基于改進粒子群算法的太陽能光伏發電逐日自動控制

摘要：常規的太陽能光伏發電逐日自動控制監測節點部署多為單節點局部覆蓋模式，導致得出的功率損耗比增加。為此，文章提出基于改進粒子群算法的太陽能光伏發電逐日自動控制方法。該方法采用多點位監測，采集實時監測數據，進行太陽跟蹤軌跡與角度計算，構建光伏發電改進粒子群測算逐日自動控制模型，采用全局最優對比和反饋調整的方式實現自動控制。結果表明，應用文章方法得出的功率損耗比相對較小，控制效率明顯提升。

關鍵詞：改進粒子群算法；太陽能；光伏發電；逐日測算；電能調度

中圖分類號：TM732 "文獻標志碼：A

0 引言

太陽能光伏發電技術近年來得到了迅猛發展。為強化發電效率，相關研究人員設計了逐日自動控制方法，如霍智偉等［1］提出的Split源逆變器單相光伏發電預測控制方法，通過將光伏電池直流電流作為前饋量，精準調節逆變器輸出，實現電流的快速響應與穩定控制。范艷紅等［2］提出考慮諧波約束分布式光伏發電控制方法結合集成濾波器，采用諧波抑制技術等手段，有效消除光伏逆變器輸出的諧波。但此類方法控制的覆蓋范圍較?。?］，為此，本文提出基于改進粒子群算法（Particle Swarm Optimization，PSO）的太陽能光伏發電逐日自動控制方法。該方法通過引入動態調整粒子速度和慣性權重等改進策略，利用傳感器實時監測太陽的位置和光照強度［4］，計算出光伏組件的最優調整角度，確保光伏組件始終保持與太陽光線垂直，從而最大化地接收太陽輻射能量［5］。

1 光伏發電改進粒子群測算逐日自動控制方法設計

1.1 實時監測數據采集及太陽位置多點位監測

本文預設多個執行周期，進行實時監測數據采集，實現對太陽位置的多點位監測［6］。通過設定傳感裝置和實時點位，實時采集光伏電池板的輸出電壓、輸出電流、環境溫度以及太陽輻射強度等關鍵數據，結合各個周期數據的變化計算光伏發電功率，公式如下：

P=UI（1）

式中：P代表光伏發電功率，U代表光伏覆蓋區域，I代表發電基礎功率點。本文將計算出的光伏發電功率設定為基礎的發電功率標準條件，將采集的數據作為改進粒子群算法優化的輸入參數，用以調整光伏板的角度以優化輸出功率。晴朗天氣下，太陽位置利用太陽高度角和方位角進行計算，公式如下：

式中：h和A分別代表太陽高度和方位角，代表地理緯度，δ代表太陽赤緯，ω代表時角。本文利用改進粒子群算法，進行光伏板的設定，計算光伏板的最大間距，公式如下：

Y=XW（4）

式中：Y代表光伏板最大間距，W代表折射范圍，X代表監測板。根據計算出的光伏板最大間距布設光伏發電板位置，確保接入的發電設備與裝置保持穩定。

1.2 太陽跟蹤軌跡與角度計算

測定出偏角后，本文將光伏板的傾斜角和方位角作為優化變量，使光伏板法線方向與太陽光線方向的夾角最小，從而最大化光伏板的接收功率。通過改進粒子群算法，本文對太陽跟蹤軌跡進行迭代處理并依據太陽位置和光伏板的實際角度，計算適應度值，公式如下：

Q=∑L=1υL-（m+n）2（5）

式中：Q代表適應度值，υ代表輸出功率，L代表光伏板間距，m和n分別代表基礎軌跡和實際軌跡覆蓋范圍。本文在不同的時間背景下對比太陽高度角和方位角的點位變化趨勢，掌握發電時太陽變動的完整軌跡和對應的角度并獲取實時的數據和變動信息，如表1所示。

在明確太陽變動軌跡范圍之后，對各個時間段進行標點。本文結合方位角、高度角以及時角的變動，測算日照時間，公式如下：

T=arccos（－tan Z tan d）（6）

式中：T代表日時間，Z代表日照正值，d代表時差。預設當地的日出時間為6點，日落時間為18點，這樣經過計算全天的日照時數為12 h。根據日照時間，明確光伏的具體可控發電區間，進一步明確追蹤的效果，增加后期逐日自動控制的穩定性與實時性。

1.3 構建光伏發電改進粒子群測算逐日自動控制模型

在太陽能發電的背景下，本文通過智能優化策略及改進粒子群算法，實現光伏板對太陽位置的精確追蹤，構建針對光伏發電的逐日自動控制模型。太陽輻射強度計算公式如下：

S=qP+（N1-N2）（7）

式中：S代表太陽輻射強度，q代表集中輻射位置，P代表重復軌跡點，N1和N2分別代表基礎環境和實際環境溫度。系統進行初始化處理，隨機生成一組粒子的位置和速度。本文首先根據太陽位置和光伏電池物理模型，對比每個粒子的適應度值；隨后，使用PSO算法的更新控制機制以及標準并在可控的光伏發電閥內，調整粒子的速度和位置，同時引入動態參數，優化當前的逐日控制環境；最終，根據太陽位置、環境溫度等數據的實時變化，設定發電逐日控制的終止條件并計算峰值功率，公式如下：

Pmax=Vmp×Imp（8）

式中：Pmax代表峰值功率，Vmp代表最大電壓，Imp代表最大電流值。設峰值功率為光伏發電功率的峰值點，一般也是光照時間、覆蓋范圍最充足的時間，轉換為極限的條件。光伏發電改進粒子群測算逐日自動控制流程如圖1所示。

