光伏优化器最大功率跟踪方法及其装置、系统制造方法及图纸

本发明专利技术公开了一种光伏优化器最大功率跟踪方法及其装置、系统，所述光伏优化器最大功率光伏优化器最大功率跟踪方法，包括：S1：采集并记录环境温度T和光照强度G；S2：检测光伏组件输出电压U

【技术实现步骤摘要】
光伏优化器最大功率跟踪方法及其装置、系统


[0001]本专利技术涉及光伏发电
，尤其涉及一种光伏优化器最大功率跟踪方法及其装置、系统。

技术介绍

[0002]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:光伏组件成本高昂、光电转化效率较低、局部遮挡的危害。最大功率点跟踪(MPPT)是降低发电成本、提高发电效率最直接有效的方法。但是在光伏系统的实际使用过程中,经常会受到周围环境(天空乌云、树木、高层建筑、灰尘)的影响而造成光伏阵列光照强度不均匀，产生局部遮挡问题。在光伏阵列被部分遮挡的情况下，其输出的功率
‑
电压特征曲线(为方便描述可简称P
‑
U曲线)将会呈现多个峰值特征。对于存在多个峰值特征的P
‑
U特征曲线，如果无法找到全局最大功率点(MPP)而使光伏系统运行在局部最大功率点。
[0003]即便有性能优秀的算法能够准确找到MPP，这个MPP也非组件级别的最佳工作点。即在光伏阵列或者组串级进行优化意味着不会单独对每一个独立的光伏组件进行优化，实际上光伏组串通常会包括多个由光伏组件串联形成。在组串失配或者遮阴情况下，组串工作在MPP时，各个组件并不一定在其自身的最大功率点运行，这些都是电能和发电量的损失。因此，提出一种能够高效准确的实现组件级最大功率跟踪的光伏优化器最大功率跟踪方法十分必要。

