一种模拟空间太阳能电站的功率寻优控制方法与流程

【技术领域】

本发明属于太阳能电站技术领域，涉及一种模拟空间太阳能电站的功率寻优控制方法。

背景技术：

化石能源将在不远的未来枯竭，人们即将会陷入能源危机。且化石能源的过度使用直接导致了环境问题。太阳能作为一种再生清洁能源，被认为是未来能源的主要组成部分，所以建造太阳能电站的设想在近年被广泛关注。相比地面太阳能电站的诸多局限，空间太阳能电站具有更高的能量收集密度。目前已对空间太阳能电站展开研究，并总结经验后提出了omega方案，但其存在一个尚未攻破的难题，即空间太阳能电站系统参数不确定，故障率较高，维修困难等，从而影响空间太阳能电站输出功率的寻优性能，降低能源利用率。

当光伏阵列参数发生变化，导致故障出现时，会导致旁路二极管导通，其输出特性将发生很大变化，呈现出多峰值特性。在这种情况下，采用传统单峰值功率寻优方法对全局寻优会产生影响甚至失效，从而使太阳能转换效率大幅下降。因此，如何设计不依赖系统精确模型的功率寻优控制器，在确保空间太阳能电站功率稳定下，快速准确地跟踪输出多峰值的全局最优功率，提高分布式能源利用率，是需要解决的关键技术问题。

技术实现要素：

本发明的目的在于解决现有技术中空间太阳能电站系统存在参数不确定，故障率较高，维修困难等，进而影响空间太阳能电站输出功率的寻优性能，降低能源利用率等问题，提供一种模拟空间太阳能电站的功率寻优控制方法，该方法确定输入变量和输出变量间的关系，通过给出状态量的反馈而实现系统输出、消耗等达到最优，提高太阳能、风能等分布式能源的利用率。本发明用改进的粒子群优化方法将输入位置调整到全局最优附近，再用极值搜索法得到全局最优解，实现空间太阳能电站功率最优输出，提高能源利用率。

为达到上述目的，本发明采用以下技术方案予以实现：

一种模拟空间太阳能电站的功率寻优控制方法，包括以下步骤：

步骤1，将粒子初始位置分散定位在可能的峰值点处，通过粒子群迭代计算，将输入位置调整到全局最优附近；

步骤2，根据新搜索点的工作电压，采用极值搜索，采用光伏发电系统功率寻优，引入滑模层函数来代替开关函数，通过迭代运算，最终寻得最优功率点。

本发明进一步的改进在于：

所述步骤1的具体方法如下：

步骤1-1，对所有参数进行初始化，通过采样电压值u和电流值i，计算出此刻的功率p；

步骤1-2，设置最优功率为pbest，并判断是否p>pbest，如果不等式成立，则更新pbest；否则不更新pbest；增加辅助变量gbest以确保获得真正的全局最优，gbest为临时的全局最优；

步骤1-3，在寻优过程中，若当前粒子未处于全局最优区域时，丢弃，重新寻找新的粒子；

经过20个周期后，若p仍然大于gbest时，对gbest进行更新；

当迭代次数小于30次时，更新粒子速度和位置，并重新进行所有参数的初始化；

当迭代次数大于30次时，以当前的pbest并运行20个周期，若p<gbest，且连续3次随机初始化的gbest没有得到更新，则得到参考最优功率pbest。

所述步骤1中，在光伏阵列功率优化中，目标函数为光伏阵列的输出功率，粒子为直流斩波电路中开关元件的占空比；将粒子初始位置分散定位在可能的峰值点处；

boost电路的输入端电压uin、输出端电压uout、boost电路输入端的电流iin以及负载电阻rout的占空比关系为：

占空比的变化范围为：

其中，rin,max为boost输入端等效电阻的最大值，rin,min为boost输入端等效电阻的最小值，uout,min为boost电路的输入端电压的最小值，uout,max为boost电路的输入端电压的最大值；

粒子初始化未知随机均匀分布于区间[dmin,dmax]，粒子的最大速度设置为0.1[dmin,dmax]。

所述步骤2的具体方法如下：

将最大功率点跟踪转化为追踪光伏阵列输出电压u的最优值u^*使得输出的功率ps最大，即：

u^*＝argmaxps(3)

