改進粒子群算法結(jié)合擾動觀察法的光伏MPPT控制

摘 要 提出一種基于改進粒子群（PSO）算法和擾動觀察法（Pamp;O）的復合算法。建立了光伏電池數(shù)學模型，給出了其輸出特性。在MATLAB/Simulink環(huán)境下進行仿真分析，結(jié)果表明：改進PSOPamp;O算法提升了系統(tǒng)的搜索速度與精度，在靜態(tài)陰影和動態(tài)陰影下均可以對MPP進行追蹤，提升系統(tǒng)的光伏利用率，減少系統(tǒng)的能量損耗與振蕩。

關(guān)鍵詞 改進粒子群算法 擾動觀察法 光伏電池模型 最大功率點追蹤 MATLAB/Simulink

中圖分類號 TP18；TM35" "文獻標志碼 A" "文章編號 10003932（2025）02030106

隨著日趨嚴峻的能源需求變化，化石能源的日漸稀缺與廣大用戶的能源消費之間矛盾突出，世界能源結(jié)構(gòu)轉(zhuǎn)型刻不容緩。在“碳達峰、碳中和”背景下，太陽能等可再生能源由于其清潔性、經(jīng)濟性和可獲取性的優(yōu)勢，受到了廣泛關(guān)注［1，2］，這促使國內(nèi)外眾多學者對光伏系統(tǒng)的最大功率點追蹤（Maximum Power Point Tracking，MPPT）進行了深入研究。

在光伏系統(tǒng)實際運行過程中，泥污、落葉、樓體遮蔭等原因會導致光伏陣列無法達到均勻的輻照度，被遮陰的PV板在旁路二極管的保護下停止輸出，使PV曲線出現(xiàn)多個峰值。文獻［3］采用粒子群算法實現(xiàn)了在恒定與變化天氣下最大功率點的追蹤，但該方法易陷入局部最優(yōu)解。文獻［4］以細菌覓食的特性進行MPPT，但是該方法具有搜索時間過長的問題。文獻［5］進行了算法融合，雖然PACOBFOA算法尋優(yōu)性能良好，但是出現(xiàn)了算法過于復雜、計算量過大的問題。為此，筆者開發(fā)一種結(jié)合改進自適應粒子群優(yōu)化（Particle Swarm Optimization，PSO）算法和擾動觀察法（Perturb and Observe Algorithms，Pamp;O）的復合MPPT控制策略。在進行廣域搜索時，采用優(yōu)化的自適應PSO算法，而在接近具體極值點的情況下，則切換到擾動觀察法以實現(xiàn)精確跟蹤。通過在MATLAB/Simulink仿真平臺上測試，驗證本算法的效率和穩(wěn)定性。

1 光伏電池與光伏陣列的原理和特性

1.1 光伏電池數(shù)學模型

1.2 光伏電池輸出特性

通過MATLAB/Simulink對光伏電池的輸出原理進行仿真分析。系統(tǒng)在理想未遮擋的情況下，電池具有一致的輸出特性，此時并聯(lián)在光伏電池旁的二極管呈現(xiàn)關(guān)斷特性，光伏系統(tǒng)獲取唯一的最大功率點。當系統(tǒng)因各種外部原因出現(xiàn)局部遮擋時，光伏電池呈現(xiàn)出不完全一致的輸出，被遮擋的光伏電池會在并聯(lián)在其一側(cè)的二極管的保護下停止繼續(xù)對外輸出電流，導致輸出電流減小。設(shè)置4組輻照度（單位：W/m2），分別為［1 000，1 000，1" 000，1" 000，1" 000］（第1組）、［1 000，1 000，800， 800，800］（第2組）、［1 000，800，600，400，400］（第3組）、［1 000，600，400，200，200］（第4組），每組中的5個輻照度值用于模擬不同厚度的云層，同時將溫度定為標準的25 ℃，從而生成多組峰值的功率-電壓（PU）曲線（圖2）。由圖2可以看出，當輻照度出現(xiàn)變化時，最大功率輸出點持續(xù)移動，如果尋找到的最大功率輸出點不準確，會導致功率密度下降，因此高效的MPPT對于提升效率至關(guān)重要。