當太陽輻射強度達到預設的標準時，發電逐日處理的標準也與之相符，這時須要實時采集環境參數和光伏板的輸出參數，不斷調整光伏板的角度，以實現逐日自動控制處理的目標。本文基于改進粒子群算法，計算出最優解，公式如下：

B=-υ+Cε（9）

式中：B代表最優解，代表粒子群總量，υ代表平衡功率，C代表限制功率標準，ε代表輻射強度峰值點。本文對計算得出光伏板的逐日自動控制最優解進行分析，實現對光伏板角度的精確控制。

1.4 全局最優對比和反饋調整實現自動控制

全局最優搜索是改進粒子群算法在太陽能光伏發電逐日自動控制中的后期反饋輔助。系統調整角度最大化接收太陽輻射能量，設定最優對比更新機制執行標準，如表2所示。

如果輸出功率低于歷史最優值或者太陽位置發生顯著變化，系統將重新計算全局最優解并調整光伏板的角度。調整后的光伏板將再次接收太陽輻射，產生新的輸出功率，形成閉環反饋控制，進一步完善光伏發電逐日自動控制的方法。

2 實驗

本文以L光伏發電站為例，將Split源逆變器單相光伏發電預測控制方法、考慮諧波約束分布式光伏發電控制方法與本文方法進行對比。

2.1 實驗準備

研究人員將測試的結構導入MATLAB/Simulink仿真平臺，使用智能電源DC/DC變換器模塊，采用Boost電路進行MPPT控制仿真環境的設定，設置階躍干擾0.8 V，基準電壓220 V，光伏輻照度為1200 W/m2，溫度為25～35 ℃。根據測試需求以及執行條件，本文進行光伏發電逐日自動控制執行指標和參數的設置，如表3所示。

2.2 實驗過程與結果分析

本文隨機設定6個周期，結合功率范圍，利用模型歸隊逐日發電功率進行調度調整，在確保平衡穩定的狀態下，實現自動控制處理，進行光伏發電跟蹤時間與跟蹤振蕩情況的對比分析，如圖2所示。

應用本文設計的自動控制模型后，跟蹤時間和跟蹤振蕩情況相對較為平穩。本文將捕捉的光能轉換為電能，計算光電轉換效率，公式如下：

F=γζ×100%（10）

式中：F代表光電轉換效率，γ代表峰值功率，ζ代表振蕩點。本文將采集的光能轉換為電能，進行逐日平衡自動調控及調度，計算自動控制過程中的功率損耗比：

w=2-∑l=1φl+τv1-v22（11）

式中：w代表功率損耗比，代表預測總發電量，φ代表單周期目標發電量，l代表預設執行發電周期，τ代表調度均值，v1和v2分別代表基礎和實際衰減損耗系數。測試結果如表4所示。

可以看出，應用本文方法得出的功率損耗比相對較小。這說明在改進粒子群算法的輔助與支持下，本文設計的光伏發電逐日自動控制方法更加靈活、多變，自身的控制效率明顯提升，效果得到了進一步驗證，更為可靠。

3 結語

本文結合當前復雜的光伏發電背景，以改進粒子群算法為引導，設計更加靈活、多變的光伏發電逐日自動控制模式，通過優化處理將光伏組件與逐日追蹤相融合，實現對太陽位置的精確感知與動態響應。此種自動控制方式不僅克服了傳統固定式光伏系統效率低下的問題，更在提升發電效率、降低運維成本方面展現了顯著優勢。本文推動了發電自動控制技術的不斷迭代升級，使其以更加智能、高效、可靠的面貌，助力全球能源結構的綠色轉型，為推動可再生能源事業的蓬勃發展貢獻更多的智慧與力量。

參考文獻

［1］霍智偉，裴旭東.基于Split源逆變器的單相光伏發電系統模型預測控制［J］.機電信息，2024（15）：10-13.

［2］范艷紅，費丹雄，仇琦瑋，等.考慮諧波約束的分布式光伏發電功率波動控制［J］.電子設計工程，2024（16）：106-110.

［3］曹雪，董浩洋.基于CSA-INC算法的光伏發電MPPT仿真研究［J］.吉林大學學報（信息科學版），2024（4）：617-624.

［4］章瑞，張軍，李曉方，等.淺談分布式光伏發電集控運行的管理［J］.中國設備工程，2024（13）：59-61.

［5］李天翔，唐康賢.太陽能光伏發電儲能控制技術研究［J］.光源與照明，2024（6）：129-131.

［6］董大群，趙計生.新能源發電系統控制技術研究［J］.光源與照明，2024（6）：237-239.

（編輯 王雪芬）

Daily automatic control of solar photovoltaic power generation based on improved particle swarm algorithm

YAO" Pengfei， CHEN" Mengna

（College of Telecommunications and Intelligent Manufacturing，Sias University， Zhengzhou 451100， China）

Abstract：" The conventional daily automatic control monitoring node deployment of solar photovoltaic power generation is mostly single-node local coverage mode， resulting in an increased power loss ratio. Therefore， an automatic daily control method for solar photovoltaic power generation based on improved particle swarm optimization is proposed. In this paper， multi-point monitoring is adopted， real-time monitoring data is collected， solar tracking trajectory and Angle are calculated， and a daily automatic control model for improved particle swarm calculation of photovoltaic power generation is constructed. The global optimal comparison and feedback adjustment are adopted to achieve automatic control. The results show that the power loss ratio obtained by this method is relatively small， and the control efficiency is obviously improved.

Key words： improved particle swarm algorithm; solar energy; photovoltaic power generation; daily measurement; power dispatching