分布式光伏发电系统及智能集群控制方法
【技术领域】
[0001] 本发明涉及一种太阳能光伏发电技术，尤其涉及一种分布式光伏发电系统及智能 集群控制方法。
【背景技术】
[0002] 偏远地区高速公路沿线的视频监控系统、电子抓拍系统、测速雷达等需要解决供 电的问题，如果使用低压输电线路传输，由于线路很长，线损过大，线路终端电压会严重低 于标准值，无法使用；在解决前述装置的供电问题时，分布式光伏发电有着不可替代的优 势，它可以避免进行长距离、低压、小负载输电的问题，采用分布式光伏发电，不仅能有效节 约偏远地区高速公路拉设电网供电的投入成本以及终端电压严重偏低的问题，还能满足偏 远地区公路沿线其它用电负荷的需要。
[0003] 与常规的集群阵列式光伏发电系统相比，分布式光伏发电系统具有如下明显区 另IJ :多个控制单元分布于高速公路沿线，地理跨度较大，不同位置处的控制单元所处环境差 异较大；
[0004] 若采用常规控制方法（如扰动法、电导法）来对每块光伏板进行独立控制，会使得 光伏板的最大输出功率长期处于动态搜索过程中，不仅动态搜索时间长，而且功率波动大， 从而造成元器件冲击大、输出功率稳定性较差等问题，这对光伏板的工作效率、使用寿命等 方面将会带来一定的负面影响；
[0005] 另一方面，由于分布式光伏发电系统所辖的多个控制单元之间地理跨度较大，因 此存在着光照度和温度多模态的问题；所谓多模态，主要是指在同一时段，分布式光伏发电 系统中的不同光伏板所受到的平均光照度和温度不同，使得其工作状态不同，例如，建设在 山区高速公路沿线的分布式光伏发电系统，由于山区气候复杂多变，云层遮挡等多种原因， 使得高速公路沿线的光伏板上的平均光照度和温度存在着较大差异，因此，存在着光照度 和温度多模态的问题；现有的控制手段在对分布式光伏发电系统进行控制时，没有考虑前 述的多模态问题，对处于不同光照度和温度条件下的光伏板均采用相同的控制策略，从而 造成最大功率点的搜索精度不高，控制效果不甚理想。
【发明内容】
[0006] 针对【背景技术】中的问题，本发明提出了一种分布式光伏发电系统，其创新在于：所 述分布式光伏发电系统包括多个控制单元和集中控制器，多个控制单元均与集中控制器通 信连接；集中控制器包括分类模块和神经网络模块，分类模块与神经网络模块连接；单个 控制单元包括光伏板、微控器、光照度传感器和温度传感器，单个控制单元内的光伏板、光 照度传感器和温度传感器均与对应的微控器电气连接；
[0007] 所述光照度传感器能对相应光伏板所处位置处的光照度进行检测；所述温度传感 器能对相应光伏板所处位置处的温度进行检测；同一控制单元对应的光照度和温度简记为 环境参数，各个控制单元能将各自对应的环境参数发送至分类模块；
[0008] 所述分类模块内预存有三个功率类别，三个功率类别分别对应低功率状态、中等 功率状态和高功率状态；所述神经网络模块内预设有三个神经网络，三个神经网络与三个 功率类别一一对应；分类模块收到环境参数后，采用模糊分类方法对环境参数进行分类处 理并获得当前环境参数对应的功率类别，然后，分类模块按功率类别将环境参数输出至对 应的神经网络；神经网络对环境参数进行处理后获得相应的最大功率值并将最大功率值发 送至相应的微控器；
[0009] 所述微控器既能根据最大功率值来对光伏板的输出功率进行调节，也能采用扰动 法或电导法来对光伏板的输出功率进行调节；
[0010] 所述多个控制单元沿高速公路沿线分布。
[0011] 本发明的原理是：由于不同模态条件下，光伏板的输出功率存在差异性，于是发 明人考虑针对不同模态条件设置相应的控制策略，从而使一套控制系统可以提供多种控制 策略，使处于不同环境参数条件下的光伏板的最大功率点动态搜索时间均得到缩短、搜索 精度得到提高，减小输出功率波动，这不仅可以大大改善分布式光伏发电系统的工作效率 和光伏板的使用寿命，而且很好的契合了分布式光伏发电系统中光伏板分布范围较广的特 性，实现对大范围分布的光伏板的高效、集中控制；具体来说，本发明是这样实现的：分类 模块采用模糊分类方法来对环境参数进行分类的过程，相当于是一个模态识别过程，当识 别出当前环境参数所对应的模态（也即功率类别）后，由对应该模态的神经网络来对相应 环境参数进行处理（用神经网络来提高搜索效率和精度的应用是一种常见手段，本发明的 独特之处在于集中控制器中设计了三种神经网络来分别匹配三种功率类别，同时，这也解 决了采用单一神经网络时泛化能力弱的问题；另外，采用集中控制的方式相较于再为每个 分布式微控器单独设计三种神经网络，简化了微控器结构，降低了制造成本），从而完成对 最大功率值的快速搜索；找到最大功率值后，集中控制器的任务业已完成，接下来由微控器 根据常规的控制手段，来对光伏板的输出功率进行精确调节，当光伏板的输出功率达到稳 态后，微控器将控制模式切换至常规模式（即扰动法或电导法）；得益于分类模块对功率类 别的识别（分类）以及与功率类别匹配的三种神经网络，本发明可以为不同模态条件下的 光伏板提供针对性较强的控制策略，以实现对大范围分布的光伏板的集中控制，提高功率 点搜索的效率，减少因功率点波动带来的冲击，改善控制效果，使分布式光伏发电系统的效 能得到整体提尚。
