粒子群優化光伏系統最大功率跟蹤設計

摘 要:局部陰影條件下光伏陣列的P-V特性會出現多個極值點，使常規的最大功率跟蹤算法失效。本文提出基于粒子群優化算法的最大功率控制方法，來解決局部遮陰下的最大功率跟蹤問題。

關鍵詞:粒子群算法最大功率點跟蹤局部

中圖分類號:TP301.6文獻標識碼:A文章編號:1674-098X(2011)09(a)-0141-01

1 研究背景

局部遮陰情況在戶用光伏化發電系統中普遍存在，它會造成太陽能光伏發電系統輸出功率下降，嚴重時會引起“熱斑”效應造成安全問題。同時，在局部遮陰情況下，光伏陣列的輸出特性會呈現多個峰值點，使常規的最大功率跟蹤算法失效。本文利用粒子群優化算法多變量尋優的特性，對光伏陣列的最大功率點進行尋優，解決局部遮陰下的最大功率跟蹤控制問題。

2 粒子群優化最大功率跟蹤算法

2.1 光伏陣列的P-V特性

不同光照強度下，光伏電池有不同的I-V特性，當發生局部遮陰現象，使得光伏組件有不同的最大功率點。串聯起來的光伏組件，流過的電流相等，但是在不同的光照強度下，整體的P-V特性呈現多個極值點，如圖1所示，傳統的單峰值最大功率跟蹤算法失效。如圖1所示

2.2 粒子群優化算法流程

粒子群(PSO)優化算法中，每個優化問題的潛在解都是搜索空間中的一個“粒子”，所有的粒子都有一個被目標函數決定的適應值。本文定義目標函數為光伏陣列的輸出功率，變量為最大功率點輸出電壓。

(1)算法初始化

設種群數量為30，迭代次數為60，分別對粒子的位置、最大速度、加權系數和學習因子初始化。即:pop_size=30;max_gen=60;part_size=2;v_max=2;w_max=0.9;w_min=0.4;c1=2;c2=2;

(2)種群評價

目標函數為陣列的輸出功率，以兩個陣列的系統為例，適應值函數的表達式為: （1)

(2)

(3)確定個體和全局適應值

比較單個粒子當前適應值和歷史最好適應值，如果當前適應值大，則更新單個粒子的。每一個粒子的最好適值都確定后再相互比較以確定全局的最好適應值。

(4)根據公式(1)、(2)更新所有粒子的速度和位置。

(5)檢查結束條件，若滿足，結束尋優，輸出最優解;否則，t=t+1，直到最大進化代數，結束尋優。

2.3 算法仿真分析

本文對粒子群MPPT算法進行了Matlab仿真，如圖2所示。兩個陣列的光照、溫度參數設置為:G1=1kW/m2，T1=29℃;G2=0.8kW/m2，T2=24℃。仿真結果表明，粒子群優化算法的最大功率點P=104.5326W，與理論值104W的誤差很小。同時，算法尋優時間為0.065s，證明了該算法具有很高的準確性和較快的尋優收斂速度。（如圖2）

綜上所述，粒子群尋優算法在光照不均情況下跟蹤控制光伏陣列的最大功率點，收斂速度快，尋優效果好，相對于傳統的最大功率尋優算法優勢較為明顯。

參考文獻

[1]Sera，D.;Teodorescu，R.;Hantschel，J.;Knoll，M.;Optimized Maximum Power Point Tracker for Fast-Changing Environmental Conditions[J]．IEEE Transactions on Industrial Electronics，2008，55(7):2629～2637．

[2]焦巍，劉光斌．基于多樣性反饋的粒子群優化算法[J]．計算機工程，2009，35(22):202～204．

[3]蔣程濤，邵世煌．基于適配粒子群的多目標優化方法[J]．計算機工程，2007，33(21):175～178．

[4]蔡昭權，黃翰．自適應變異綜合學習粒子群優化算法[J]．計算機工程，2009，35(7):170～171，202．