光伏陣列遮蔭條件下MPPT優化研究

安徽理工大學 李 偉

光伏發電系統中，由于自然條件及人為條件的影響，電池板通常會不可避免的被遮住一部分甚至整體被遮住，這時電池板的輸出會有多個峰值。此時傳統的最大功率點搜索方法會出現只搜索到局部的峰值，有可能搜索到的峰值并不是全局的最大值，甚至會出現上下振蕩的現象造成系統沒有一個穩定的輸出。本文通過搭建光伏電池的數學模型，分析了太陽能電池工作原理與特性；并仿真了光伏陣列局部遮蔭情況下P-U的輸出曲線，分析其原因，提出一種基于貓群算法改進的智能算法應用于最大功率點的跟蹤。

光伏能源是最有前途的可再生能源之一。它是免費提供的，環境友好的，需要較少的維護。由于光伏發電成本高，效率低，變化范圍在9-17%之間，因此需要集成一個魯棒MPPT控制器來提取光伏陣列上的最大可用功率。在均勻日照下，P-V曲線具有唯一的最大功率點（MPP）。當光伏陣列受到部分遮光，即光伏陣列受到不均勻的陽光照射時，情況將更加復雜。在這種情況下，P–V曲線以多個峰值為特征，其中一個是全局峰值（GP）。因此，MPPT算法定位GP的能力受到了很大的挑戰。如果最后一個沒有被正確地跟蹤，即MPPT算法被困在一個局部峰值上，這反過來又導致功率的顯著損失。因此，有必要開發一種在部分陰影條件下跟蹤最大功率點的MPPT算法，可以使負載特性能夠在短時間內變化，以滿足系統在局部遮蔭下仍然能迅速的穩定工作在最大功率點附近。到目前為止，已有一些研究試圖通過進化不同的算法來實現全局MPPT。由于人工智能方法具有處理非線性函數的能力，因此越來越受到人們的重視。

1 光伏電池輸出特性

光伏電池等效電路圖如圖1所示：

圖1 光伏電池組件等效電路

光伏電池輸出特性表達式如下：

2 局部陰影下光伏陣列輸出特性

太陽能各組件的參數為：Pm=185W，Uoc=45V，IOC=5.1A，Um=36.27V，Im=5.1A，參考光照強度為1000W/m2，參考溫度為25℃。仿真中以一個電池陰影組件為陰影單元，[x1：x2]為分布在陣列中的陰影，x1和x2分別表示串聯之路電池組件陰影個數，S1、S2指的是每條串聯之路中陰影部分光照強度。以下是三種峰值點位置的陰影條件。

（1）陰影條件1。[x1：x2]=[2：3]，S1=S2=300W/m2。最大峰值功率點在左側，Pm=1128.5W，Um=110.3V。

（2）陰影條件2。[x1：x2]=[1：3]，S1=S2=500W/m2。最大峰值功率點在中側，Pm=1414.3W，Um=183.4V。

（3）陰影條件3。[x1：x2]=[2：4]，S1=S2=500W/m2。最大峰值功率點在左側，Pm=1207.5W，Um=231.3V。

三種條件下陣列P-U特性曲線如圖2所示。

圖2 三種陰影條件下P-U特性曲線

3 貓群算法

3.1 貓群算法（Cat Swarm Optimization，CSO）

在 CSO中，種群的貓個體中就包含了待求的問題的可行解，算法剛開始時，將隨機的待優化問題可行解比做成一個空間，在這個空間中會生成若干只貓，每個個體都有一個被待優化問題，并且適應度值是唯一被確定的。CSO的基本過程分以下幾步：

（1）生成N只貓并隨即初始化位置和速度，確定分組率MR和最大迭代次數Q。

（2）根據分組率MR將N只貓的flag隨機置為1或0。

（3）當flag=0時，貓在執行搜索模式；flag=1時執行跟蹤模式，其位置與速度有相應的更新規則。

（4）計算適應度函數值，通過比較得到最優貓的位置。

（5）判斷是否滿足終止條件，滿足則輸出最優值并推出算法，否則返回執行第2步。

3.2 貓群算法的改進

慣性權重的大小對貓群算法的性能有很大影響，它的第一個作用是使后一次的迭代速度會根據上一次的迭代速度而變換，第二個作用是讓貓群算法的兩種搜索模式能夠較為均衡平等，不會太過偏重于工作在其中的一種模式。

正常情況下在算法迭代前期，其慣性權重是比較大的，隨著迭代次數的增加其慣性權重會減小 ，此時若出現這種情況，當算法在迭代次數很少的時候就搜索到了問題的最優值，但是這個時候慣性權重卻不能夠及時的變小，所以這時候需加入一個參數來進一步調整慣性權重，把它叫做貓群聚集度因子。的衡量標準是依據適應度函數值來決定的，所需的慣性權重大小可根據來判斷。貓群聚集度因子γ計算公式為：

結論：該文通過介紹光伏電池的基本工作原理以及輸出特性，引出了光伏電池功率輸出曲線呈現多峰值的機理，并解釋了其產生的詳細原因是由反向并聯的旁路二極管造成的，及反向并聯二極管的作用。并仿真了在不同光照條件下太陽能電池的輸出特性曲線。通過對基本貓群算法的分析，根據多峰值現象的機理對算法的慣性權重w進行更深層次的優化，使得其可以根據變異因子來自我收斂以保證種群一直處于多樣性，其優勢是能夠讓算法不在陷入局部最優以及跳不出來的問題。