局部阴影条件下基于QAPSO算法光伏系统MPPT控制方法技术方案

本发明专利技术涉及一种局部阴影条件下基于QAPSO算法光伏系统MPPT控制方法，该方法包括以下步骤：S1：根据光伏电池的特性，建立适用于局部阴影条件下的光伏阵列模型；S2：运用QAPSO算法对局部阴影条件下的光伏阵列模型进行求解，获取输出功率；S3：以输出功率作为适应度函数，通过迭代搜索，实现光伏阵列的最大功率点跟踪。与现有技术相比，本发明专利技术对最大功率点具有更快的跟踪速度，避免了在最大功率点附近的振荡，提高了系统的稳态性能，对于局部阴影和阴影突变情况下均能找到最大功率点，增强系统的跟踪能力，能够显著地提高光伏发电效率。

【技术实现步骤摘要】
局部阴影条件下基于QAPSO算法光伏系统MPPT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条件下基于QAPSO算法光伏系统MPPT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；二是石油安全问题日趋显著；三是煤烟型污染已经给生态环境带来严重问题。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：光伏电池成本高昂、光电转化效率较低、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，粒子群算法、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(P-U)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条件下基于QAPSO算法光伏系统MPPT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：局部阴影条件下基于QAPSO算法光伏系统MPPT控制方法，包括以下步骤：步骤一、根据光伏电池的特性，建立适用于局部阴影条件下的光伏阵列模型。步骤二、运用量子改进加速粒子群算法(Quantum-behavedacceleratedparticleswarmoptimization，QAPSO)算法对局部阴影条件下的光伏阵列模型进行求解，获取输出功率。该步骤具体包括：1)设置算法参数并初始化粒子种群，初始化粒子相位，每个粒子包含有两个位置的信息，具体包括：101)将光伏阵列的电压作为粒子，采用角度θ确定一个粒子；102)采用量子位的概率幅Pi作为粒子当前的编码，编码公式为：其中，θij为粒子Pi上第j个量子位的当前相位，为(0，2π)区间上的随机数，n为优化变量数目；种群中每个粒子占据空间中两个位置，两个位置c、s分别对应量子态|0>和|1>的概率幅，其表达式为：Pic＝(cos(θi1),cos(θi2),…,cos(θin))Pis＝(sin(θi1),sin(θi2),…,sin(θin))103)对粒子进行解空间变换；假设粒子Pj上第i个量子位为[ai,bi]为变量xi的定义域，则两个位置c、s相应的解空间变量公式为：104)结束初始化，输出初始粒子信息。2)以光伏阵列模型的输出功率作为适应度函数，计算各粒子适应度值并进行评价；3)根据粒子的适应度值更新自身和全局最优相位；4)利用APSO算法的更新规则实现粒子的位置更新，并将其映射到解空间；具体包括：401)粒子Pi上量子位幅角增量的更新：Δθij(t+1)＝Δθij(t)+c1r1+c2(θg-θij(t))402)粒子上量子位概率幅的更新：式中：c1为自身认知因子；r1为[0，1]上的均匀随机数；c2为社会认知因子；θg为全局最优相位。5)计算各粒子适应度值并进行评价，根据粒子的适应度更新自身和全局最优相位；6)判断粒子间的最大距离是否满足要求，若满足要求，转至步骤(7)，若不满足要求，转至步骤8)；7)测量光伏阵列输出电压Um对应的功率，并判断是否满足重启条件，若满足，转至步骤1)，若不满足，再次执行步骤7)；8)选择当代最优解并保存，判断该最优解是否达到最大迭代次数，若达到，转至步骤10)，若未达到，转至步骤9)；9)以pa的概率选择变异粒子，利用量子非门相位参数，对粒子进行变异，计算新种群的适应度值并评价，转至步骤3)；对粒子进行变异的具体内容为：首先设定变异概率Pm，取Pm的值为0.05，对每个粒子赋值一个(0，1)之间的随机数rand，若rand<Pm,则用量子非门进行变异，否则，不进行变异。利用量子非门进行变异实质为量子比特。量子非门即为泡利矩阵σx，其定义式为：量子非门的功能在于使量子比特在单位圆上绕圆心旋转。假设量子比特为则变异后的量子非门为：θij变异后的相位为π/2-θij。10)输出最优解，获取输出功率。步骤三、以输出功率作为适应度函数，通过迭代搜索，实现光伏阵列的最大功率点跟踪。与现有技术相比，本专利技术具有以下优点：一、本专利技术利用QAPSO算法进行最大功率寻优，方法简单且控制参数少，将其应用于光伏阵列最大功率点跟踪，对最大功率点具有更快的跟踪速度，改善系统的动态响应，避免了在最大功率点附近的振荡，提高了系统的稳态性能，对于环境的变化，包括局部阴影和阴影突变情况下均能找到最大功率点，增强系统的跟踪能力；二、本专利技术方法具有较强的鲁棒性，能够显著地提高光伏发电效率，在光伏发电系统具有较好的应用前景；三、本专利技术提出的QAPSO算法采用量子位的概率幅作为粒子当前的编码，利用APSO算法的更新规则对粒子位置进行更新，同时依变异概率选取变异粒子并利用量子非门对其进行变换，使粒子具有了不确定的搜索轨迹，可以在整个可行区域内搜索，具有全局收敛性。附图说明图1为本专利技术局部阴影条件下基于QAPSO算法光伏系统MPPT控制方法的流程图；图2(a)为局部阴影条件下的光伏阵列P-U特性曲线图；图2(b)为三种阴影条件下的光伏阵列P-U特性曲线图；图3为本专利技术QAPSO算法的流程示意图；图4为本专利技术实施例中PSO、APSO和QAPSO算法在光伏阵列标准光照条件下的仿真结果图；图本文档来自技高网...

