程

在線檢測過程如圖6所示，模型訓(xùn)練完成后，用于預(yù)測光伏輸出功率，與實測功率進(jìn)行比較。當(dāng)出現(xiàn)陰影遮擋時，實測功率與預(yù)測功率會有顯著差異，考慮到最輕的陰影遮擋情況，基于多次仿真下的功率偏差，取檢測閾值θ=200。根據(jù)陰影檢測結(jié)果，選擇不同的MPPT算法。

圖6 LSTM在線檢測流程

2.3 部分陰影遮擋工況下的RBF-MPPT算法

當(dāng)部分陰影遮擋發(fā)生時，傳統(tǒng)MPPT算法無法準(zhǔn)確跟蹤最大功率點(diǎn)，因為此類算法對溫度和光照度等參數(shù)的突然變化反應(yīng)緩慢。相比之下，RBF神經(jīng)網(wǎng)絡(luò)可以快速跟蹤功率變化，從而保證MPPT算法的性能[18]。

圖7為RBF神經(jīng)網(wǎng)絡(luò)示意圖，具有輸入層-隱藏層-輸出層三層結(jié)構(gòu)，輸入是太陽光照度E和環(huán)境溫度T，目標(biāo)輸出是當(dāng)前陰影遮擋情況下的光伏輸出參考功率Pref，通過參考功率調(diào)整轉(zhuǎn)換器的占空比以獲得最大功率點(diǎn)。

圖7 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

RBF的隱藏層節(jié)點(diǎn)由不同的激活函數(shù)組成，可以學(xué)習(xí)數(shù)據(jù)中的非線性關(guān)系。采用高斯激活函數(shù)，輸入層中兩個向量直接連接到每個隱藏層節(jié)點(diǎn)，隱藏層節(jié)點(diǎn)Hk的輸出如下所示：

(3)

(4)

式中：Cj∈R，是半徑為r的徑向基函數(shù)中心；Yk為RBF神經(jīng)網(wǎng)絡(luò)的輸出；wjk為輸出權(quán)重；Bo為偏置。

采用梯度下降算法訓(xùn)練RBF，從而獲得最優(yōu)權(quán)重，訓(xùn)練完成后，可利用所提的RBF-MPPT算法來跟蹤部分陰影下的功率，RBF的參數(shù)見表1。

表1 RBF神經(jīng)網(wǎng)絡(luò)參數(shù)

3 案例分析

3.1 仿真設(shè)置

為驗證所提MPPT算法的性能，基于圖1所示的系統(tǒng)結(jié)構(gòu)，在MATLAB/Simulink環(huán)境搭建了2個光伏串并聯(lián)組成的光伏發(fā)電系統(tǒng)，每個光伏串包含3個光伏板，用于模擬不同的陰影遮擋情況。在不同工況下，將所提的雙模式MPPT算法與傳統(tǒng)的擾動觀測法和電導(dǎo)增量法(INC)進(jìn)行對比。

為了收集訓(xùn)練數(shù)據(jù)，在仿真模型中令溫度在22～32℃之間變化，步長為1℃；光照度在50～1 000 lx之間變化，步長為10 lx。從而模擬正常運(yùn)行和部分陰影條件下不同光照度和溫度對應(yīng)的光伏輸出功率?？偣灿? 696組數(shù)據(jù)用于訓(xùn)練LSTM和RBF神經(jīng)網(wǎng)絡(luò)。在離線訓(xùn)練過程中，使用正常工況下的光伏輸出功率訓(xùn)練LSTM，使用部分陰影工況下的輸出功率訓(xùn)練RBF，相應(yīng)的訓(xùn)練誤差如圖8所示。由圖可知，訓(xùn)練過程中的誤差可以快速收斂到目標(biāo)值以下(10-7)，表明所采用的模型可以準(zhǔn)確捕捉兩種工況下的非線性關(guān)系。