2 基于改進PSO算法和Pamp;O的MPPT

2.1 PSO算法

2.2 擾動觀察法

2.3 PSO算法在MPPT中的優(yōu)化

3.2 靜態(tài)陰影下的仿真

對5個輻照度均為1 000 W/m2的光伏電池進行PSO算法與改進PSOPamp;O算法的比較，如圖5所示。可以看出，PSO算法在0.37 s后穩(wěn)定（圖5a）；改進PSOPamp;O算法在0.26 s后穩(wěn)定（圖5b），最終功率可達19 865 W，跟蹤精度達到了99.3%。可見在靜態(tài)陰影下，改進PSOPamp;O算法的搜索速度優(yōu)于PSO算法。

3.3 動態(tài)陰影下的仿真

首先將輻照度設(shè)置為1 000、800、800、600、600 W/m2，1 s后輻照度均設(shè)置為1 000 W/m2，得到PSO算法與改進PSOPamp;O算法在動態(tài)陰影下的結(jié)果對比如圖6所示。從圖6a可以看出，PSO算法在遮蔭過程中對MPP的取值出現(xiàn)了較大誤差，陷入了局部死區(qū)。從圖6b可以看出，改進PSOPamp;O算法在遮蔭0.26 s后搜索到最大功率14 895 W，跟蹤精度達到了99.3%，當遮蔭消除后，改進算法在1.12 s時搜索到最大功率19 865 W，跟蹤精度達到了99.3%。可見在動態(tài)陰影下，改進PSOPamp;O算法尋找MPP的能力強于PSO算法。

4 結(jié)束語

筆者建立了光伏電池模型并分析了其輸出特性，利用改進PSOPamp;O算法調(diào)節(jié)Boost電路實現(xiàn)了光伏電池板的MPPT。通過比較PSO算法與改進PSOPamp;O算法在無遮蔭與局部遮蔭條件下的功率跟蹤結(jié)果，證明了改進PSOPamp;O算法具有優(yōu)良的收斂速度與精度。綜上所述，改進PSOPamp;O算法能夠更加快速、精確地尋找到最大功率點，減小輸出曲線的振蕩，提高光伏系統(tǒng)的輸出效率。

參 考 文 獻

［1］ 郭立東，雷鳴宇，楊子龍，等.光儲微網(wǎng)系統(tǒng)多目標協(xié)調(diào)控制策略［J］.電工技術(shù)學報，2021，36（19）：4121-4131.

［2］ 陶霞，方東平，汪瑩潔，等.基于最大功率點跟蹤下垂控制的光儲一體化系統(tǒng)研究［J］.電氣技術(shù)，2024，25（4）：38-46.

［3］ 郭雷，黃敬黨.基于PSO算法的光伏發(fā)電MPPT控制研究［J］.機電技術(shù)，2021（4）：51-53.

［4］ 劉春娟，鄭麗君，孫赟赟，等.基于改進型細菌覓食算法的MPPT［J］.太陽能學報，2021，42（9）：83-89.

［5］ 李云鳳，雷勇，杜佳耘，等.多態(tài)蟻群-細菌覓食算法實現(xiàn)部分遮蔽下光伏系統(tǒng)最大功率跟蹤［J］.現(xiàn)代電力，2022，39（1）：1-8.

［6］ GONTEAN A，LICA S，BULARKA S，et al.A Novel High Accuracy PV Cell Model Including Self Heating and Parameter Variation［J］.Energies，2018，11（1）：1-21.

［7］ 何文濤，譚譜林.基于MATLAB的光伏電池簡化模型仿真［J］.通信電源技術(shù)，2019，36（7）：31-34.

［8］ 王民華.光伏-混合儲能微電網(wǎng)能量管理策略研究［D］.太原：太原理工大學，2020.

［9］ 張俊峰，徐繼軍，徐建偉，等.基于改進粒子群算法的中深層地源熱泵供暖系統(tǒng)運行優(yōu)化［J］.太陽能學報，2024，45（4）：311-317.

［10］ 朱福寶，付文龍，張海榮，等.局部遮蔭下基于改進金槍魚算法的光伏最大功率點跟蹤控制［J］.熱力發(fā)電，2024，53（6）：30-38.

［11］ 王勝輝，李宜倫，鄭洪，等.復合控制算法在光伏MPPT中的應用［J］.哈爾濱理工大學學報，2020，25（3）：61-67.

（收稿日期：2024-06-30，修回日期：2025-01-15）