用于光伏最大功率点跟踪的主动前应式控制系统及算法的制作方法

文档序号:14571550发布日期:2018-06-01 22:24阅读:287来源:国知局
用于光伏最大功率点跟踪的主动前应式控制系统及算法的制作方法

本发明涉及一种光伏发电控制系统,特别涉及一种光伏最大功率点控制系统。



背景技术:

如今,分布式光伏发电系统高速发展,对光伏发电控制技术提出了更高的要求,基于开关电容的直流-直流变换器由于体积小和低磁化的优点,在光伏发电系统中有很大应用前景,通常用于光伏阵列输出侧进行最大功率点跟踪(MPPT)控制。

在实际运行过程中,由于天气和周边气温变化的缘故,光伏阵列的光照和阴影情况变化很大,传统的反应式控制方法不能及时预测阴影及遮挡情况,开关电容变换器控制需要快速反应,而传统变换器控制算法是建立在单一开关输出占空比的基础上,有些情况下会产生进入死区而无法自主返回,从而导致控制失败,所以无法达到全天候的最优MPPT控制。如果控制器能够根据天气的周边温度的变化的预报信息,及时提前预估光伏组件下一时间段的输出功率,那么再利用优化控制算法可以预先得到最优控制指令,避免进入控制死区。



技术实现要素:

本发明的目的是提供一种用于光伏最大功率点跟踪的主动前应式控制系统及算法,提高光伏发电产能。

本发明的目的是这样实现的:一种用于光伏最大功率点跟踪的主动前应式控制系统及算法,所述控制系统包括连接在光伏组件和滤波器之间的直流变换器,所述滤波器的前端与直流变换器相连,滤波器的后端连接在逆变器上,其特征在于,所述直流变换器选用开关电容直流变换器,所述开关电容直流变换器上还连接有主动前应式控制器,所述主动前应式控制器上还连接有信息接收及存储器;

所述前应式控制器用以根据当前测量到的电压信号、电流信号、历史信号、电路模型以及下一时间段的天气预报信息来进行多参数的下一步优化操作,利用粒子群的优化算法来得到下一时间段的最优PWM控制信号,输出给开关电容直流变换器,控制其工作;

所述信息接收存储器用以接收短期天气预报信息,并利用其大容量的存储能力来记录保存天气,气温,以及光伏发电组串的电流,电压的历史测量值,这些不断更新的一定时间段的数据可以用来配合控制器对电路模型进行优化培训;

所述控制算法包括以下步骤:

步骤1)在每个实时执行周期中,首先中央信号处理器输出上个周期中优化出的最优控制信号给PWM驱动器来驱动开关电容变换器;

步骤2)中央信号处理器将传感器传递的当前周期电流及电压信号存储于信息接收及存储器中,并更新历史数据;

步骤3)信息接收存储器将当前周期收到的下一个时间段的天气预报信息传递给中央信号处理器,处理器将电路模型,当前和历史数据,以及天气预报信息输入于粒子群优化算法模型中并启动粒子群优化算法子程序进行优化;

步骤4)中央信号处理器将优化结果即最优控制指令保存,在下一个运行周期开始时,将此优化指令输出给PWM驱动器;

步骤5)中央信号处理器等待下一个执行周期,如此循环控制。

作为本发明的进一步限定,所述前应式控制器包括电流/电压传感器、中央信号处理器、PWM驱动器以及电源,所述电流/电压传感器、PWM驱动器、电源均与中央信号处理器电连接,所述电流/电压传感器安装在光伏组件中,所述中央信号处理器还与信息接收存储器电连接,所述PWM驱动器与开关电容直流变换器电连接;

所述电流/电压传感器用以实时收集光伏组串的电流和电压测量值并将信息输入给中央信号处理器,此信息会通过中央信号处理器处理并存储于信息接收存储器中;

所述中央信号处理器用以执行主动前应式控制算法,利用粒子群优化算法来提前优化出下一时间段的驱动信号以实现MPPT的全天候最优控制;

PWM驱动器用以接收中央信号处理器输出的最优指令并以此驱动开关电容变换器;

系统电源利用本光伏组件的发电和可充电电池来实现独立无中断电源,提供给主动前应式控制器系统工作所需。

作为本发明的进一步限定,所述粒子群优化算法包括以下步骤:

步骤a)利用电路模型和天气预报信息进行系统初始化辨识;

步骤b)系统参数初始化,包括目标函数参数和约束条件参数;

步骤c)初始化一个种群,随机赋予种群中每个粒子的初始位置和速度,将每个粒子赋予目标函数所对应的值,并根据电路模型和负载曲线得到非占优解的粒子,求出初始适应度值,然后在当前的搜索空间每个粒子根据其目标函数值进行坐标定位,初始化每个粒子的飞行记忆及局部最优解和全局最优解;

步骤d)根据飞行记忆指引来更新每个粒子的位置和速度,得到新的控制指令;

步骤e)根据最大功率传输效率的负载曲线判断每个粒子在问题的搜索空间中有无超出约束空间,有则返回上一步重新更新位置和速度,无则重新评估群中每个粒子的适应度值;

步骤f)根据每个粒子的适应度值比较和更新局部最优解和全局最优解,得到更新后的每个粒子的飞行记忆包括新的速度和方向;

步骤g)检查最大迭代次数有无满足终止条件,无则重新回到步骤d继续迭代优化,有则终止迭代,输出最优解,即最优控制指令。

与现有技术相比,本发明的有益效果在于,不同于传统的反应式控制模式,主动前应式控制器可以利用所有已知系统信息和预告信息来提前预测环境变化对控制系统的影响,并利用历史和当前数据,系统电路模型和优化算法来优化出下一时间段最佳的控制指令,从而最大限度的提高光伏发电产能。