(a)LSTM (b)RBF

3.2 預(yù)測模型性能分析

為了證明所提功率預(yù)測方法的預(yù)測能力，采用了某光伏電站2020年全年的發(fā)電量數(shù)據(jù)集，每15 min記錄一次，為一個采樣點(diǎn)。對于該數(shù)據(jù)集，持續(xù)時間較短的部分陰影不會顯著影響記錄的功率，因此可視為正常工況，將90%的數(shù)據(jù)用于訓(xùn)練，最后10%的數(shù)據(jù)用于測試。測試集上的預(yù)測結(jié)果如圖9所示，均方誤差(MSE)為6.139 4。預(yù)測結(jié)果表明所采用的功率預(yù)測模型可以在正常工況下準(zhǔn)確預(yù)測光伏輸出功率。因此，當(dāng)部分陰影遮擋突然發(fā)生時，實時輸出功率將驟減，從而可以使用預(yù)測誤差的顯著變化來檢測陰影遮擋。

圖9 測試集上的預(yù)測結(jié)果

3.3 正常工況下的MPPT性能分析

在正常工況下，受晝夜變化、停電檢修等影響，光伏輸出功率可能產(chǎn)生變化，反映在兩個光伏串功率同時增加/減少，視為正常工況下的運(yùn)行暫態(tài)。為分析所提方法在這種工況下的性能，在t=1 s、2 s和3 s時，同時改變兩個光伏串的光照度E，從而分析不同MPPT算法和所提預(yù)測方法的性能。

圖10為正常工況下LSTM預(yù)測功率及其與實際功率的差異。當(dāng)整體光照度發(fā)生變化時，因為時間序列的延遲，會有一個瞬時預(yù)測誤差，但比部分陰影工況下的誤差更小、持續(xù)時間更短。此外，正常工況下RBF-MPPT算法能夠準(zhǔn)確跟蹤整體光照度變化下的最大功率點(diǎn)。圖11為正常工況下傳統(tǒng)P&O、INC算法和RBF-MPPT算法的比較，結(jié)果表明這三種算法都能在正常工況下實現(xiàn)MPPT。

圖10 正常工況下的預(yù)測結(jié)果

圖11 正常工況下的MPPT結(jié)果

3.4 部分陰影遮擋工況下的MPPT性能分析

為模擬不同程度的部分陰影遮擋，在t=1 s和2 s時分別改變光伏串1的光照度Es，而光伏串2的光照度E保持不變，在t=3 s時移除陰影。陰影工況下的預(yù)測結(jié)果如圖12所示，為進(jìn)一步比較，t=1 s 發(fā)生陰影遮擋時的預(yù)測結(jié)果被放大。由圖可知，當(dāng)部分陰影遮擋發(fā)生時，預(yù)測功率和實測功率會存在顯著偏差且持續(xù)一段時間，因此可以根據(jù)檢測閾值來準(zhǔn)確診斷。檢測到陰影遮擋后，RBF-MPPT算法在短時間內(nèi)找到新的最大工作點(diǎn)，維持系統(tǒng)穩(wěn)定運(yùn)行。

圖12 部分陰影遮擋工況下的預(yù)測結(jié)果

圖13為三種MPPT算法在部分陰影遮擋工況下的跟蹤效果。當(dāng)陰影不嚴(yán)重時(t為1～2 s)，三種方法都能找到最大功率點(diǎn)，但RBF-MPPT算法更快。當(dāng)陰影面積進(jìn)一步增大時，傳統(tǒng)的P&O和INC算法失效，無法準(zhǔn)確找到最大功率點(diǎn)，而RBF-MPPT算法仍能快速實現(xiàn)MPPT，這充分說明了RBF-MPPT算法的性能優(yōu)越。

圖13 部分陰影遮擋工況下的MPPT結(jié)果

4 結(jié)語

本文提出一種基于LSTM和RBF神經(jīng)網(wǎng)絡(luò)的雙模式MPPT方法，能夠在部分陰影遮擋工況下，通過LSTM功率預(yù)測結(jié)果的偏差檢測陰影工況，并對MPPT算法的切換做出正確的決策。正常工況下采用傳統(tǒng)MPPT算法，陰影工況下采用RBF-MPPT算法尋找最大功率點(diǎn)。所提出的雙模式MPPT算法具有跟蹤效率高、不受部分陰影工況下最大功率點(diǎn)震蕩影響的優(yōu)點(diǎn)，對比仿真分析驗證了所提雙模式MPPT算法的有效性和優(yōu)越性。