一種光伏系統(tǒng)多峰值最大功率跟蹤方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種光伏系統(tǒng)多峰值最大功率跟蹤方法及系統(tǒng)，通過逐次迭代的方式，逐一更新光伏陣列的輸出電壓，進而獲得輸出功率，并將所獲得的功率進行比較，確定每一粒子迭代后的粒子最大功率點對應工作電壓，再比較粒子群中的所有粒子最大功率點功率，確定粒子群中的種群最大功率點對應的種群工作電壓，從而確定了復雜情況下的多峰值最大功率點。由此可見，本發(fā)明公開的跟蹤方法是在電壓的工作區(qū)間上使用粒子進行量子行為搜索，避免了傳統(tǒng)的MPPT算法全局尋優(yōu)能力不強，容易使工作點陷入局部極值的情況發(fā)生。采用本方法和系統(tǒng)找尋的光伏系統(tǒng)中的最大功率點更準確，更符合實際。
【專利說明】
一種光伏系統(tǒng)多峰值最大功率跟蹤方法及系統(tǒng)
技術領域
[0001] 本發(fā)明涉及光伏發(fā)電工程技術領域，特別是涉及一種光伏系統(tǒng)多峰值最大功率跟 蹤方法及系統(tǒng)。
【背景技術】
[0002] 由于光伏陣列中存在部分陰影遮擋，灰塵積累，光伏電池輸出特性差異等原因，光 伏陣列的輸出特性曲線呈現(xiàn)多峰值功率特性，其最大功率跟蹤問題成為光伏發(fā)電研究領域 的一個重要方向。目前來說，學術論文和發(fā)明專利公開的多峰值最大功率跟蹤問題主要有 三種解決思路：（a)-種是通過電流補償方法使部分陰影遮擋下的光伏陣列中各模塊輸出 狀況相同，多峰值輸出特性曲線變?yōu)閱畏迩€，從而可沿用原來的單峰最大功率跟蹤 (MPPT，Maximum Power Point Tracking)方法。但這種結構需要大量的電流平衡元件，實際 應用中成本過高；（b)-種是采用峰值預測技術對全局最優(yōu)點的位置進行預測，使工作點先 定位于全局最大功率點附近，然后采用簡單的單峰值最大功率跟蹤技術如擾動觀察法、增 量電導法等；（c)還有一種是直接采用適用于多峰值MPPT的尋優(yōu)算法。主要又可分為兩種類 別一一光伏特性曲線建模法和電壓探測法:1)基于光伏特性曲線的建模法通過檢測當前各 個電池的光照強度和溫度，對輸出特性進行建模從而預測最大功率點電壓，這種方法能對 環(huán)境變化進行快速反應，但缺點是需要昂貴的光照及溫度傳感器。2)電壓探測法通過給光 伏系統(tǒng)指定的輸出電壓獲得反饋回來的輸出功率，結合最優(yōu)化算法來探測最大功率點。常 見的可應用于電壓探測的算法有粒子群優(yōu)化(Particle Swarm Optimization，PS0)算法； 斐波那契搜索法;模糊邏輯控制法等。以PSO為核心算法的多峰值最大功率跟蹤方法需要調(diào) 節(jié)的權重參數(shù)比較多，進化后期收斂速度慢，精度較差且易于陷入局部極值點等不足。因 此，研究更有效的光伏發(fā)電多峰值最大功率跟蹤方法具有重要的現(xiàn)實意義和工程應用價 值。
[0003] PS0算法是一種多極值函數(shù)全局優(yōu)化的迭代搜索算法，通過模仿社會群體的知識 進化機制，在多維空間中不斷搜索，從而找到求解區(qū)域的最優(yōu)解或者次優(yōu)解。在基于標準 PS0算法的光伏MPPT中，初始點是從0到開路電壓范圍的i個電壓點。在第n+1次迭代時，粒子 i的速度和位置由下式來更新：
[0004] vi(n+l) = ω *vi(n)+cl*rl*[pbi-Xi(n) ]+c2*r2*[gb_Xi(n)]
[0005] xi(n+l) =Xi(n)+Vi(n)
[0006] 式中，n為迭代次數(shù)，變量ω是慣性權重，Vl(n)代表了粒子保持自身原來速度（即 慣性）的能力;Ph代表第i個種群中的歷史最好位置，gb代表整個種群中的最好位置;cl和 c2為常數(shù)，可根據(jù)實際情況協(xié)調(diào)確定，rl和r2為[0，1]區(qū)間上的隨機數(shù);cl*rl用于調(diào)節(jié)粒子 靠近自身歷史最好位置（即Ρ^_ Χι(η))的速度，c2*r2用于調(diào)節(jié)粒子靠近群體歷史最好位置 (即gb-Xl(n))的速度。rl和r2為區(qū)間[0，1]上的兩個隨機數(shù)。