采用自适应极值搜索控制策略，输入量为光伏发电系统输出的功率ps，输出量为光伏发电系统直流侧的参考电压值udcref。

自适应极值搜索控制策略的具体方法如下：

设约束条件如下：

其中，ρ为修正输入值，z0为开关常数，u0为电压初值；

引入滑模层函数来代替开关函数sgn(δ)的功能，其函数关系如下所示：

其中，β为阈值，δ为相角；

滑模层函数将空间区域分成3个部分，分别是δ>β，δ<-β和δ≤|β|，δ≤|β|表示滑摸层；由此可以看出相当加厚了滑模面，选定阈值β使系统进入稳定状态，减少振荡。

与现有技术相比，本发明具有以下有益效果：

(1)减轻系统振荡，采用直接占空比控制，相对于应用广泛的针对阵列输出电压的控制，简化了中间控制环，有助于减轻系统振荡；

(2)增加系统响应速度和系统稳定性，在寻优过程中，确定当前粒子不可能处于全局最优区域时，便果断丢弃，重新寻找新的粒子；

(3)增加辅助变量，防止误判，为了确保获得真正的全局最优，增加了临时全局最优，本次迭代不会对辅助变量进行更新，只有经5个周期的稳定后仍然大于临时全局最优，才对临时全局最优进行更新，减少误判的概率。

【附图说明】

图1为本发明控制方法的流程图；

图2为本发明的滑模层极值搜索控制图；

图3为本发明实施例功率最优控制方法的仿真图。

【具体实施方式】

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，不是全部的实施例，而并非要限制本发明公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要的混淆本发明公开的概念。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。

本发明公开的上下文中，当将一层/元件称作位于另一层/元件“上”时，该层/元件可以直接位于该另一层/元件上，或者它们之间可以存在居中层/元件。另外，如果在一种朝向中一层/元件位于另一层/元件“上”，那么当调转朝向时，该层/元件可以位于该另一层/元件“下”。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明将粒子初始位置分散定位在可能的峰值点处，通过粒子群迭代计算，将输入位置调整到全局最优附近。根据新搜索点的工作电压，启动极值搜索法，获取全局最大功率点。本发明通过在极值搜索结构中引入滑模思想，构成自适应极值搜索方法，则可避免微分环节的出现。滑模极值搜索的核心是两个开关函数，其中一个用来生成函数输出的参考值，根据参考输出与实际输出的误差构造滑模面；另外一个用来生成函数的输入变量。当函数对应的系统在输入变量的作用下切人滑模面时，输出跟踪给定，系统稳定在当前平衡点；当系统受到负载变化等干扰时，当前平衡遭到破坏，切出滑模面，通过改变输入变量来控制系统运动到新的平衡点附近，再次切人滑模面。

下面结合附图对本发明做进一步详细描述：

参见图1，本发明模拟空间太阳能电站的功率寻优控制方法，包括粒子群迭代子和全局极值搜索，在初始阶段采用改进的粒子群迭代算法搜索全局最大功率点，在全局最大功率点附近采用全局极值搜索法进行局部寻优；具体包括以下步骤：

第一步：将粒子初始位置分散定位在可能的峰值点处，通过粒子群迭代计算，将输入位置调整到全局最优附近。

首先对所有参数进行初始化，通过采样电压值u和电流值i，计算出此刻的功率为p；设置最优功率为pbest，并判断是否p>pbest，如果不等式成立，则更新pbest；同时，为了确保获得真正的全局最优，增加了辅助变量gbest(临时的全局最优)，只有在该粒子本次迭代过程中，没有因为显著低于gbest(当前已经寻找到的全局最优)而被丢弃；在寻优过程中，确定当前粒子不可能处于全局最优区域时，便果断丢弃，重新寻找新的粒子；经过20个周期的稳定后仍然大于gbest时，才对gbest进行更新，减少误判的概率；当迭代次数小于30次时，算法程序将更新粒子速度和位置，并重新进行参数的初始化；当迭代次数大于30次时，以当前的pbest运行20个周期且p<gbest，连续3次随机初始化的粒子gbest没有得到更新，则得到参考最优功率pbest。

