基于改進灰狼算法的光伏系統最大功率點跟蹤方法

丁然

（池州職業技術學院 機電與汽車系，安徽池州，247100）

0 引言

在對光伏發電系統進行建模時,通常需要先建立一個數學模型來描述其運行過程中的各種參數和約束條件。但是由于實際情況復雜多變且難以直接獲得精確的物理量數據,因此往往采用數值模擬或其他近似計算等方式來解決問題。其中最為常見的是使用灰狼算法作為優化算法。在傳統的灰狼算法中,每次只有一個狼群來尋找食物、配偶及后代,而且這個狼群是隨機生成的;當新加入的狼群數量超過了原來的狼群數量后,就會被淘汰出局。這樣雖然可以保證群體的穩定性,但卻無法使得整個群體始終保持在較高的效率值上。為了提高算法的收斂速度以及跳出局部極值的能力,本文針對這一問題做出相應的調整。另外,當狼群數量過多時,會導致算法早熟甚至出現早熟現象,從而降低了算法的尋優能力。此外,在狼群數量過少或者沒有狼群存在的時候,也無法保證算法具有良好的穩定性與魯棒性。另一方面,如果某個狼群被淘汰出局,那么它們也就無法再繼續生存下去。這樣一來,整個群體的多樣性將大大降低,并且還會有很多個體沒有位置可以選擇,從而導致了算法的早熟收斂問題。本文提出一種新的狼群算法——改進灰狼算法,其主要思想就是通過引入一個隨機游走機制來解決上述問題。具體來說,該算法首先需要確定狼群規模和每只狼的適應度函數、各狼群之間的距離等相關信息,然后根據這些信息制定相應的優化策略。最后,利用遺傳算法對狼群算法進行求解,得到最終的結果。

1 跟蹤算法研究概述

1.1 光伏電池最大功率跟蹤原理

最大功率點追蹤的原理是對光電器件的輸出電壓、電流進行實時監測，然后利用MPP算法對阻抗變流器（電路）進行自優化調整，使其電壓增益與占空比不成線性關系，并且在轉換器的工作循環增大或減小時，電壓也會隨之增大或減小。通過移動工作點至I-U特征的右邊或左邊，可以提高或降低轉換器的工作循環，從而使當量阻抗與光電陣阻抗相匹配，根據最大功率傳送理論，在這個時候，最大功率輸出。即便是因為溫度和光線的變化，導致了輸出功率的變化，系統也能保持在最好的狀態下。

1.2 常用最大功率點跟蹤算法

目前,MPPT主要有兩種實現方式:第一種是使用最大值最小化原則來確定逆變器的最大功率點;第二種則是采用最大功率點跟蹤策略。

對于前者而言,首先需要將光伏電池的實際運行情況輸入到模型中,然后再利用MATLAB軟件對模型進行仿真分析,得到相應的結果。但是由于受到光伏電池自身結構的限制,無法直接應用于實際工程中。因此本文提出一種基于改進灰狼算法(Greywolf)的光伏電池最大功率點跟蹤算法。該算法通過計算出光伏電池的輸出電壓和電流之間的關系,并且根據這個關系來判斷光伏電池的輸出是否滿足要求。其核心思想就是找到光伏電池的輸出關鍵點,從而使得光伏電池可以一直處于最佳工作狀態。

而對于后者來說,它與前面提到的最大功率點跟蹤算法相比,更加注重光伏電池的輸出性能。其實質上來講,它實質上是一個優化問題,即如何讓光伏電池的輸出達到最優值。在傳統的光伏發電系統當中,通常都會采用開路電壓作為光伏電池的輸出電壓,這樣就導致了光伏電池的輸出功率不能夠得到有效提升。為了解決這一問題,本文將光伏電池的輸出電壓分為兩種情況進行分析:第一種情況下,如果光伏電池的開路電壓小于等于1V時,那么此時光伏電池的輸出電壓應該大于等于1.5V;第二種情況下,如果光伏電池的開路電壓大于等于3V時,那么此時光伏電池的輸出電壓應該大于等于4V。

