光伏最大功率控制系统和方法与流程

本发明涉及太阳能光伏发电技术领域，尤其设计一种光伏最大功率控制系统和方法。

背景技术：

化石能源的逐渐枯竭以及环境问题的日益突出，以风光为代表的的新能源发电技术逐渐成为各国研究的重点。而光伏发电以其无污染、安装方便、可再生等优点，更是得到研究人员的重视。最大功率跟踪技术是光伏研究的关键技术之一，该技术可以最大限度利用太阳能进行发电，提高发电效率，有利于光伏发电工程的推广与应用，缓解能源枯竭与环境污染问题。光伏阵列处于均匀光照条件下，此时传统跟踪方法如扰动观察法、电导增量法可以很好地追踪到最大功率点，而实际情况中，光伏阵列易受到建筑物、云彩、树木等遮挡而造成光伏板输出功率呈现多峰特性，传统跟踪方法容易陷入局部最优点，造成能量的损失，因此研究局部阴影条件下光伏阵列最大功率点跟踪技术已成为光伏产业发展的关键技术之一。

针对局部阴影下光伏阵列最大功率跟踪技术主要分为两大类：一类是基于阵列结构的硬件控制方法，可以改变传统系统结构增加阵列对局部阴影的免疫能力，这类方法因为硬件的增加成本较高；另一类是基于现代控制理论的智能全局最大功率跟踪控制方法，但是现有技术的最大功率跟踪方法随机物理量较多，容易陷入局部最优点，造成输出功率震荡等问题。

技术实现要素：

为克服上述技术的不足，本发明提供一种光伏最大功率控制系统和方法，采用改进的细菌觅食法与扰动观察法复合控制方法，无论光伏阵列处于均匀光照条件下还是有遮挡情况下，都可以快速准确地寻找到最大功率点，可以解决现有技术随机物理量较多、容易陷入局部最优点、追踪精度不高技术问题。

本发明的目的通过以下技术方案实现：

根据本发明的一个方面，提出了一种光伏最大功率控制方法，该方法包括：

步骤1，建立光伏阵列模型，将光伏电池进行串并联后，形成一定规模的光伏阵列，实时监测光伏阵列的输出电流与输出电压，并判断是否外界环境发生变化或有遮挡产生；

步骤2，当判断出外界环境发生变化以及产生遮挡时，以光伏阵列的实时输出功率作为目标函数，利用改进的细菌觅食优化法，对光伏阵列最大功率点的电压进行跟踪；

步骤3，当细菌觅食优化法满足终止条件，输出此时的电压，将追踪到的电压与实际电压经过模糊pi控制器进行比较，输出到脉冲发生器，产生pwm信号使光伏阵列运行在最大功率点；

步骤4，当判断出外界环境没有发生变化以及遮挡时，则采用变步长扰动观察法进行最大功率跟踪，将追踪到的电压输出到脉冲发生器，产生pwm信号使光伏阵列运行在最大功率点。

根据本发明的一个方面，所述步骤1中判断是否外界环境发生变化或有遮挡产生的依据为：

其中，δu和δi分别为电压修正量和电流修正量，δuset和δiset分别为电压设定修正量和电流设定修正量，u(n)和i(n)分别为第n个极值点所对应的电压和电流，u(n-1)和i(n-1)分别为第n-1个极值点所对应的电压和电流，当电压修正量大于电压设定修正量或电流修正量大于电流设定修正量时，认为发生变化或有阴影遮挡。

根据本发明的一个方面，所述步骤2中改进的细菌觅食优化法包括：

步骤202-1，初始化算法各参数，包括种群大小s，趋化次数nc、复制次数nrc、驱散次数ned、驱散概率pin以及细菌初始游动步长cin，以光伏阵列的输出电压u作为细菌的个体位置并随机初始化种群；

步骤202-2，采集电流和电压，计算各个细菌适应度值，即输出功率；其中

adaptfunc＝u(1)*u(2)

其中，u(1)为采集电流，u(2)为采集电压

步骤202-3，驱散循环，若驱散次数l＜ned,则执行步骤202-4，否则输出迭代结果；

步骤202-4，复制循环，若复制次数k＜nrc，执行步骤202-5，否则转到步骤202-9；

步骤202-5，趋化循环，若趋化次数j＜nc，继续进行趋化操作，否则跳转步骤202-7；

步骤202-6，趋化次数j＝j+1，然后跳转到步骤202-5；

步骤202-7，执行复制操作，将趋化完后的的适应度值即输出功率进行降序排列，适应度值较差的s/2淘汰，适应度值较好的s/2细菌进行繁殖，保持种群的一定，s/2为种群的大小；