[0007] 現(xiàn)有的實現(xiàn)多峰值最大功率跟蹤的方法中，電流補償方法需要在各個光伏DC/DC 模塊之間使用電流平衡元件，實際應用中成本過高。峰值預測方法是一種理論上的預測，在 實際應用中具有較大的不確定性，無法保證每次預測都能精確，故仍有可能陷入局部極值 點，造成功率損失。基于光伏特性曲線的建模法需要使用光照和溫度傳感器，而這些傳感器 都價格不菲，故在實際應用中成本過高。PSO算法直接實現(xiàn)最大功率跟蹤時，容易發(fā)生早熟 情況，過早地收斂于局部最優(yōu)點，從而錯失全局最優(yōu)點，在光伏系統(tǒng)中會造成能量損失；另 外，PSO算法中的權重系數(shù)較多，系數(shù)的確定隨機性較大，增加了實現(xiàn)的難度。
【發(fā)明內(nèi)容】
[0008] 本發(fā)明的目的是提供一種光伏系統(tǒng)多峰值最大功率跟蹤方法及系統(tǒng)，該跟蹤方法 及系統(tǒng)能夠解決傳統(tǒng)MPPT算法全局搜索能力不強，易使工作點陷入局部極值的問題，本發(fā) 明的跟蹤方法全局尋優(yōu)能力更強，不會錯失全局最優(yōu)點。
[0009] 為實現(xiàn)上述目的，本發(fā)明提供了一種光伏系統(tǒng)多峰值最大功率跟蹤方法，包括：
[0010] 在[0，V。。]上隨機選取N個點，作為粒子電壓Vi(n)，ie[l，2,……N]，n表示迭代次 數(shù)；
[0011] 使光伏陣列的輸出參考電壓Vre3f等于所述粒子電壓Vdn)，待所述光伏系統(tǒng)穩(wěn)定 后，測量所述光伏陣列的輸出電流Iipv，輸出電壓Vi pv，計算粒子功率Pi(n);
[0012] 確定迭代n+1次的下一代粒子電壓Vi(n+1)，Vi(n+l) e [0，VOC];
[0013] 確定與所述下一代粒子電壓Vi(n+1)對應的下一代粒子功率Pi(n+1);
[0014] 比較所述粒子功率Pi(n)與所述下一代粒子功率Pi(n+1);確定粒子i的粒子最大功 率卩1卩6631;，？1卩663( = 11^沾(11)，？1(11+1))，并計算得到與所述粒子最大功率?_631;對應的粒子 工作電壓Vipbest;
[0015] 比較粒子群中所有粒子的所述粒子最大功率Pipbest，確定所述粒子群中最大的種 群最大功率?8^1；，？81)(^=11^1(?^^1；)，：[6[1，2,......N]，并計算得到與所述種群最大功率 Pgbest對應的種群工作電壓Vgbest;
[0016] 根據(jù)收斂條件確定光伏系統(tǒng)最大功率點對應的工作電壓，即為系統(tǒng)的參考工作電 壓VrafiVgbMt，所述收斂條件
，其中div為設定的功率誤差值。
[0017] 可選的，所述在[0，V。。]上隨機選取N個點之前包括：
[0018] 檢測所述光伏陣列的開路電壓V。。。
[0019] 可選的，所述下一代粒子
i其中，Vi(n+1) 為第n+1次迭代時的粒子電壓Jdn)為第η次迭代時的粒子電壓，u為（0，1)上的隨機數(shù)，
，為迭代過程中粒子i當前的量子運動的勢講點，其中，:τι，Γ2為(0,1) 上的隨機數(shù)，β為聚散因子，β<1.7。
[0020] 可選的，所述聚散因子β的動態(tài)調(diào)整策略為： ，β〇為聚 散因子的初始值。
[0021] 可選的，所述根據(jù)收斂條件確定光伏系統(tǒng)最大功率點電壓后，還包括：
[0023] 如果是，則表示最大功率峰值情況發(fā)生變化，需要按照所述的光伏系統(tǒng)多峰值最 大功率跟蹤方法重新進彳丁最大功率跟蹤；
[0024] 如果否，則表示最大功率峰值情況未發(fā)生變化，不需要按照所述的光伏系統(tǒng)多峰 值最大功率跟蹤方法重新進彳丁最大功率跟蹤。