技术实现思路

>[0004]本专利技术的目的在于提供一种光伏优化器最大功率跟踪方法及其装置、系统，用于解决现有技术的光伏优化器无法高效准确的实现组件级别的最大功率跟踪问题。
[0005]第一方面，为实现上述专利技术目的，本专利技术提供了一种光伏优化器最大功率跟踪方法，包括如下步骤：
[0006]S1：采集并记录环境温度T和光照强度G；
[0007]S2：检测光伏组件输出电压U
pv
和输出电流I
pv
，计算光伏组件的输出功率P＝U
pv
I
pv
；
[0008]S3：基于所述环境温度T、光照强度G、光伏组件输出电压U
pv
和输出电流I
pv
构建表征光伏组件工作状态的状态模型state＝(T，D，U
pv
，I
pv
)，
[0009]S4：基于深度强化学习算法得到光伏组件在最大功率时的修正状态state
′
＝(T，D，U
′
pv
，I
′
pv
)；
[0010]S5：基于光伏组件在最大功率时的修正状态state
′
控制光伏优化器输出。
[0011]进一步的，所述深度强化学习算法包括：
[0012]S4
‑
1：根据∈贪婪算法在实际状态state＝(T，D，U
pv
，I
pv
)下选择随机优化动作a进行优化，ΔD＝a；
[0013]S4
‑
2：基于随机优化动作a预测系统对应的输出功率，选择并记录系统预测输出功率为最大值时对应的优化动作a＝argmaxQ(s，a；θ)，ΔD＝a，其中，θ为网络参数。
[0014]进一步的，所述深度强化学习算法包括：
[0015]S4
‑
3：根据系统最大输出时记录的行为a更新占空比D＝D+ΔD，并重新计算功率P
′
＝U
′
pv
I
′
pv
。
[0016]进一步的，所述深度强化学习算法包括：
[0017]S4
‑
4：更新状态表示为修正状态state
′
＝(T，D，U
′
pv
，I
′
pv
)，并计算修正奖励reward＝f(P
‑
P
′
)。
[0018]进一步的，所述深度强化学习算法还包括：
[0019]S4
‑
5：将包含所述光伏组件的实际状态state、光伏优化器的优化动作a、光伏组件的修正状态state
′
和修正奖励reward记录为一条状态经验，并存储至状态空间E中。
[0020]进一步的，光伏优化器最大功率跟踪方法还包括：
[0021]S6：对所述状态空间E中存储的状态经验进行批量随机抽样，基于系统预测输出功率和系统实际输出功率计算各抽样样本的损失值，构建损失函数Loss，进入下一次迭代直至损失函数Loss收敛。
[0022]进一步的，光伏优化器最大功率跟踪方法还包括：
[0023]S7：设置时间周期C
T
，每隔一个时间周期C
T
检测并更新一次网络参数θ。
[0024]进一步的，所述深度强化学习算法还包括：
[0025]S4
‑
6：检测状态空间E中存储的状态经验数量，当所述状态空间E中存储的状态经验数量大于预设值时，则根据状态经验中记录的实际状态state与优化动作a的对应关系控制所述光伏优化器工作。
[0026]第二方面，基于上述专利技术目的，本专利技术还提供了一种光伏优化器，包括：
[0027]温度传感器，用于采集环境温度；
[0028]光照传感器，用于采集光照强度；
[0029]电压传感器，用于检测光伏组件输出电压；
[0030]电流传感器，用于检测光伏组件输出电流；
[0031]MPPT控制器，用于执行上述任一项中所述的光伏优化器最大功率跟踪方法；
[0032]控制电路，基于MPPT控制器的输出结果调节光伏优化器输出。
[0033]第三方面，基于上述专利技术目的，本专利技术还提供了一种光伏系统，至少包括一个如上所述的光伏优化器，所述光伏优化器输出端耦接至光伏组件，输出端串联连接至逆变器的输入端口之间。
[0034]与现有技术相比，本专利技术的有益效果在于：深度强化学习可以直接根据输入的原始数据进行动作选择，是一种更加接近人类思维方式的人工智能算法，通过深度强化学习方法不断的试错和最大化累计奖励来生成最优的行为策略，能够高效准确的实现组件级别的最大功率跟踪。
附图说明
[0035]图1是本专利技术实施例的光伏优化器最大功率跟踪方法流程图。
[0036]图2是本专利技术实施例的光伏优化器结构示意图。
[0037]图3是本专利技术实施例的光伏系统结构示意图。
具体实施方式
[0038]以下基于实施例对本专利技术进行描述，但是本专利技术并不仅仅限于这些实施例。在下文对本专利技术的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本专利技术。为了避免混淆本专利技术的实质，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏优化器最大功率跟踪方法，其特征在于，包括如下步骤：S1：采集并记录环境温度T和光照强度G；S2：检测光伏组件输出电压U
pv
和输出电流I
pv
，计算光伏组件的输出功率P＝U
pv
I
pv
；S3：基于所述环境温度T、光照强度G、光伏组件输出电压U
pv
和输出电流I
pv
构建表征光伏组件工作状态的状态模型state＝(T,D,U
pv
,I
pv
)，S4：基于深度强化学习算法得到光伏组件在最大功率时的修正状态state
′
＝(T,D,U
′
pv
,I
′
pv
)；S5：基于光伏组件在最大功率时的修正状态state
′
控制光伏优化器输出。2.根据权利要求1所述的光伏优化器最大功率跟踪方法，其特征在于，所述深度强化学习算法包括：S4
‑
1：根据∈贪婪算法在实际状态state＝(T,D,U
pv
,I
pv
)下选择随机优化动作a进行优化，ΔD＝a；S4
‑
2：基于随机优化动作a预测系统对应的输出功率，选择并记录系统预测输出功率为最大值时对应的优化动作a＝argmaxQ(s,a；θ)，ΔD＝a，其中，θ为网络参数。3.根据权利要求2所述的光伏优化器最大功率跟踪方法，其特征在于，所述深度强化学习算法包括：S4
‑
3：根据系统最大输出时记录的行为a更新占空比D＝D+ΔD，并重新计算功率P
′
＝U
′
pv
I
′
pv
。4.根据权利要求3所述的光伏优化器最大功率跟踪方法，其特征在于，所述深度强化学习算法包括：S4
‑
4：更新状态表示为修正状...

【专利技术属性】
技术研发人员：陈文韬，
申请(专利权)人：长园飞轮物联网技术杭州有限公司，
类型：发明
国别省市：