步骤202-8，复制次数k＝k+1，然后执行步骤202-4；

步骤202-9，进行驱散操作；

步骤202-10，驱散次数l＝l+1，然后执行步骤202-3。

根据本发明的一个方面，所述步骤3中，细菌觅食优化法终止条件为粒子之间最大电压之差小于5‰uoc，此时认为系统已经追踪到系统最大功率点，停止迭代，输出最大功率点对应的电压。

根据本发明的一个方面，模糊pi控制器以电压的偏差e以及偏差变化率ec为输入，其输出为pi参数的调整量δkp和δki，，并与控制器的基本参数相加从而对系统进行调节，kp,ki分别是调整后的量，公式如下：

根据本发明的一个方面，提出了一种光伏最大功率控制系统，所述系统包括boost电路、mppt控制器以及脉冲发生器；其中所述mppt控制器通过不断采样光伏阵列的输出电流i与输出电压u，通过对外界所处环境的判断，选择不同的mppt控制方法使光伏系统稳定在最大功率点；mppt控制器将获得的对应于最大功率点的电压发送至脉冲发生器，脉冲发生器产生pwm信号至最大功率控制主电路，从而使光伏阵列运行在最大功率点。

根据本发明的一个方面，所述mppt控制器判断获取的电流i和/或电压u是否满足外界环境发生变化或有遮挡产生的预定条件，若满足，则利用细菌觅食优化法进行最大功率点跟踪，否则使用变步长扰动观察法进行最大功率点跟踪。

与现有技术相比，本发明具有以下优点：

1本发明一种基于细菌觅食优化算法的光伏最大功率跟踪方法，采用改进的细菌觅食优化算法与扰动观察法复合控制方法进行局部阴影下的多峰寻优，收敛速度很快，可以有效跳出局部最优点，能够准确精准地跟踪到系统最大功率点。

2本发明在功率追踪过程中设置终止条件，可以避免因迭代次数过多造成功率震荡问题，并且通过相应条件判断是否发生遮挡现象，而选择细菌觅食算法或者扰动观察法进行跟踪，可以在阴影发生变化时与均匀光照条件下可以快速有效重新追踪到最大功率点。

附图说明

图1为根据本发明一个实施例的光伏最大功率控制系统的结构示意图；

图2为根据本发明一个实施例的光伏最大功率控制方法的流程图；

图3为根据本发明一个实施例的光伏阵列的结构示意图；

图4为局部阴影下光伏阵列的p-u特性曲线；

图5为局部阴影下光伏阵列的i-u特性曲线；

图6为根据本发明一个实施例的细菌觅食优化法的流程图；

图7为根据本发明一个实施例的变步长扰动观察法的控制流程图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员可以更好地理解本发明。

图1为本发明实施例中光伏最大功率控制系统的结构示意图。

由图1可以看出本发明采用boost电路1为最大功率控制主电路。

由图1所示，mppt控制器2通过不断采样光伏阵列的输出电流i与输出电压u，通过对外界所处环境的判断，选择不同的mppt控制方法使光伏系统稳定在最大功率点。

mppt控制器2判断获取的电流i和/或电压u是否满足外界环境发生变化或有遮挡产生的预定条件，若满足，则利用细菌觅食优化法进行最大功率点跟踪，否则使用变步长扰动观察法进行最大功率点跟踪。

mppt控制器2将获得的对应于最大功率点的电压发送至脉冲发生器3，脉冲发生器3产生pwm信号至最大功率控制主电路1，从而使光伏阵列运行在最大功率点。

图2为根据本发明一个实施例的基于图1所示控制系统的光伏最大功率控制方法的步骤流程图。参见图2，所示光伏最大功率控制方法包括如下步骤。

步骤201，建立光伏阵列模型，将光伏电池进行串并联后，形成一定规模的光伏阵列。实时监测光伏阵列的输出电流与输出电压，并判断是否外界环境发生变化或有遮挡产生。

根据本发明一个实施例，光伏阵列为3*3矩阵，如图3所示。本发明实施例中光伏阵列阴影遮挡表示为将每一串联支路的2块光伏电池进行遮挡，得到遮挡下光伏阵列的p-u和i-v输出特性曲线。分别如图4和图5所示。

具体的在步骤201中判断外界环境是否发生变化或者有阴影遮挡情况发生的依据为：

其中，δu和δi分别为电压修正量和电流修正量，δuset和δiset分别为电压设定修正量和电流设定修正量，u(n)和i(n)分别为第n个极值点所对应的电压和电流，u(n-1)和i(n-1)分别为第n-1个极值点所对应的电压和电流。当电压修正量大于电压设定修正量或电流修正量大于电流设定修正量时，认为发生变化或有阴影遮挡。