[0025] 本發(fā)明還公開了一種獲取光伏系統(tǒng)多峰值最大功率點的系統(tǒng)，利用上述光伏系統(tǒng) 多峰值最大功率跟蹤方法獲取光伏系統(tǒng)多峰值最大功率點，所述系統(tǒng)包括：
[0026] 粒子電壓獲取單元，用于在[0，V。。]上隨機選取N個點，作為粒子電壓1(1〇，16[1， 2,......N]，η表示迭代次數(shù)；
[0027] 粒子功率獲取單元，使光伏陣列的輸出參考電壓Vrrf等于所述粒子電壓Vdn)，待 所述光伏系統(tǒng)穩(wěn)定后，用于測量所述光伏陣列的輸出電流I 1PV，輸出電壓V1PV，并計算獲取粒 子功率Pi(n);
[0028] 迭代次數(shù)遞增單元，用于增加迭代次數(shù)；
[0029] 下一代粒子電壓獲取單元，用于獲取迭代n+1次的下一代粒子電壓 1) e [0，V0c];
[0030] 下一代粒子功率獲取單元，用于獲取與所述下一代粒子電壓vdn+l)對應的下一 代粒子功率Pi(n+1);
[0031] 粒子最大工作電壓獲取單元，用于比較所述粒子功率Pdn)與所述下一代粒子功 率卩1(]1+1);確定粒子;[的粒子最大功率?咖31；，？_ (^ = 11^沾(11)，？1(11+1))，并計算得到與 所述粒子最大功率Pipbest對應的粒子工作電壓Vipbest;
[0032] 種群最大工作電壓獲取單元，用于比較粒子群中所有粒子的所述粒子最大功率 PiPbest，確定所述粒子群中最大的種群最大功率Pgbest，Pgb est = max(PiPbest)，ie[l，2,...... N]，并計算得到與所述種群最大功率Pgb(3St對應的種群工作電壓Vgb(3St;
[0033] 光伏系統(tǒng)最大功率點電壓獲取單元，用于根據(jù)收斂條件確定光伏系統(tǒng)最大功率點對應 工作電壓，即為系統(tǒng)的參考工作電壓Vraf=Vgb(3St，所述收斂條餌
其中div為設定的功率誤差值。
[0034] 根據(jù)本發(fā)明提供的具體實施例，本發(fā)明公開了以下技術效果:為了跟蹤復雜情況 下的多峰值最大功率，本發(fā)明提出了一種基于全局搜索能力強的量子行為粒子群優(yōu)化 (quantum-behaved particle swarm optimization，QPSO)算法的全局MPPT算法，本發(fā)明通 過逐次迭代的方式，逐一更新光伏陣列的輸出電壓，進而獲得輸出功率，并將所獲得的功率 進行比較，確定每一粒子迭代后的粒子最大功率點對應工作電壓，再比較粒子群中的所有 粒子最大功率點功率，確定粒子群中的種群最大功率點對應的種群工作電壓，從而確定了 復雜情況下的多峰值最大功率點。由此可見，本發(fā)明公開的跟蹤方法是在電壓的工作區(qū)間 上使用粒子進行量子行為搜索，避免了傳統(tǒng)的MPPT算法全局尋優(yōu)能力不強，容易使工作點 陷入局部極值的情況發(fā)生。采用本方法和系統(tǒng)找尋的光伏系統(tǒng)中的最大功率點更準確，更 符合實際。
【附圖說明】
[0035]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例中所 需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施 例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲 得其他的附圖。
[0036]圖1為光伏陣列圖；
[0037]圖2為光伏陣列的功率-電壓輸出曲線圖；
[0038]圖3為本發(fā)明提供的光伏系統(tǒng)多峰值最大功率跟蹤方法的流程圖；
[0039] 圖4為本發(fā)明提供的光伏系統(tǒng)多峰值最大功率跟蹤方法的【具體實施方式】的流程 圖；
[0040] 圖5為光伏發(fā)電系統(tǒng)圖；
[0041] 圖6為光伏發(fā)電系統(tǒng)主電路圖。
【具體實施方式】
