局部陰影下最大功率點追蹤技術應用

雷國平 羅秀英 張偉

摘? ?要：為了降低電能損耗、提高利用率，將光伏系統中局部陰影下最大功率點追蹤（MPPT）技術的跟蹤精度和速度提高就顯得很必要。文章首先綜述了光伏系統處于局部陰影情況下的算法及其優缺點。其次，綜述了太陽能電池的數學模型。再次，對以粒子群算法為例的群體智能優化算法進行了分析。最后，指出了局部陰影下全局最大功率點追蹤（GMPPT）的發展方向。

關鍵詞：局部陰影;全局最大功率點;數學模型;粒子群算法

在我國眾多高新技術中，發展速度最快的便是光伏發電產業。預計到2030年，世界能源的10%都來源于太陽能，到21世紀末，占比將高達60%。太陽能電池是將太陽能轉化為電能的重要媒介，關于如何提高電池功率的轉換效率一直是研究的熱點。

國內外學者從如下幾個方面進行了研究：首先，研制轉換效率高且不貴的太陽能電池材料，目前已經開發的實用級別晶體硅太陽電池單體轉換效率高達24.7%，由于其理論值為29%，在實際應用中最高只能達到26%。其次，太陽能電池板能自動調節其物理位置，讓太陽光盡可能以最大面積照射到太陽能電池的表面。最后，通過調節電池的外接負載大小，進行最大功率點追蹤，讓電池的輸出功率保持在最大值[1]。

顯然，隨著電力電子技術的發展，對最大功率點追蹤（Maximum Power Point Tracking，MPPT）算法的研究成為提高太陽能利用率的一大趨勢，局部陰影下太陽電池的特性曲線呈多峰狀，傳統算法無法對全局最大功率點（Global Maximum Power Point，GMPP）進行精準跟蹤，因此，對局部陰影下的MPPT算法進行研究具有重要意義。

1? ? 研究現狀

局部陰影的存在嚴重影響電能質量，傳統算法存在無法跟蹤GMPP。為了避免多峰的出現，可以通過構建動態鏈接的光伏陣列結構、并聯有源功率補償器[2]等方法來實現，但是由于硬件設備的增加，成本也隨之增加。趙俊霞等[3]提出了新型多峰全局最大功率點跟蹤重構算法，通過將已有的不同遮陰程度的光伏組件重新分類配置，有效避免多峰的出現，實驗表明，增加的輸出功率高達11.27%。

GMPPT算法在提高跟蹤精度和速度等方面也得到了改進。全局掃描法精度高，但是掃描范圍比較廣、耗時長，于是，戴華夏[4]提出基于POC法的GMPPT算法，分別在開路電壓和短路電流處開始向最大功率點掃描，該算法與全局掃描法相比較縮小了掃描范圍，節約了時間，因此，跟蹤速度和精度得到了提高。目前，復合MPPT算法是研究的重要趨勢，模糊控制電導增量法、恒電壓跟蹤法與增量電導法相結合、遺傳算法與模式搜索法組合、全局掃描和擾動觀察法相結合、遺傳算法與擾動觀察法結合等復合GMPPT算法，不僅保持了單一算法的優點，還克服了傳統算法易陷入局部最優的缺點，在一定程度上提高了局部陰影下算法的跟蹤精度和尋優速度，但是算法的復雜程度也加深了。群智能算法應用廣泛，20世紀90年代提出蟻群算法和粒子群算法，21世紀初提出螢火蟲算法、天牛須搜索算法以及細菌覓食算法。細菌覓食算法全局搜索能力很強，但易早熟，精度不高，為了解決這一問題降低功率損耗，胡林靜等[5]提出了自適應細菌覓食優化算法，并驗證了該算法可以應用于任何環境下。

2? ? 數學模型逐步優化

理想的電池模型僅由線性獨立電源和一個二極管組成，不能很好地表現電池的特性，實用性差。實際應用中不可忽略接觸電阻和制作原因導致電池本身消耗的電能，在理想模型中串聯電阻代表接觸電阻的損耗、并聯電阻代替電池本身的電能損耗[6]，使得電池模型能很好地體現電池的特性，又被稱為單二極管數學模型，精度較理想模型高。但是單二極管模型存在光照強度不夠、溫度較高時，開路電壓的輸出精度較差的缺點，為了克服這一缺點，雙二極管模型被提出。其中，新增的二極管表征載流子在耗散區產生的復合功率損失[7]，雙二極管電池數學模型將光伏電池的特性表現得更加全面了，在照度低以及溫度高的環境下也能保持開路電壓的輸出精度。但是隨著二極管數量的增加，系統參數也隨之增加，使得計算比單二極管模型復雜。

3? ? 群體智能優化算法

MPPT技術的研究源于提高太陽能的轉換，在傳統算法中，間接控制算法中的恒定電壓法、插值算法等，直接控制算法中的擾動觀察法、電導增量法等均適用于無陰影的情況。基于現代控制技術的人工智能算法在多峰下可以有效追蹤最大功率點，根據不同生物的行為提出的智能群算法不斷涌現，是技術上的一大進步。