1.3 最大功率跟蹤改進算法

由于光伏電池自身具有一定的特性,所以其輸出特性也存在著較大差異,這使得光伏電池在實際應用過程中的性能表現出明顯的不同。因此,要想提高光伏電池的輸出特性,必須對光伏電池的輸出特性進行改善。而針對上述情況而言,可以通過以下幾方面來實現:首先,需要保證光伏電池內部的溫度處于恒定狀態,并且還要確保光伏電池與外界環境之間沒有任何物質交換,從而避免外界因素對光伏電池輸出特性造成影響;其次,為了能夠有效提升光伏電池的輸出功率,就需要將光伏電池放置于一個相對穩定的位置上,同時還需要控制好光伏電池的安裝高度和角度等參數,這樣才能夠更好地發揮出光伏電池的作用;最后,當光伏電池受到外部環境干擾或者是光照強度較低時,則會導致光伏電池無法正常工作,這時就需要采用最大功率跟蹤技術來解決這一問題。在實際應用中,通常情況下都是利用太陽能作為主要能源,然后再結合其他輔助能源來完成整個光伏發電系統的運行。但是由于光伏發電系統具有一定的復雜性,所以很難做到完全自動化,這也使得光伏發電系統存在著一些缺陷,比如說光伏電池自身的質量以及光伏電池的壽命等等。因此,要想提高光伏發電系統的整體性能,就必須加強對光伏發電系統控制策略的優化,進而達到最佳效果。在實際應用中,通常情況下都是利用最大功率跟蹤技術來完成光伏電池的優化設計,這主要是因為在光伏電池運行過程中,如果光伏電池自身存在缺陷或是出現了故障,那么就很容易使得光伏電池產生較大的功率損耗,因此,此時就需要采取有效措施來降低光伏電池的功率損耗,進而提高光伏電池的使用壽命。

2 光伏電池陰影效應研究

2.1 光伏發電系統

光伏發電的原理就是使用光伏板把太陽的能量轉變為電能.在光伏電池組中,由于存在著大量的非線性電阻和電感等元件,因此需要對其進行濾波處理以減小光伏電池內部的非線性失真現象.同時,還要考慮到光伏電池自身的特性,即電壓與電流之間的關系.根據上述分析可知,當光伏電池接入逆變器后,可以通過調節逆變器的輸出功率來控制系統的運行狀態.但是,如果光伏電池接入逆變器后出現了較大的過電壓問題時,就會導致整個光伏發電系統失控.所以,要想使得光伏發電系統能夠穩定地工作,必須保證光伏電池的安全性.本文提出一種新的光伏發電系統控制策略——“自適應控制”(Adaptive control).該控制策略主要是針對光伏電池的非線性特性而設計的,它不僅可以有效抑制光伏電池的非線性失真的發生,也可以提高光伏發電系統的整體效率.具體來說,就是在光伏發電系統正常運行過程中,由于光伏電池自身存在著一定的缺陷和不足,因此其會對光伏發電系統的電能質量造成影響。

2.2 光伏電池原理及等效模型

為了更好地分析光伏電池的非線性特性,我們首先需要建立一個光伏電池的數學模型,然后利用MATLAB軟件來對這個數學模型進行仿真模擬,從而得到光伏電池的等效電路圖、電壓電流波形圖以及輸出特性曲線圖等等。通過這些數據就能夠很好地了解到光伏電池的非線性特性及其產生原因,并且還可以根據仿真結果來更好地設計光伏電池相關方案,使整個光伏電池的性能達到最優化狀態。將光伏電池的數學模型與仿真結果相結合,可以看出仿真結果與理論計算結果基本一致,但是兩者之間仍然有一些差異,主要體現在以下幾點:(1)仿真時采用的是分段線性插值方式;(2)仿真結果中的最大功率點和最小功率點都是以一定間隔出現的;而實際上,光伏電池的輸出特性曲線圖中存在著很多的拐點,所以說光伏板上的每一點都會影響最終的輸出功率,只有找到這些拐點才能夠準確地確定出光伏電池的最佳工作電壓和電流。(2)光伏電池的輸出特性曲線圖中存在著許多的轉折點,也就是說光伏電池的輸出特性曲線圖中存在著許多的不穩定因素,如果沒有這些不穩定性因素,那么光伏電池的輸出功率將會大大降低。

2.3 局部陰影對光伏電池影響分析

為了更好地了解光伏電池的輸出特性曲線圖中存在的一些不穩定因素,我們可以通過改變光伏電池的輸出特性曲線圖來觀察其變化情況。當光伏電池處于充電狀態時,在0～1s內,隨著時間的增加,輸出電壓逐漸降低;而當光伏電池處于放電狀態時,在0～5s內,輸出電壓基本保持不變,但是由于此時的電壓擾動是瞬時發生的,因此這種電壓擾動并不是一個定值,它具有一定的隨機性。當外界光照強度較小時(即光強度小于等于0.5W/m2),光伏電池的輸出特性曲線呈線性關系,說明光伏電池的輸出特性與外界環境溫度和濕度有關。當外界溫度升高到20攝氏度以上時,光伏電池的輸出特性急劇下降,這是由于當外界溫度高于25攝氏度后,光伏電池內部產生大量的熱效應,使得光伏電池的輸出特性迅速下降。