在光伏阵列最大功率寻优中，目标函数为光伏阵列的输出功率，粒子为直流斩波电路中开关元器件的占空比。将粒子初始位置分散定位在可能的峰值点处，有助于提高跟踪速度。如果uin和uout为boost电路输入端、输出端的电压，iin表示boost电路输入端的电流，rout表示负载电阻，那么它们和占空比的关系为

占空比的变化范围为

光伏阵列输出p-v特性可能极值点对应的阵列输出电压，近似为0.8倍电池板开路电压的整数倍，所以可能极值点对应的阵列最小和最大电压近似为0.8umodule和0.8uarray。这里，umodule和uarray分别代表光伏阵列的开路电压。相应的boost输入端电阻(等效电阻)为rin,min和rin,max。负载电阻的大小与具体应用相关，根据负载电阻的大小确定光伏阵列的串并联结构，从而间接确定boost输入端电阻的范围。粒子初始化未知随机均匀分布于区间[dmin,dmax]，粒子的最大速度设置为0.1[dmin,dmax]。参数的选择对粒子群方法的迭代过程影响很大。在迭代初期阶段，大的惯性权重可使方法不易陷入局部最优解；在迭代后期，小的惯性权重将有助于加快离子的收敛速度。迭代初期个体的认知很重要，而迭代后期粒子的社会认知很重要。

然而，大幅度随机初始化粒子位置导致系统振荡，以及实际系统存在控制滞后导致误判等问题。为了克服，本发明从以下三个方面进行改进：

减轻系统振荡

采用直接占空比控制，相对于应用广泛的针对阵列输出电压的控制，简化了中间控制环，有助于减轻系统振荡；

增加系统响应速度和系统稳定性

在寻优过程中，确定当前粒子不可能处于全局最优区域时，便果断丢弃，重新寻找新的粒子；

增加辅助变量，防止误判

为了确保获得真正的全局最优，增加了临时全局最优，本次迭代不会对辅助变量进行更新，只有经5个周期的稳定后仍然大于临时全局最优，才对临时全局最优进行更新，减少误判的概率。

第二步：根据新搜索点的工作电压，启动极值搜索法，获取全局最大功率点。

据新搜索点的工作电压，启动全局极值搜索子程序，采用光伏发电系统功率寻优，引入滑模层函数来代替开关函数，通过迭代运算，最终寻得最优功率点。

最大功率点跟踪可以转化为追踪光伏阵列输出电压u的最优值u^*使得输出的功率ps最大，即

u^*＝argmaxps(3)

极值搜索控制策略无需对系统进行详细的建模，只需监测某些状态量，通过反馈给控制系统就能实现对系统的精确控制。此处采用自适应极值搜索控制的策略，其输入量为光伏发电系统输出的功率ps，输出量为光伏发电系统直流侧的参考电压值udcref。

自适应极值搜索控制的光伏发电系统功率寻优方法原理：

ρ，z0和u0的约束条件：

在整个调节过程中，具有很高控制频率的sgn(δ)开关函数控制是关键，而很大的开关频率的实际实现是比较困难的；且进行大的开关频率控制除了会引入开关噪声外，还会引起额外的功率损耗。

为了克服这个缺点，引入滑模层函数来代替开关函数sgn(δ)的功能，其函数关系如下所示：

其中β为阈值。

该函数讲空间区域分成3个部分，分别是δ>β，δ<-β和δ≤|β|，这里δ≤|β|称作滑摸层。由此可以看出相当加厚了滑模面，选定合适的可以使系统快速地进入稳定状态，并相应地减少振荡。

实施例

在matlab平台上搭建光伏发电系统，采用本发明所提的基于粒子群迭代和全局极值搜索的功率最优控制方法，对光伏发电系统最大功率追踪策略进行仿真验证。光伏电池板的参数如下所示：开路电压uoc＝61.7v，短路电流isc＝6.35a，最大功率点电压um＝52v，最大功率点电流im＝6a。仿真中用50个光伏电池板串联为一组，一共50组进行并联。光照强度s＝1000w/m²。

如图3所示，图3为功率最优控制方法所对应的的功率时间曲线，从图中看出，本发明所提出的基于粒子群迭代和全局极值搜索的功率最优控制方法能够较快速地稳定在最大功率点，并且有较小的超调，振荡也小。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。