3.1? 粒子群算法

粒子群算法應用廣泛，其思想是鳥群尋找隨機出現的食物，剛開始鳥群分布得比較寬，每只小鳥的距離較遠。隨著鳥群對食物的不斷靠近，鳥群集中的位置就是食物出現的位置，即小鳥代表粒子群算法中的粒子、食物代表最大功率點。粒子群算法的特別之處在于這是一場整體的運動，即多個粒子共同使用進化算子，進化算子對單個粒子不適用。粒子的更新依靠兩個“最優解”，一是個體粒子最優解，記為Pbest;二是整體最優解，查重記為Gbest。

粒子算法結構簡單，容易實現，該算法下光伏陣列輸出功率比傳統電導增量法更加穩定。但是該算法在多峰值情況下進行最大點搜索時容易出現早熟收斂，慣性權重w取值不合適時會導致誤判，容易陷入局部最優，因此，該算法跟蹤精度較差、跟蹤時間較長。由于在局部陰影下，光伏系統P-U特性曲線呈多峰狀，容易陷入局部最優，所以該算法適用于P-U特性為單峰的均勻光照系統中，實用性不強。

3.2? 自適應精英變異混沌粒子群算法

一種自適應精英變異混沌粒子群算法[8]結合了自適應精英變異算法和混沌優化算法，其工作原理是在粒子群算法初始化時加入混沌序列，使得粒子具有全局多樣性，迭代時使用混沌迭代，并對每一次迭代的最優值進行自適應精英變異操作，使其跳出局部極值，從而找到全局最大功率點。

該算法的全局遍歷性能好，不易陷入局部最優解，因此，局部陰影下亦能夠精準地追蹤到最大功率點。與粒子群算法相比，收斂振蕩減小了，跟蹤精度和速度也都提高了，能夠很好地適應動態環境。

3.3? 天牛群優化算法

天牛群優化算法在2017年提出的天牛須搜索算法基礎上引進了粒子群算法中的群體優化思想，每次迭代后將天牛本身的位置作為占空比更新天牛自身的位置。更新天牛位置的方式有兩種，一是利用群體學習的方式使得每一只天牛都向全局最優的天?？拷阉魉俣瓤?二是借鑒天牛覓食原理，通過判斷左須與右須接收濃度將自身位置往濃度更濃的方向移動[9]。

該算法克服了粒子群算法和天牛須搜索算法的缺點，在不同模式的光照下均能跳出局部最優，有效追蹤到GMPP。由于引進了粒子群算法的群體優化思想，天牛改變自身位置的效率更高，即該算法追蹤GMPP的速度更快、精度更高，減少了功率損失，不僅保證了個體改進的優點，還集合了群體互學的優點，適用于均勻光照、局部陰影和復雜陰影的環境。

4? ? 結語

太陽能是一種清潔能源，可以轉化為熱能、化學能以及電能，據統計我國太陽能總能源的利用量僅次于美國。由房屋、樹木、云層、灰塵等形成的局部陰影會嚴重影響電能質，2%～3%的陰影遮擋下電池發電量會下降20%。對數學模型逐步優化、不同方法的有機結合、群體智能優化算法等依舊是研究的重要方向，其目標就是提高GMPP的追蹤速度和精度。群體智能算法全局搜索能力較強，適用于局部陰影，但其算法復雜，因此，在對其不斷提高精度與速度的同時，簡化算法是GMPPT技術的又一研究方向。

[參考文獻]

[1]蔡威，吳海燕，謝吳成.光伏太陽能電池進展[J].廣東化工，2019（1）：84-85.

[2]顏景斌，佟堯，曹雷，等.局部陰影條件下光伏電池建模與輸出特性仿真[J].電源技術，2018（5）：682-688，692.

[3]趙俊霞，吳啟琴，張樂，等.局部陰影下光伏陣列最大功率追蹤（MPPT）算法[J].電源技術，2019（9）：1528-1530.

[4]戴華夏.光伏并網系統MPPT方法及能量損失研究[D].徐州：中國礦業大學，2015.

[5]胡林靜，劉凱，劉彤.局部陰影下光伏陣列MPPT控制策略研究[J].計算機仿真，2019（8）：87-91，102.

[6]賈文婷，魏學業，張俊紅，等.光伏陣列雙二極管簡化模型的建立與仿真[J].北京交通大學學報，2017（2）：89-93.

[7]許鵬，侯金明，苑登闊.基于雙二極管模型的光伏陣列模型優化設計[J].計算機仿真，2013（11）：71-75.

[8]葛雙冶，楊凌帆，劉倩，等.基于改進CPSO的動態陰影環境下光伏MPPT仿真研究[J].電力系統保護與控制，2019（6）：157-163.

[9]王凡.基于天牛須搜索算法的人群疏散方法及仿真研究[D].濟南：山東師范大學，2019.

Application on maximum power point tracking technology under partial shadows

Lei Guoping， Luo Xiuying， Zhang Wei

（School of Electronic and Information Engineering， Chongqing Three Gorges University， Chongqing 404100， China）

Abstract：It is necessary to improve the tracking accuracy and speed of the MPPT technology in the algorithm to avoid reducing the power loss in the output of the photovoltaic system under partial shading conditions. Based on the partial shadow situation， this paper first summarizes the related algorithms， secondly summarizes the mathematical model of solar cells， and then uses particle swarm optimization as an example to analyzes the swarm intelligence optimization algorithm. Finally， the research directions of GMPPT under partial shadows are summarized.

Key words：local shadowing; global maximum power point; mathematical model; particle swarm optimization