一种局部阴影下光伏阵列最大功率点预测优化控制方法技术

本发明专利技术涉及一种局部阴影下光伏阵列最大功率点预测优化控制方法，包括以步骤：S1：结合光伏阵列的电流‑电压特性曲线和质点平抛运动轨迹的相似性，构建光伏阵列运动学平抛模型；S2：采用改进的粒子群算法对光伏阵列运动学平抛模型求解，获取最大功率点、最大功率点处的电压和最大功率点所在的电压范围；S3：采用电压闭环控制法或指数变步长电导增量法对最大功率点进行寻优，获取控制信号；S4：采用获取的控制信号控制Boost电路导通和关断，实现光伏阵列最大输出功率的实时控制。与现有技术相比，本发明专利技术具有实现最大功率点全局寻优、提高光伏发电系统的效率等优点。

【技术实现步骤摘要】
一种局部阴影下光伏阵列最大功率点预测优化控制方法
本专利技术涉及光伏发电
，尤其是涉及一种局部阴影下光伏阵列最大功率点预测优化控制方法。
技术介绍
能源在创造新机遇和促进经济增长方面扮演着极其重要的角色，同时世界经济的发展和人口的增长反过来助长了世界能源需求量。我国能源结构的核心问题表现在：一是能源结构以煤为主，在我国一次能源生产与消费构成中，煤炭比例超过2/3；二是石油安全问题日趋显著，到2020年，石油的对外依存度将达到60％，我国能源安全尤其是石油安全问题越来越突出；三是煤烟型污染已经给生态环境带来严重问题，而电力、建材、冶金、化工等能源消费密集的行业又是我国的支柱产业，它们占大气污染的70％以上。由此可见，优化能源结构势在必行，缓慢增添绿色可再生能源的比例，减少化石能源的使用。太阳能光伏发电被认为是当前世界上最具有发展前景的新能源技术，各发达国家均投入巨额资金竞相研究开发，并积极推进产业化进程，大力开拓市场应用。但是光伏发电产业在发展中也遇到了许多问题：(1)光伏电池成本高昂；(2)光电转化效率较低；(3)局部遮挡的危害。最大功率点跟踪是降低发电成本、提高发电效率最直接有效的方法，现有的大部分最大功率点跟踪方法的应用前提都是光伏阵列受到的光照均匀，而忽略了在现实生活中，光伏阵列被遮挡的概率很大。当光伏阵列被局部遮挡时，使得传统的最大功率点跟踪方法容易陷入局部最优难以搜寻到全局最优。扰动观察法和电导增量法是较早应用在光伏发电系统中的最大功率跟踪方法，被称为传统最大功率跟踪方法。扰动观察法控制思路简单，实现较为方便，可实现对最大功率点的跟踪，提高系统的利用效率。但是由于扰动观察法仅以光伏电池前后两次的输出功率为对象进行研究，没有考虑外部环境条件变化对光伏阵列前后两次输出功率的影响，在使用的过程中容易出现方法的“误判”，“误判”增加了跟踪时间，降低了光伏阵列的输出效率，严重时导致跟踪的失效，使该方法不能准确地跟踪到最大输出功率。电导增量法跟踪精度较高，控制效果好，不受功率时间曲线的影响。但该方法对传感器有较高的要求，同时步长的选取也将影响算法的性能，在外界环境条件变化较快的情况下也会出现“误判”。近年来，随着智能算法的不断完善，遗传算法、模糊控制算法和神经网络算法等被引入到光伏发电系统的最大功率跟踪控制中。这些算法的使用，有效地提高了最大功率跟踪的精度，减少了能量损耗。但智能算法往往存在控制参数多，控制思想复杂，对硬件的要求高的缺点，这在一定程度上制约了这些算法的工程实践应用，并且随着光伏阵列的运行环境变得越来越复杂，由于建筑物、树木的遮挡或灰尘等造成光伏阵列表面受到的光照强度不均匀的情况时常发生，此时，光伏阵列的功率-电压特性曲线将出现多个峰值。部分智能算法和传统最大功率跟踪方法一样，缺乏全局寻优的能力，仅仅适用于单峰值最大功率跟踪系统，当对多峰值系统进行跟踪时，会造成跟踪失效。因此，研究一种具有全局寻优特性的最大功率跟踪方法对于提高光伏发电系统的效率十分关键。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种局部阴影下光伏阵列最大功率点预测优化控制方法。