步骤202，以光伏阵列的实时输出功率作为目标函数，利用改进的细菌觅食优化法，对光伏阵列最大功率点的电压进行跟踪。

具体地，在步骤202中，利用改进的细菌觅食优化法进行光伏阵列最大功率点跟踪。在本发明中，细菌觅食优化流程图如图6所示，具体步骤为：

步骤202-1，初始化算法各参数，包括种群大小s，趋化次数nc、复制次数nrc、驱散次数ned、驱散概率pin以及细菌初始游动步长cin，以光伏阵列的输出电压u作为细菌的个体位置并随机初始化种群；

其中，在阴影条件下，对于m个串联模块的光伏阵列，最多存在m个最大功率峰值点，因此细菌种群大小的设置为光伏阵列串联模块数m。图3所示的光伏阵列结构示意图，图中光伏阵列串联模块数为5，相应的，细菌个数可以设置为5。

步骤202-2，采集电流和电压，计算各个细菌适应度值，即输出功率；其中

adaptfunc＝u(1)*u(2)

其中，u(1)为采集电流，u(2)为采集电压

步骤202-3，驱散循环，若驱散次数l＜ned,则执行步骤202-4，否则输出迭代结果；

步骤202-4，复制循环，若复制次数k＜nrc，执行步骤202-5，否则转到步骤202-9；

步骤202-5，趋化循环，若趋化次数j＜nc，继续进行趋化操作，否则跳转步骤202-7；

细菌每次操作完成后，若p(i)＜p(i+1)，细菌则保持方向不变继续游动，否则执行步骤202-6；

其中，趋化操作为：

其中，k表示迭代次数；w是惯性权重；c1和c2分别是该方法的自学习因子和社会学习因子；r1和r2表示[0,1]之间的随机数。

进一步地，通过下式更新个体最优值：

其中，f(x)为适应度函数，所述适应度函数为输出功率，为第k次循环第i个细菌的个体最优值。

进一步地，通过下式更新全局最优值：

gbest＝max{f(pbest)，f(pbest2)，...，f(pbest3)}

步骤202-6，趋化次数j＝j+1，然后跳转到步骤202-5；

步骤202-7，执行复制操作，将趋化完后的的适应度值(输出功率)进行降序排列，适应度值较差的s/2淘汰，适应度值较好的s/2细菌进行繁殖，保持种群的一定，s/2为种群的大小。复制操作由下式执行：

[fitval_current,x]＝reproduction(fitval_current,x,s)

含义是根据适用度值的大小进行排序操作。

步骤202-8复制次数k＝k+1，然后执行步骤202-4；

步骤202-9进行驱散操作，驱散概率可以由下式获得:

其中，ped为改进后细菌驱散概率；fmax是本次驱散过程中细菌的最大适应度；fi为每个细菌的适应度；fmin为本次驱散过程细菌的最小适应度；pin为初始驱散概率。

进一步地，驱散操作由下式执行：

if(rand(0,1)<ped)

含义是判断在0到1之间的随机数是否小于改进后细菌的驱散概率。

步骤202-10，驱散次数l＝l+1，然后执行步骤202-3；

步骤203，当细菌觅食优化法满足终止条件，输出此时的电压，将追踪到的电压与实际电压经过模糊pi控制器进行比较，输出到脉冲发生器3，产生pwm信号使光伏阵列运行在最大功率点。

其中细菌觅食优化法终止条件为粒子之间最大电压之差小于5‰uoc，此时认为系统已经追踪到系统最大功率点，停止迭代，输出最大功率点对应的电压。

模糊pi控制器以电压的偏差e以及偏差变化率ec为输入，其输出为pi参数的调整量δkp和δki，，并与控制器的基本参数相加从而对系统进行调节，kp,ki分别是调整后的量，公式如下：

模糊控制表如下表所示，每组2个控制方式，从左向右依次为参数kp、ki的模糊控制方式：

步骤204，当判断出外界环境没有发生变化以及遮挡时，则采用变步长扰动观察法进行最大功率跟踪。变步长扰动观察法控制流程图如图7所示。

其中，变步长公式可由下式给出：

其中，uref(k)为本采样时刻的扰动步长，uref(k-1)为上一采样时刻的扰动步长，m为灵活因子，dp是pk减p(k-1)的差，变步长扰动观察法输出至pwm是直接占空比。

综上所述，本发明采用一种采用改进的细菌觅食优化法与变步长扰动观察法的复合控制方法，在任何外界环境下都可以快速有效地追踪到光伏阵列最大功率点，从而对光伏阵列进行功率控制。

上述实施例对本发明的原理及实施方案进行说明，只是用于帮助理解本发明的方法及其核心思想，而非用于限制本发明，任何本领域技术人员均可在不违背本发明的精神和范围下，对上述实例进行修饰与改变。