[0042] 下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0043] 在本領域中，單個光伏模塊的輸出電壓和電流是有限的，為了得到需要的電壓和 電流大小，多個光伏模塊常常以串并聯(lián)的形式連接成光伏陣列。如圖1所示，在部分陰影遮 擋的情況下，為防止模塊出現(xiàn)熱斑問題，常在單個光伏模塊兩側(cè)并聯(lián)一個旁路二極管，同 時，每個串聯(lián)支路還會串接一個阻塞二極管以防止模塊受各串聯(lián)陣列電位差的影響。在模 塊受陰影遮擋嚴重時，旁路二極管將導通以防止該模塊成為串聯(lián)支路的負載。圖1中，101為 被陰影遮擋部分，102為未被陰影遮擋部分，103為導通的旁路二極管，104為未導通的旁路 二極管，105為阻塞二極管。當光伏陣列的所有元件受光照一致時，光伏陣列的P-V特性曲線 只有一個極值點。然而，如圖2所示，在部分陰影遮擋以及溫度分布不均的條件下，由于旁路 二極管和阻塞二極管的存在，光伏陣列的功率-電壓輸出曲線將呈現(xiàn)多峰值特性。
[0044]為了跟蹤上述復雜情況下的多峰值最大功率，如圖3所示，本發(fā)明提供了一種光伏 系統(tǒng)多峰值最大功率跟蹤方法，包括：
[0045] 步驟301:在[0，V。。]上隨機選取N個點，作為粒子電壓Vi(n)，i e [ 1，2，……N]，n表 示迭代次數(shù)；
[0046] 步驟302:使光伏陣列的輸出參考電壓Vrrf等于所述粒子電壓Kn)，待所述光伏系 統(tǒng)穩(wěn)定后，測量所述光伏陣列的輸出電流Iipv，輸出電壓Vi pv，計算粒子功率Pi(n);
[0047] 步驟303:確定迭代n+1次的下一代粒子電壓Vi(n+1)，Vi(n+1) e [0，Voc];
[0048] 步驟304:確定與所述下一代粒子電壓Vi(n+1)對應的下一代粒子功率Pi(n+1);
[0049] 步驟305:比較所述粒子功率Pi(n)與所述下一代粒子功率Pi(n+1);確定粒子i的粒 子最大功率?10^1;，？_ (^ = 11^沾(11)，？1(11+1))，并計算得到與所述粒子最大功率?^^1;對 應的粒子工作電壓Vipbest;
[0050] 步驟306:比較粒子群中所有粒子的所述粒子最大功率Pipbest，確定所述粒子群中 最大的種群最大功率Pgbest，Pgbest=max(PiPb est)，i e [ 1，2，......N]，并計算得到與所述種群 最大功率Pgbest對應的種群工作電壓Vgbest;
[0051] 步驟307:根據(jù)收斂條件確定光伏系統(tǒng)最大功率點對應工作電壓，即為系統(tǒng)的參考 工作電壓Vraf = VgbMt，所述收斂條件為其中di V為設定的功率誤 差值。
[0052] 本發(fā)明通過逐次迭代的方式，逐一更新光伏陣列的輸出電壓，進而獲得輸出功率， 并將所獲得的功率進行比較，確定每一粒子迭代后的粒子最大功率點對應工作電壓，再比 較粒子群中的所有粒子最大功率點功率，確定粒子群中的種群最大功率點對應的種群工作 電壓，從而確定了復雜情況下的多峰值最大功率點。由此可見，本發(fā)明公開的跟蹤方法是在 電壓的工作區(qū)間上使用粒子進行量子行為搜索，避免了傳統(tǒng)的MPPT算法全局尋優(yōu)能力不 強，容易使工作點陷入局部極值的情況發(fā)生。采用本方法和系統(tǒng)找尋的光伏系統(tǒng)中的最大 功率點更準確，更符合實際。
[0053] 作為一種可選的實施方式，在[0，V。。]上隨機選取N個點之前包括：
[0054]檢測光伏陣列的開路電壓V。。。
[0055]作為一種可選的實施方式，下一代粒子電壓：
[0057]其中，Vdn+l)為第n+1次迭代時的粒子電壓,Κη)為第η次迭代時的粒子電壓，u為 (〇，1)上的隨機數(shù)，每次計算都選取新的隨機數(shù)：
，Pl為迭代過程中粒 子i當前的量子運動的勢阱點，^^為(〇，1)上的隨機數(shù)，0為聚散因子，0<1.7。