本专利技术的目的可以通过以下技术方案来实现：一种局部阴影下光伏阵列最大功率点预测优化控制方法，该方法包括以下步骤：步骤一、结合光伏阵列电流-电压(I-U)特性曲线和质点平抛运动轨迹的相似性，构建光伏阵列的运动学平抛模型。光伏阵列的运动学平抛模型可在任意光照或温度的环境条件下进行光伏功率建模，并在环境变化时可实现计算修正。当环境变化时，模型的修正公式如下所示：式中：ΔT为温度的变化量；ΔS为光照强度的变化量；Tref为参考温度，Tref＝25℃；Sref为参考光照强度，Sref＝1000W/m2；Isc为当前光伏电池的短路电流；Uoc为当前光伏电池的开路电压；Im为当前光伏电池的最大电流；Um为当前光伏电池的最大电压；e为自然对数的底数，其值约为2.71828；系数a＝0.0025/℃；系数b＝0.5/(W/m2)；系数c＝0.00288/℃；Iscref为参考光照强度和温度条件下的光伏电池短路电流；Uocref为参考光照强度和温度条件下的光伏电池开路电压；Imref为参考光照强度和温度条件下的光伏电池最大电流；Umref为参考光照强度和温度条件下的光伏电池最大电压。步骤二、采用改进的粒子群算法对光伏阵列的运动学平抛模型进行求解，获取最大功率点、最大功率点处的电压和最大功率点所在的电压范围。普通的粒子群算法中，一般随机初始化粒子的位置；适应度函数根据具体目标要求设定，粒子的优劣则根据适应度值评价，进而更新粒子的速度和位置。粒子的更新基于两个“最优值”，个体最优值Pbest代表粒子本身经历的最优位置，全局最优值Gbest代表种群中所有粒子经历的最优位置。粒子的速度和位置的更新公式如下：式中：κ为迭代次数；ω为惯性权重；r1、r2为[0，1]上的均匀随机数；c1为自身认知因子；c2为社会认知因子；Pbest为个体最优解；Gbest为全局最优解。本专利技术中改进的粒子群算法的目标函数为实时采集的光伏阵列输出功率，粒子的位置为光伏阵列的输出电压，通过迭代找到光伏阵列的最大功率点的位置。普通粒子群算法虽然具有良好的全局搜索能力，由于它本身具有随机性，造成在多峰值寻优时可能会陷入局部最优，为了避免普通粒子群算法陷入局部最优故对粒子群算法进行了如下改进：(1)粒子初始位置的选择将前N个粒子的初始位置设置为n×0.84×Uoc，其中n＝1........N，N为光伏阵列的串联个数；Uoc为开路电压；其余粒子的初始位置在工作电压内随机设置。(2)参数的调整参数自身认知因子c1、社会认知因子c2和惯性权重ω的选择对于算法的收敛速度以及精度有很大的影响，ω主要用于平衡粒子在全局搜索和局部搜索之间的关系，在算法的初始阶段，较大的能够防止算法陷入局部最优；在算法的后期，较小的ω能够提升收敛速度，并使收敛更加平稳。故合适的ω的取值，可以使粒子群算法的收敛速度加快，精度提高。本专利技术采用线性调整的自寻优惯性权重如式所示：式中：κ为迭代次数；ωmax为最大惯性权重，取0.9；ωmin为最小惯性权重，取0.4；M为最大迭代次数。对于c1和c2，在进化上，c1相对越大，粒子行为越独立，“分散”现象越明显，算法进化速度越慢；c2相对越大，粒子群体意识越强，“群聚”现象越明显，算法进化速度越快。故将二者调整为c1先大后小，c2先小后大，即如下式所示：式中：κ为迭代次数；c1final为最小自身认知因子，取0.5；c1initial为最大自身认知因子，取2；c2final为最大社会认知因子，取2；c2initial为最小社会认知因子，取0.5。(3)为避免普通粒子群算法陷入局部最优，每五代进行一次筛选，当前迭代完成后若某个粒子位置到当前代全局最优解的距离超出给定的区域，则把当前代全局最优解的值赋值给该粒子，在寻优过程中加入了筛选的环节，对粒子的更新过程进行了干预，逐步缩小粒子的有效寻优范围，在避免寻优失效的同时，缩短算法的运行时间。步骤三、根据当前的光伏阵列对最大功率控制的要求，采用电压闭环控制法或指数变步长电导增量法对获取的最大功率点进行寻优，获取相应的控制信号。本文档来自技高网...

