得到新的工作电压Vk。具体产生方式为：
[0042] Vk = Vi+r*step (1)
[0043] 其中，r为[_1，1]之间的随机数，step为当前的邻域大小，对于V1而言，当i = l时，V1 = Vo〇
[0044] 4.2测量出￥15对应的输出功率?1<。并将扰动次数如_?6竹1^加1。
[0045] 4.3如果Pk大于参考功率Pi，对于Pi而言，当i = 1时，Pi = Po，则接受扰动点为新的参 考点，同时，将接受新解的次数No_aCCept加1:
[0046] Pi = Pk1Vi = Vk (2)
[0047 ]如果Pk大于当前记录的最大功率值Pmax，更新最大功率值：
[0048] Pmax = Pk1Vmax = Vk (3)
[0049] 4.4如果Pk小于参考功率Pi，对于Pi而言，当i = l时，Pi = Po,则参考以下 Metropolios公式计算接受概率，以此判断是否接受扰动点为新的参考点：
[0051 ]若Pr大于0 . I，则接受扰动点，否则拒绝。如果接受了，将接受新解的次数No_ accept 加一〇
[0052] 4.5如果在某一邻域内扰动次数达到Ns次，按以下方式调整邻域大小：
[0054] 重新初始化％_口61'1：111'13、1^0_&(^6口1：，并将1^0_8七6口加 10
[0055] 4.6如果邻域调整次数达到Nt次，按照下述方式进行降温：
[0056] Tk+i = aTk (6)
[0057]重新初始化No_step，将参考点设为目前的最大功率点：
[0058] Vi = Vmax (7)
[0059] 5、判断是否追踪到GMPP:
[0060] Δ P= IPi-Pmax (8)
[0061] 若
[0063] 则令
[0064] f lag = f lag+1 (10)
[0065] 当flag大于M时，说明连续M个输出功率都在记录的最大功率附近，此时认为已追 踪到GMPP，进入6，否则回到4。
[0066] 6、输出GMPP，等待算法重启动
[0067] 当追踪到GMPP后，算法停止对电压的扰动，输出Vi = Vmpp，并实时监测输出功率Pi， 按照下式判断辐照度是否发生变化：
[0068] 若
[0070]说明输出功率有较大波动，存在辐照度的变化，则重新启动GMPPT，回到1。否则，继 续输出Vi = Vmpp。
[0071 ]本实施例中采用三个光伏模块串联，光伏模块1的辐照度在0.4秒时发生突变。其 对应的P-V特性为图2(a)(0.4秒之前）及图2(b) (0.4秒之后）。可以看出，由于局部阴影遮 挡，导致三块光伏模块P-V特性不一致，因此在0-0.4秒总的P-V特性呈现3个峰值。由图3(a) 可以看出输出功率很快达到GMPP，说明算法的快速性及可靠性。在0.4秒后辐照度发生突 变，算法立即重启动追踪，并快速再次找到新的GMPP，说明算法可以很好地应对辐照度的变 化。由图3(b)可以看出，由于邻域的自适应调节，电压波动范围较小，有效地抑制了较大的 功率扰动，减少了功率损失并且提升了追踪速度。
【主权项】
1. 一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于:包括W下步骤： (1) 在0到开路电压之间随机选取一个初始电压作为工作点电压Vi，测量在该工作点电 压下的输出功率Pi，作为参考功率； (2) 在邻域内随机进行电压扰动，得到新的工作电压Vk，测量该工作电压Vk下的输出功 率Pk; (3) 判断步骤(2)进行扰动后的输出功率Pk与步骤（1)的参考功率Pi的关系，如果Pk大于 Pi，则接受该扰动点位新的参考点，同时，如果Pk大于当前记录的最大功率值Pmax，则更新最 大功率值;如果Pk小于Pi，则参考Metropolios计算接受概率，W此判断是否将该扰动点作为 新的参考点； (4) 如果在某一邻域内扰动的次数达到了提前设定的扰动次数化，则调整邻域大小，当 调整邻域的次数达到提前设定的调整次数时，对当前环境降溫，并将目前的最大功率点作 为当前的参考点； (5) 判断是否追踪到最大功率。2. 根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于： 所述的步骤(2)中的Vk按照W下公式计算： Vk = Vi+r 本 step 其中，r为[-1,1]之间的随机数，step为当前的邻域大小。3. 根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于： 步骤(3)中的参考Metropolios计算接受概率，按照W下公式计算：其中，Pr为接受概率，Tk为当前溫度。4. 根据权利要求1或3所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在 于:步骤(3)中，参考Metropolios计算接受概率，W此判断是否将该扰动点作为新的参考点 的方法为:若接受概率Pr大于0.1，则接受扰动点，否则拒绝。5. 根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于： 步骤(4)根据W下公式调整邻域大小：其中，new step为调整后的邻域大小，No_accept为接受扰动点的次数，化为给定邻域内 的扰动次数，St巧为当前邻域大小。6. 根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于： 步骤(4)中，对当前环境降溫按照W下公式进行:Tk+i = aTk，其中，Tk为当前溫度，Tk+i为降溫 后的溫度，α为溫度下降率。7. 根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于： 判断是否追踪到最大功率的方法为：且连续Μ个输出功率都在记录的最大功率附近，则认为已追 踪到GMPP。8. 根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于： 进一步包括步骤(6):当追踪到GMPP后，停止对电压的扰动，输出电压，并实时监测输出功 率，判断是否发生福照度的变化，如果存在福照度的变化，则重新启动GMPPT，否则输出电 压。9. 根据权利要求8所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于： 如果W下公式成立，则认为福照度发生变化：
【专利摘要】本发明公开了一种基于模拟退火法的光伏最大功率跟踪方法，它可以摆脱局部最大功率点可靠地追踪到全局功率最大点。由于加入了辐照度在线监测机制，本算法可以识别出辐照度的变化，并重启动GMPPT，迅速地追踪到新的GMPP。邻域自适应可调，大大加快了追踪的速度，并且减少了追踪过程中的功率振荡，降低了功率损失。更加精细的算法结束条件，使得对GMPP的追踪更加精准，提高了光伏系统的效率。
【IPC分类】G05F1/67
【公开号】CN105549677
【申请号】CN201610112363
【发明人】王丰, 范雨森, 朱田华, 卓放, 史书怀, 孙乐嘉
【申请人】西安交通大学
【公开日】2016年5月4日
【申请日】2016年2月29日