[0058] 因為，聚散因子β的大小關系到粒子電壓的搜索范圍大小，是一個值小于1.7的動 態(tài)調(diào)整參數(shù)。β越大，全局性能越好，β越小，收斂速度越快。在迭代初期，希望粒子有較大的 搜索空間，不因曲線的復雜特性而錯失全局最大功率點;在迭代后期，希望粒子在全局最大 功率點附近精細搜索，精確地尋找到最大的功率點；因此，本實施方式中還公開了一種聚散 因子調(diào)整策略，所述聚散因子β的動態(tài)調(diào)整策略為：
，β〇為聚散 因子的初始值。通過該調(diào)整策略來適當控制全局搜索的范圍，以便將快捷，準確的找尋到最 大功率點。
[0059] 穩(wěn)態(tài)時，由于光伏陣列的輸出電壓受參考量為Vrrf的電壓閉環(huán)控制，若負載不發(fā)生 變化，功率不會出現(xiàn)較大改變。當陰影遮擋情況和溫度發(fā)生較大改變，輸出P-V特性曲線將 因此變化，工作點的功率也將發(fā)生較大變化。此時全局最大功率點可能發(fā)生改變，控制系統(tǒng) 需要再次初始化，重新進行最大功率跟蹤。為了能夠在任何情況下都能得到準確的最大功 率點，需要實時測量V ipv，Iipv，計算Pipv，并在根據(jù)收斂條件確定光伏系統(tǒng)最大功率點電壓 后：
是否大于預設閾值，得到判斷結果；
[0060] 如果是，則表示最大功率點工作情況發(fā)生變化；需要按照所述的光伏系統(tǒng)多峰值 最大功率跟蹤方法重新進彳丁最大功率跟蹤；
[0061] 如果否，則表示最大功率點工作情況未發(fā)生變化，不需要按照所述的光伏系統(tǒng)多 峰值最大功率跟蹤方法重新進彳丁最大功率跟蹤。
[0062] 本發(fā)明提供的光伏系統(tǒng)多峰值最大功率跟蹤方法的粒子種群搜索進化的過程是 個體的最優(yōu)點Vipb(3St向群體的最優(yōu)點V gbe3St學習的過程，隨著迭代的進行，所有粒子的歷史最 優(yōu)點Vipbest將與群體歷史最優(yōu)點V gbest相同。若所有粒子搜索到的最大功率值Pipbest已經(jīng)十分 接近，說明粒子曾搜索到的局部最優(yōu)點已經(jīng)被舍去，被全局最優(yōu)點取代。此時，認為已經(jīng)找 到了光伏系統(tǒng)的全局最大功率點。
[0063]如圖4所示，本發(fā)明的一個具體的實施方式為：
[0064] 采用Buck-Boost電路，通過數(shù)字信號處理器輸出驅(qū)動信號控制Buck-Boost電路的 開關Τι和T2,即可改變Buck-Boost電路的輸入電壓Vpv，從而改變光伏陣列的輸出功率Ppv，使 其穩(wěn)定在最大功率點。
[0065]光伏發(fā)電QPS0-MPPT控制系統(tǒng)就是通過不斷采樣光伏陣列輸出的電流IPV和電壓 Vpv，計算出該工作點電壓VPV對應的輸出功率Ppv = Vpv*Ipv，進而通過QPS0-MPPT算法不斷迭 代尋優(yōu)，就能尋找到使得輸出功率最大的工作點電壓。
[0066]本發(fā)明的QPS0-MPPT算法的具體尋優(yōu)過程包括：
[0067]步驟401:初始化Vi (η)，獲得對應的Pi (η)。
[0068] 檢測開路電壓V。。，在[0，ν。。]上隨機選取Ν個點，作為Ν個粒子的初始電壓Vi(n)，ie [1,2,……N]，η為迭代次數(shù)，屬于正整數(shù);依次使光伏陣列的輸出電壓參考值Vrrf等于粒子 電壓Vi(n)，待系統(tǒng)工作電壓穩(wěn)定后，測量I ipv，Vipv，計算N個粒子對應的功率值Pi(n);
[0069] 步驟402:確定初始ViPbest和Vgbest，i e [ 1，2，……N]。
[0070] 對每一個粒子，有一個使得對應功率Pi(n)最大的歷史最好點Pipbe3St，其對應的電 壓記作v ipbest，種群所有粒子中功率最大的歷史最好點Pgbest對應的電壓記作￥#^。
[0071] 步驟403:根據(jù)下式計算更新下一代粒子的電壓值1(11+1)，1(11+1)已[0，￥。。];
[0073] 其中：Vi(n+1)為第n+1次迭代時粒子i的電壓，Vi(n)對應第η次迭代時粒子i的電 壓，u為(0，1)上的隨機數(shù)。