【技术保护点】
1.一种局部阴影下光伏阵列最大功率点预测优化控制方法，其特征在于，该方法包括以下步骤：S1：结合光伏阵列的电流‑电压特性曲线和质点平抛运动轨迹的相似性，构建光伏阵列运动学平抛模型；S2：采用改进的粒子群算法对光伏阵列运动学平抛模型求解，获取最大功率点、最大功率点处的电压和最大功率点所在的电压范围；S3：采用电压闭环控制法或指数变步长电导增量法对最大功率点进行寻优，获取控制信号；S4：采用获取的控制信号控制Boost电路导通和关断，实现光伏阵列最大输出功率的实时控制。

【技术特征摘要】
1.一种局部阴影下光伏阵列最大功率点预测优化控制方法，其特征在于，该方法包括以下步骤：S1：结合光伏阵列的电流-电压特性曲线和质点平抛运动轨迹的相似性，构建光伏阵列运动学平抛模型；S2：采用改进的粒子群算法对光伏阵列运动学平抛模型求解，获取最大功率点、最大功率点处的电压和最大功率点所在的电压范围；S3：采用电压闭环控制法或指数变步长电导增量法对最大功率点进行寻优，获取控制信号；S4：采用获取的控制信号控制Boost电路导通和关断，实现光伏阵列最大输出功率的实时控制。2.根据权利要求1所述的一种局部阴影下光伏阵列最大功率点预测优化控制方法，其特征在于，所述的步骤S1中，光伏阵列运动学平抛模型的表达式为：式中：ΔT为温度的变化量；ΔS为光照强度的变化量；Tref为参考温度，Tref＝25℃；Sref为参考光照强度，Sref＝1000W/m2；Isc为当前光伏电池的短路电流；Uoc为当前光伏电池的开路电压；Im为当前光伏电池的最大电流；Um为前光伏电池的最大电压；a、b、c为系数；Iscref为参考光照强度和温度条件下的光伏电池短路电流；Uocref为参考光照强度和温度条件下的光伏电池开路电压；Imref为参考光照强度和温度条件下的光伏电池最大电流；Umref为参考光照强度和温度条件下的光伏电池最大电压。3.根据权利要求1所述的一种局部阴影下光伏阵列最大功率点预测优化控制方法，其特征在于，所述的步骤S3中，采用电压闭环控制法对最大功率点进行寻优的具体内容包括：(a1)对预测得到的最大功率点处的电压与光伏阵列的实际电压做差值，并将该差值与上一时刻的差值比较，获取控制量；(a2)将获取的控制量与定步长相乘，对得到的乘积与三角波信号进行比较，获取控制信号。4.根据权利要求1所述的一种局部阴影下光伏阵列最大功率点预测优化控制方法，其特征在于，所述的步骤S3中，采用指数变步长电导增量法对最大功率点进行寻优的具体内容包括：(b1)对预测得到的最...

【专利技术属性】
技术研发人员：屠亚南，于艾清，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：上海,31