附图说明

图1为本发明中控制系统结构示意框图。

图2为本发明中主动前应式控制器结构示意图。

图3为本发明中控制算法原理流程图。

图4为本发明中粒子群优化算法原理流程图。

图5为现有技术中传统光伏发电组串MPPT控制系统结构示意图。

具体实施方式

下面结合具体实施例对本发明做进一步说明。

本发明针对的是对光伏发电系统中的MPPT控制,传统的的光伏组件MPPT控制系统结构框图如图5所示,发电电路有多个光伏组件串联起来一致向逆变器供直流电,当太阳光照情形变化时,可以提供最大功率传输效率的负载曲线也随之变化,MPPT控制器就是配合功率传输效率而调整负载使系统始终保持最佳的效率,之后再转换电压,电流或频率以配合其他系统。但是由于传统控制模式是反应式控制,日照情况变化有时会很迅速,比如云层遮挡,气温变化等,而反应式控制控制算法会有延时,有些情况下会产生进入控制死区而无法自主返回的情况,从而导致控制失败,所以无法实现全天候的最优MPPT控制。

如图1所示的是本发明提出的控制系统结构示意图,其主要关键模块包括:

1) 基于开关电容的直流-直流变换器;开关电容直流变换器通过不同的PWM驱动信号可以产生不同的系统特征阻抗,非常适合用来调整负载以配合最大功率传输效率;

2) 主动前应式控制器;主动前应式控制器是系统的控制核心,其关键控制算法是基于模型预估来优化出下一时间段的最优控制路线;根据一切可以利用的信息,包括当前测量信号,历史信号,电路模型,以及下一时间段的天气预报信息等来进行多参数的下一步优化操作,利用粒子群的优化算法来得到下一时间段的最优PWM控制信号,如此循环控制操作;

3) 信息接收存储器;信息接收存储器接收短期天气预报信息,并利用其大容量的存储能力来记录保存天气,气温,以及光伏发电组串的电流,电压的历史测量值,这些不断更新的一定时间段的数据可以用来配合控制器对电路模型进行优化培训。

如图2所示的是本发明中主动前应式控制器系统结构示意图,其主要包括以下子模块:

1)电流/电压传感器,电流/电压传感器负责实时收集光伏组串的电流和电压测量值并将信息输入给信号处理器,此信息会通过信号处理器处理并存储于信息接收及存储器中;

2)中央信号处理器,主动前应式控制算法由中央信号处理器来执行,关键技术是利用粒子群优化算法来提前优化出下一时间段的驱动信号以实现MPPT的全天候最优控制;

3)PWM驱动器,PWM驱动器接收中央信号处理器输出的最优指令并以此驱动开关电容变换器;

4)系统电源,系统电源利用本光伏组件的发电和可充电电池来实现独立无中断电源,提供给主动前应式控制器系统工作所需。

本发明的控制算法如图3所示,这个控制算法由中央信号处理器来执行。在系统安装时,中央信号处理器中已经输入了光伏发电组串的电路模型和最大功率传输效率的负载曲线;具体控制步骤如下:

步骤1)在每个实时执行周期中,首先中央信号处理器输出上个周期中优化出的最优控制信号给PWM驱动器来驱动开关电容变换器;

步骤2)中央信号处理器将传感器传递的当前周期电流及电压信号存储于信息接收及存储器中,并更新历史数据;

步骤3)信息接收及存储器将当前周期收到的下一个时间段的天气预报信息传递给中央信号处理器,处理器将电路模型,当前和历史数据,以及天气预报信息输入于粒子群优化算法模型中并启动粒子群优化算法子程序进行优化;

步骤4)中央信号处理器将优化结果即最优控制指令保存,在下一个运行周期开始时,将此优化指令输出给PWM驱动器;

步骤5)中央信号处理器等待下一个执行周期,如此循环控制。

粒子群优化算法子程序具体流程如图4所示,根据不同的模型参数比如PWM控制指令,以及约束条件比如阴影遮挡限定的光照,避免控制死区等的设置,经过一系列的动态搜索调整,可以快速得到最优化的控制指令来使得下一周期的光伏发电输出功率效率最佳,同时完全避免进入控制死区的可能性。具体实现步骤如下:

步骤1)利用电路模型和天气预报信息进行系统初始化辨识;

步骤2)系统参数初始化,包括目标函数参数和约束条件参数;

步骤3)初始化一个种群,随机赋予种群中每个粒子的初始位置和速度,将每个粒子赋予目标函数所对应的值,并根据电路模型和负载曲线得到非占优解的粒子,求出初始适应度值,然后在当前的搜索空间每个粒子根据其目标函数值进行坐标定位,初始化每个粒子的飞行记忆及局部最优解和全局最优解;

步骤4)根据飞行记忆指引来更新每个粒子的位置和速度,得到新的控制指令;

步骤5)根据最大功率传输效率的负载曲线判断每个粒子在问题的搜索空间中有无超出约束空间,有则返回上一步重新更新位置和速度,无则重新评估群中每个粒子的适应度值;

步骤6)根据每个粒子的适应度值比较和更新局部最优解和全局最优解,得到更新后的每个粒子的飞行记忆包括新的速度和方向;

步骤7)检查最大迭代次数有无满足终止条件,无则重新回到步骤4继续迭代优化,有则终止迭代,输出最优解,即最优控制指令。

本发明并不局限于上述实施例,在本发明公开的技术方案的基础上,本领域的技术人员根据所公开的技术内容,不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形,这些替换和变形均在本发明的保护范围内。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1