[0075] Pl為迭代過程中粒子i當前的量子運動的勢阱點，rl、r2為(0，1)上的隨機數(shù)。
[0076] β為聚散因子，β的大小關系到粒子Vi的搜索范圍大小，是一個值小于1.7的動態(tài)調(diào) 整參數(shù)。β越大，全局性能越好，β越小，收斂速度越快。在迭代初期，希望粒子有較大的搜索 空間，不因曲線的復雜特性而錯失全局最大功率點;在迭代后期，希望粒子在全局最大功率 點附近精細搜索，精確地尋找到最大的功率點。因此，提出了一種聚散因子調(diào)整策略，如下 式：
[0078] 步驟404:更新Vipbest和Vgbest，i e [ 1，2，……N]。
[0079] 每次更新粒子電壓Vi獲得相應功率Pi后，更新粒子群體的Vipb(3S4PVgbe3St:將其與以 往的V ipbe3St和Vgb(3St對應的功率進行比較，若大于之，則此次電壓更新為新的Vipbe3SdPV gbe3St， 否則，則保留原來的Vipbest和Vgbest。
[0080] 步驟405:考慮到實際系統(tǒng)中的測量誤差，本發(fā)明設置了一種迭代終止策略，即 QPS0-MPPT搜索運行的收斂條件：
[0082] div為設定的功率誤差值，取0.01。判斷是否滿足收斂條件，如果滿足收斂條件，則 認為已經(jīng)找到最大功率點，令Vref = Vgbest，停止迭代。若不滿足，則重復以上步驟，繼續(xù)尋優(yōu)。
[0083] 步驟406:穩(wěn)態(tài)時，由于光伏陣列的輸出電壓受參考量為Vrrf的電壓閉環(huán)控制，若負 載不發(fā)生變化，功率不會出現(xiàn)較大改變。當陰影遮擋情況和溫度發(fā)生較大改變，輸出ρ-v特 性曲線將因此變化，工作點的功率也將發(fā)生較大變化。此時全局最大功率點可能發(fā)生改變， 控制系統(tǒng)需要再次初始化，重新進行MPPT。實時測量V 1PV，I1PV，計算Ριρν，根據(jù)下式判斷環(huán)境 是否改變，若改變，重啟算法，重復以上流程。
[0085] 綜上所述，粒子種群搜索進化的過程是個體i的最優(yōu)點Vipbest向群體的最優(yōu)點Vgbest 學習的過程。隨著迭代的進行，所有粒子的歷史最優(yōu)點Vpbe3St將與群體歷史最優(yōu)點相同。若所 有粒子搜索到的最大功率值P ipbest已經(jīng)十分接近，說明粒子曾搜索到的局部最優(yōu)點已經(jīng)被 舍去，被全局最優(yōu)點取代。此時，認為已經(jīng)找到了光伏系統(tǒng)的全局最大功率點。
[0086] 本發(fā)明還公開了一種獲取光伏系統(tǒng)多峰值最大功率點的系統(tǒng)，利用上述光伏系統(tǒng) 多峰值最大功率跟蹤方法獲取光伏系統(tǒng)多峰值最大功率點，所述系統(tǒng)包括：
[0087] 粒子電壓獲取單元，用于在[0，V。。]上隨機選取N個點，作為粒子電壓1(1〇，16[1， 2,......N]，η表示迭代次數(shù)；
[0088] 粒子功率獲取單元，使光伏陣列的輸出電壓參考電壓Vre3f等于所述粒子電壓Vi (η)，待所述光伏系統(tǒng)穩(wěn)定后，用于測量所述光伏陣列的輸出電流I1PV，輸出電壓V1PV，并計算 獲取粒子功率Pi (η);
[0089] 迭代次數(shù)遞增單元，用于增加迭代次數(shù)；
[0090] 下一代粒子電壓獲取單元，用于獲取迭代η+1次的下一代粒子電壓 1) e [0，V0c];
[0091] 下一代粒子功率獲取單元，用于獲取與所述下一代粒子電壓Vdn+l)對應的下一 代粒子功率Pi(n+1);
[0092] 粒子工作電壓獲取單元，用于比較所述粒子功率Pjn)與所述下一代粒子功率?"!！ + 1);確定粒子i的粒子最大功率Pipbest，Pipbest=max(Pi(n)，Pi(n+1))，并計算得到與所述粒 子最大功率Pipbest對應的粒子工作電壓Vipbest;