【技术保护点】
1.局部阴影条件下基于QAPSO算法光伏系统MPPT控制方法，其特征在于，该方法包括以下步骤：S1：根据光伏电池的特性，建立适用于局部阴影条件下的光伏阵列模型；S2：运用QAPSO算法对局部阴影条件下的光伏阵列模型进行求解，获取输出功率；S3：以输出功率作为适应度函数，通过迭代搜索，实现光伏阵列的最大功率点跟踪。

【技术特征摘要】
1.局部阴影条件下基于QAPSO算法光伏系统MPPT控制方法，其特征在于，该方法包括以下步骤：S1：根据光伏电池的特性，建立适用于局部阴影条件下的光伏阵列模型；S2：运用QAPSO算法对局部阴影条件下的光伏阵列模型进行求解，获取输出功率；S3：以输出功率作为适应度函数，通过迭代搜索，实现光伏阵列的最大功率点跟踪。2.根据权利要求1所述的局部阴影条件下基于QAPSO算法光伏系统MPPT控制方法，其特征在于，步骤S2具体包括以下步骤：1)设置算法参数并初始化粒子种群，初始化粒子相位，每个粒子包含有两个位置的信息；2)以光伏阵列模型的输出功率作为适应度函数，计算各粒子适应度值并进行评价；3)根据粒子的适应度值更新自身和全局最优相位；4)利用APSO算法的更新规则实现粒子的位置更新，并将其映射到解空间；5)计算各粒子适应度值并进行评价，根据粒子的适应度更新自身和全局最优相位；6)判断粒子间的最大距离是否满足要求，若满足要求，转至步骤(7)，若不满足要求，转至步骤8)；7)测量光伏阵列输出电压Um对应的功率，并判断是否满足重启条件，若满足，转至步骤1)，若不满足，再次执行本步骤；8)选择当代最优解并保存，判断该最优解是否达到最大迭代次数，若达到，转至步骤10)，若未达到，转至步骤9)；9)以pa的概率选择变异粒子，利用量子非门相位参数，对粒子进行变异，计算新种群的适应度值并评价，转至步骤3)；10)输出最优解，获取输出功率。3.根据权利要求2所述的局部阴影条件下基于QAPSO算法光伏系统MPPT控制方法，其特征在于，步骤1)具体包括以下步骤：a)采用角度θ确定一个粒子，该粒子为光伏阵列的电压；b)采用量子位的概率幅Pi作为粒子当前的编码，编码公式为：其中，θij为粒子Pi上第j个量子位的当前相位，θi...

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