[0012] 优选地，所述模糊分类方法采用双输入单输出的模糊分类器，所述模糊分类器的 推理规则如下表所示：
[0013]
[0014] 表中，"低"代表对应低功率状态的功率类别，"中"代表对应中等功率状态的功率 类别，"高"代表对应高功率状态的功率类别；
[0015] 光照度和温度作为模糊分类器的两个输入量，功率类别作为模糊分类器的输出 量。
[0016] 模糊分类方法本身是工程界常用的手段，本发明提出的推理规则是发明人经过大 量实验后得出的一种优选方案，在不考虑复杂度的情况下，本领域技术人员还可设计出更 为复杂的推理规则，以使功率类别的划分更加细化，当然，相应的神经网络数量也须相应增 加。
[0017] 基于前述系统，本发明还提出了一种分布式光伏发电系统智能集群控制方法，所 涉及的硬件如前所述，具体的控制方法包括：按如下方法对分布式光伏发电系统进行控 制：
[0018] 1)通过实验获取各种环境参数条件下光伏板的最大功率值，采用模糊分类方法对 实验中获取到的环境参数进行分类，属于同一功率类别的多个环境参数，作为对应神经网 络的训练样本：光照度和温度作为神经网络的输入，对应的最大功率值作为神经网络的输 出；神经网络训练完成后，分布式光伏发电系统即投入运行；
[0019] 2)分布式光伏发电系统启动后，控制单元通过光照度传感器和温度传感器获取相 应的环境参数并将环境参数发送至分类模块；分类模块采用模糊分类方法对环境参数进行 分类处理并获得当前环境参数对应的功率类别，然后，分类模块按功率类别将环境参数输 出至对应的神经网络，神经网络对环境参数进行处理后获得相应的最大功率值并将最大功 率值发送至相应的微控器；分类模块和神经网络在收到环境参数时，均以串行处理方式进 行处理；
[0020] 3)微控器获取到最大功率值后，将最大功率值与实测功率值进行比较，获得最大 功率值和实测功率值之间的误差和误差变化率，然后微控器采用模糊控制对误差和误差变 化率进行处理，获得PWM脉冲参考电压信号，并根据PWM脉冲信号对光伏板的最大输出功率 进行调节；其中，微控器中所采用的模糊控制方法是一种常见的功率调节手段。
[0021] 4)待实测功率值稳定后，微控器切换至扰动法或电导法来继续对光伏板的输出功 率进行调节。之所以最终要切换为扰动法或电导法，是因为：随着使用年限的增加，分布式 光伏发电系统中的各种硬件均会出现性能老化，长期运行后，神经网络输出的最大功率值 就会越来越不准确，理论上，虽可以重新提取硬件性能下降后的工作数据来对神经网络进 行重新训练，但在实际应用中，重新提取数据来对神经网络进行重新训练的可行性不大，于 是本发明在控制方法中设置了切换环节，当实测功率值稳定后，将控制模式切换为扰动法 或电导法，这就可以有效解决因硬件性能下降而导致的神经网络输出不准确的问题。
[0022] 本发明的有益技术效果是：能为不同环境模态下的光伏板提供对应的控制策略， 提高最大功率点搜索效率和精度，减小冲击，简化了微控器结构设计，使分布式光伏发电系 统的性能得到整体提高，改善分布式光伏发电系统的运行效果。
【附图说明】
[0023] 图1、本发明的电气原理示意图；
[0024] 图2、温度隶属函数图；
[0025] 图3、光照度隶属函数图；
[0026] 图4、功率类别隶属函数图；
[0027] 图中各个标记所对应的名称分别为：光伏板1、微控器2、光照度传感器3、温度传 感器4、分类模块5、神经网络模块6、控制单元7、集中控制器8。
【具体实施方式】
[0028] -种分布式光伏发电系统，其创新在于：所述分布式光伏发电系统包括多个控制 单元和集中控制器，多个控制单元均与集中控制器通信连接；集中控制器包括分类模块和 神经网络模块，分类模块与神经网络模块连接；单个控制单元包括光伏板、微控器、光照度 传感器和温度传感器，单个控制单元内的光伏板、光照度传感器和温度传感器均与对应的 微控器电气连接；
[0029] 所述光照度传感器能对相应光伏板所处位置处的光照度进行检测；所述温度传感 器能对相应光伏板所处位置处的温度进行检测；同一控制单元对应的光照度和温度简记为 环境参数，各个控制单元能将各自对应的环境参数发送至分类模块；
[0030] 所述分类模块内预存有三个功率类别，三个功率类别分别对应低功率状态、中等 功率状态和高功率状态；所述神经网络模块内预设有三个神经网络，三个神经网络与三个 功率类别一一对应；分类模块收到环境参数后，采用模糊分类