[0093] 種群工作電壓獲取單元，用于比較粒子群中所有粒子的所述粒子最大功率Pipbest， 確定所述粒子群中最大的種群最大功率Pgbest，Pgbest = max(PiPbest)，ie [1，2,......N]，并計 算得到與所述種群最大功率Pgbest對應的種群工作電壓Vgb(3St;
[0094] 光伏系統(tǒng)最大功率點電壓獲取單元，用于根據(jù)收斂條件確定光伏系統(tǒng)最大功率點對應 工作電壓，即為系統(tǒng)的參考工作電壓Vrcf=V gb(3St，所述收斂條件為
其中div為設定的功率誤差值。
[0095] 該系統(tǒng)通過迭代次數(shù)遞增單元逐次迭代的方式，逐一更新光伏陣列的輸出電壓， 進而獲得輸出功率，并將所獲得的功率進行比較確定每一粒子的粒子電壓，再比較粒子群 中的所有粒子最大功率點對應粒子工作電壓，確定粒子群中的種群最大功率點對應種群工 作電壓，從而確定了復雜情況下的多峰值最大功率點。由此可見，本發(fā)明公開的跟蹤方法是 在電壓的工作區(qū)間上使用粒子進行量子行為搜索，避免了傳統(tǒng)的MPPT算法全局尋優(yōu)能力不 強，容易使工作點陷入局部極值的情況發(fā)生。采用本系統(tǒng)找尋的光伏系統(tǒng)中的最大功率點 更準確，更符合實際。
[0096] 本發(fā)明可用如圖5所示的光伏發(fā)電系統(tǒng)來實現(xiàn)，該光伏發(fā)電系統(tǒng)包括光伏陣列與 直流變換器相連的主電路，數(shù)字信號處理器DSP(Digital Signal Processor，DSP)為核心 的控制電路和負載組成。具體實施過程為:DSP獲得采樣時刻光伏陣列的輸出電壓Vpv和電流 工1^后，經(jīng)過光伏系統(tǒng)多峰值最大功率跟蹤方法尋找確定使光伏陣列輸出功率最大的參考電 壓V ref，經(jīng)比例積分控制器控制，脈寬調(diào)制調(diào)節(jié)直流變換器的占空比，從而使直流變換器的 輸入電壓穩(wěn)定在最大功率點對應的參考電壓值，即光伏陣列的輸出功率穩(wěn)定在最大功率 點。其中，光伏發(fā)電系統(tǒng)主電路圖如圖6所示，本發(fā)明實現(xiàn)采用的直流變換器為Buck-Boost (降壓-升壓)變換器。該變換器也可以是單獨的Buck(降壓)變換器、Boost(升壓)變換器或 其他DC/DC拓撲。其中，本發(fā)明的光伏系統(tǒng)多峰值最大功率跟蹤方法由DSP芯片來實現(xiàn)。
[0097] 本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他 實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的系統(tǒng) 而言，由于其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說 明即可。
[0098] 本文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說 明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領域的一般技術人員，依據(jù) 本發(fā)明的思想，在【具體實施方式】及應用范圍上均會有改變之處。綜上所述，本說明書內(nèi)容不 應理解為對本發(fā)明的限制。
【主權項】
1. 一種光伏系統(tǒng)多峰值最大功率跟蹤方法，其特征在于，包括： 在[0，V。。]