3 改進灰狼算法跟蹤仿真實驗

3.1 跟蹤算法仿真設計

MATLAB是一種應用范圍很廣的科學與工程計算軟件。MATLAB中的 Simulink建模方法簡單、直觀，各種模塊都具有很強的實用性。在MATLAB/Simulink平臺上，利用Simulink現有的組件來建立最直接的組件，但是建模過程非常繁瑣，而且很多組件都不適合進行調試和調試。另一種是寫出M函數的光電板，這兩種方法都是在這篇文章中進行的。通過輸入電壓U，光強度G，溫度T，即可計算出電流I，并由此得出光電電池I-U和P-U曲線。在此基礎上，采用MATLAB/Function等功能，建立了一個基于MATLAB/Function的光電電池模型。由于光電電池模擬的輸出只有輸出電流，因此必須建立一個物理界面模型，以使其能夠進行串聯并聯。圖2是光電板物理接口的設計，它包括兩個正、負兩個接口，可以方便地構建各種尺寸的太陽能光伏陣列。設定的參數設定為：環境溫度T=25℃，輸入電壓為斜坡函數，運算法則為ode45，模擬時間為30秒，最大步長為0.1。

圖1 光伏電池模塊示意圖

圖2 光伏電池物理端口示意圖

最后，利用 MATLAB編制了三個 MPPT算法，用于模擬實驗，即電導率遞增法，原始灰狼算法，以及改良的灰狼算法。在圖3中可以看到：

圖3 最大功率跟蹤算法示意圖

3.2 傳統算法對比實驗

為檢驗該方法的有效性和優越性，在上表中設定了一個局部陰影場景，并將該方法與改進的灰狼方法進行對比，并對該方法進行了可行性分析。如果一片太陽能電池板被擋住，那么太陽能電池的功率就會被放大，而電導率增量法并沒有搜索到最大的能量，只能搜索到6.56瓦的本地功率，從圖4可以看出，通過改進的灰狼算法，可以找到7.85瓦的最大功率。以下檢驗在遮蔽了兩個光電陣列的光電發電系統在光照條件3中時的電力追蹤。

圖4 遮擋一塊時電導增量法與本文算法對比實驗對比圖

3.3 原始灰狼算法對比實驗

為了檢驗灰狼算法的優點，本文將灰狼算法和灰狼算法進行了比較。安裝的太陽能電池系統是4個并聯的太陽能電池，其他的都是串聯的。表1是不同遮陰條件下兩種算法的數據比較。通過對四種不同的功率-時間關系的分析，我們得到了如下的結果：

表1 兩種算法對比結果統計表

(1)雖然在光照相同的情況下，原始灰狼算法與我們的算法都能達到最大的跟蹤功率，但是相對于灰狼方法來說，我們的算法要快1.06秒。因此，該方法的使用時間更短，更高效;

(2)在優化了收斂性因子的收斂性后，灰狼算法從以往的線性收斂性變為非線性收斂性，同時也反映出了該算法在搜索過程中具有非線性的特點，從而加快了搜索的速度。

(3)優化后的灰狼算法采用了一套（群體）的策略。在本示例中，搜索的程序過程以一組隨機的初始狀態人口（多方案）為起點，并在傳遞期間持續地加強這個群體。多個備選方案分享了搜索空間的相關信息，這樣就能快速地將候選對象轉移到搜索空間中可能存在的區域。

4 小結

本文首先設計整個仿真模型，包括光伏陣列模塊，MPPT控制算法模塊，PWM脈沖模塊以及電源模塊等。然后利用MATLAB軟件對模型進行了仿真分析和優化;Matlab軟件包等。通過對模型進行優化和實驗驗證,最終確定了最優化的MPPT控制策略;然后利用該策略實現了光伏陣列輸出功率的實時控制,并且在此基礎上進一步提高了光伏陣列的發電效率;最后將上述結果與文獻中提出的MPPT控制策略相比較,發現其具有較好的可行性。因此,為了更好地研究MPPT控制器的性能,本文采用MPPT控制策略來構建一個完整的光伏系統仿真模型,并且給出了相應的MPPT充電策略、放電策略及逆變器參數設置方案。同時,還建立了一個簡單的MPPT仿真平臺,用以方便用戶使用,并且可以根據實際情況調整充電策略,從而使得MPPT能夠適應不同類型的負載,滿足用戶的各種需求。