上隨機選取N個點，作為粒子電壓Vi(n)，i e [ 1，2，……N]，η表示迭代次數(shù)； 使光伏陣列的輸出參考電壓Vraf等于所述粒子電壓VKn)，待所述光伏系統(tǒng)穩(wěn)定后，測量 所述光伏陣列的輸出電流Iipv，輸出電壓Vi pv，計算粒子功率Pi(n); 確定迭代n+1次的下一代粒子電壓Vi(n+1)，Vi(n+l) e [〇，VOC]; 確定與所述下一代粒子電壓Vi(n+1)對應的下一代粒子功率Pi(n+1); 比較所述粒子功率Pi (η)與所述下一代粒子功率Pi (n+1);確定粒子i的粒子最大功率 Pipbest，Pipbest=max(Pi(n)，Pi(n+l))，并計算得到與所述粒子最大功率Pipbest對應的粒子工 作電壓Vipbest; 比較粒子群中所有粒子的所述粒子最大功率piPbest，確定所述粒子群中最大的種群最 大功率Pgbest，Pgbest=max(Pipbest)，ie [1，2,......N]，并計算得到與所述種群最大功率Pgbest 對應的種群工作電壓Vgb(3St; 根據(jù)收斂條件確定光伏系統(tǒng)最大功率點對應工作電壓，即為系統(tǒng)的參考工作電壓Vrrf iVgbest，所述收斂條件戈其中div為設定的功率誤差值。2. 根據(jù)權利要求1所述的光伏系統(tǒng)多峰值最大功率跟蹤方法，其特征在于，所述在[0， V。。]上隨機選取N個點之前包括： 檢測所述光伏陣列的開路電壓V。。。3. 根據(jù)權利要求1所述的光伏系統(tǒng)多峰值最大功率跟蹤方法，其特征在于，所述下一代 粒子電β其中，Vdn+l)為第n+1次迭代時的粒子電壓， Vdn)為第η次迭代時的粒子電壓，u為(0，1)上的隨機數(shù)，為迭代過 程中粒子i當前的量子運動的勢阱點，其中，^，^為(0,1)上的隨機數(shù)，β為聚散因子，β< 1.7。4. 根據(jù)權利要求1所述的光伏系統(tǒng)多峰值最大功率跟蹤方法，其特征在于，所述聚散因 子邱勺動態(tài)調(diào)整策略為：，β〇為聚散因子的初始值。5. 根據(jù)權利要求1所述的光伏系統(tǒng)多峰值最大功率跟蹤方法，其特征在于，所述根據(jù)收 斂條件確定光伏系統(tǒng)最大功率點電壓后，還包括： 判斷是否大于預設閾值； ? gbest 如果是，則表示最大功率峰值情況發(fā)生變化，需要按照所述的光伏系統(tǒng)多峰值最大功 率跟蹤方法重新進彳T最大功率跟蹤； 如果否，則表示最大功率峰值情況未發(fā)生變化，不需要按照所述的光伏系統(tǒng)多峰值最 大功率跟蹤方法重新進彳T最大功率跟蹤。6. -種獲取光伏系統(tǒng)多峰值最大功率點的系統(tǒng)，其特征在于，所述系統(tǒng)包括： 粒子電壓獲取單元，用于在[0，v。。]上隨機選取N個點，作為粒子電壓Vi(n)，ie[l， 2,......N]，η表示迭代次數(shù)； 粒子功率獲取單元，使光伏陣列的輸出參考電壓Vrrf等于所述粒子電壓VKn)，待所述光 伏系統(tǒng)穩(wěn)定后，用于測量所述光伏陣列的輸出電流I1PV，輸出電壓Vipv，并計算獲取粒子功率 Pi(n)； 迭代次數(shù)遞增單元，用于增加迭代次數(shù)； 下一代粒子電壓獲取單元，用于獲取迭代n+1次的下一代粒子電壓Vdn+lhVdn+De [0,V〇c]； 下一代粒子功率獲取單元，用于獲取與所述下一代粒子電壓Kn+l)對應的下一代粒子 功率Pi(n+1); 粒子最大工作電壓獲取單元，用于比較所述粒子功率PKn)與所述下一代粒子功率?"!！ + 1);確定粒子1的粒子最大功率?1卩-1:，？_(^ = 11^1(?1(11)，？1(11+1))，并計算得到與所述粒 子最大功率Pipbest對應的粒子工作電壓Vipbest; 種群最大工作電壓獲取單元，用于比較粒子群中所有粒子的所述粒子最大功率Pipb(3St， 確定所述粒子群中最大的種群最大功率Pgbest，Pgbest = max(Pipbest)，ie [1，2,......N]，并計 算得到與所述種群最大功率Pgbest對應的種群工作電壓Vgb(3St; 光伏系統(tǒng)最大功率點電壓獲取單元，用于根據(jù)收斂條件確定光伏系統(tǒng)最大功率點對應工作 電壓，即為系統(tǒng)的參考工作電壓Vrcf=Vgb(3St，所述收斂條件為其中 div為設定的功率誤差值。
【文檔編號】G05F1/67GK105867514SQ201610236974
【公開日】2016年8月17日
【申請日】2016年4月15日
【發(fā)明人】李玉玲, 王蒙, 王一蒙, 陳予吒
【申請人】浙江大學