一种光伏系统多峰值最大功率跟踪方法及系统的制作方法
【专利摘要】本发明公开了一种光伏系统多峰值最大功率跟踪方法及系统，通过逐次迭代的方式，逐一更新光伏阵列的输出电压，进而获得输出功率，并将所获得的功率进行比较，确定每一粒子迭代后的粒子最大功率点对应工作电压，再比较粒子群中的所有粒子最大功率点功率，确定粒子群中的种群最大功率点对应的种群工作电压，从而确定了复杂情况下的多峰值最大功率点。由此可见，本发明公开的跟踪方法是在电压的工作区间上使用粒子进行量子行为搜索，避免了传统的MPPT算法全局寻优能力不强，容易使工作点陷入局部极值的情况发生。采用本方法和系统找寻的光伏系统中的最大功率点更准确，更符合实际。
【专利说明】
一种光伏系统多峰值最大功率跟踪方法及系统
技术领域
[0001] 本发明涉及光伏发电工程技术领域，特别是涉及一种光伏系统多峰值最大功率跟 踪方法及系统。
【背景技术】
[0002] 由于光伏阵列中存在部分阴影遮挡，灰尘积累，光伏电池输出特性差异等原因，光 伏阵列的输出特性曲线呈现多峰值功率特性，其最大功率跟踪问题成为光伏发电研究领域 的一个重要方向。目前来说，学术论文和发明专利公开的多峰值最大功率跟踪问题主要有 三种解决思路：（a)-种是通过电流补偿方法使部分阴影遮挡下的光伏阵列中各模块输出 状况相同，多峰值输出特性曲线变为单峰曲线，从而可沿用原来的单峰最大功率跟踪 (MPPT，Maximum Power Point Tracking)方法。但这种结构需要大量的电流平衡元件，实际 应用中成本过高；（b)-种是采用峰值预测技术对全局最优点的位置进行预测，使工作点先 定位于全局最大功率点附近，然后采用简单的单峰值最大功率跟踪技术如扰动观察法、增 量电导法等；（c)还有一种是直接采用适用于多峰值MPPT的寻优算法。主要又可分为两种类 别一一光伏特性曲线建模法和电压探测法:1)基于光伏特性曲线的建模法通过检测当前各 个电池的光照强度和温度，对输出特性进行建模从而预测最大功率点电压，这种方法能对 环境变化进行快速反应，但缺点是需要昂贵的光照及温度传感器。2)电压探测法通过给光 伏系统指定的输出电压获得反馈回来的输出功率，结合最优化算法来探测最大功率点。常 见的可应用于电压探测的算法有粒子群优化(Particle Swarm Optimization，PS0)算法； 斐波那契搜索法;模糊逻辑控制法等。以PSO为核心算法的多峰值最大功率跟踪方法需要调 节的权重参数比较多，进化后期收敛速度慢，精度较差且易于陷入局部极值点等不足。因 此，研究更有效的光伏发电多峰值最大功率跟踪方法具有重要的现实意义和工程应用价 值。
[0003] PS0算法是一种多极值函数全局优化的迭代搜索算法，通过模仿社会群体的知识 进化机制，在多维空间中不断搜索，从而找到求解区域的最优解或者次优解。在基于标准 PS0算法的光伏MPPT中，初始点是从0到开路电压范围的i个电压点。在第n+1次迭代时，粒子 i的速度和位置由下式来更新：
[0004] vi(n+l) = ω *vi(n)+cl*rl*[pbi-Xi(n) ]+c2*r2*[gb_Xi(n)]
[0005] xi(n+l) =Xi(n)+Vi(n)
[0006] 式中，n为迭代次数，变量ω是惯性权重，Vl(n)代表了粒子保持自身原来速度（即 惯性）的能力;Ph代表第i个种群中的历史最好位置，gb代表整个种群中的最好位置;cl和 c2为常数，可根据实际情况协调确定，rl和r2为[0，1]区间上的随机数;cl*rl用于调节粒子 靠近自身历史最好位置（即Ρ^_ Χι(η))的速度，c2*r2用于调节粒子靠近群体历史最好位置 (即gb-Xl(n))的速度。rl和r2为区间[0，1]上的两个随机数。
[0007] 现有的实现多峰值最大功率跟踪的方法中，电流补偿方法需要在各个光伏DC/DC 模块之间使用电流平衡元件，实际应用中成本过高。峰值预测方法是一种理论上的预测，在 实际应用中具有较大的不确定性，无法保证每次预测都能精确，故仍有可能陷入局部极值 点，造成功率损失。基于光伏特性曲线的建模法需要使用光照和温度传感器，而这些传感器 都价格不菲，故在实际应用中成本过高。PSO算法直接实现最大功率跟踪时，容易发生早熟 情况，过早地收敛于局部最优点，从而错失全局最优点，在光伏系统中会造成能量损失；另 外，PSO算法中的权重系数较多，系数的确定随机性较大，增加了实现的难度。
【发明内容】
[0008] 本发明的目的是提供一种光伏系统多峰值最大功率跟踪方法及系统，该跟踪方法 及系统能够解决传统MPPT算法全局搜索能力不强，易使工作点陷入局部极值的问题，本发 明的跟踪方法全局寻优能力更强，不会错失全局最优点。
[0009] 为实现上述目的，本发明提供了一种光伏系统多峰值最大功率跟踪方法，包括：
[0010] 在[0，V。。]上随机选取N个点，作为粒子电压Vi(n)，ie[l，2,……N]，n表示迭代次 数；
[0011] 使光伏阵列的输出参考电压Vre3f等于所述粒子电压Vdn)，待所述光伏系统稳定 后，测量所述光伏阵列的输出电流Iipv，输出电压Vi pv，计算粒子功率Pi(n);
[0012] 确定迭代n+1次的下一代粒子电压Vi(n+1)，Vi(n+l) e [0，VOC];
[0013] 确定与所述下一代粒子电压Vi(n+1)对应的下一代粒子功率Pi(n+1);
[0014] 比较所述粒子功率Pi(n)与所述下一代粒子功率Pi(n+1);确定粒子i的粒子最大功 率卩1卩6631;，？1卩663( = 11^沾(11)，？1(11+1))，并计算得到与所述粒子最大功率?_631;对应的粒子 工作电压Vipbest;
[0015] 比较粒子群中所有粒子的所述粒子最大功率Pipbest，确定所述粒子群中最大的种 群最大功率?8^1；，？81)(^=11^1(?^^1；)，：[6[1，2,......N]，并计算得到与所述种群最大功率 Pgbest对应的种群工作电压Vgbest;
[0016] 根据收敛条件确定光伏系统最大功率点对应的工作电压，即为系统的参考工作电 压VrafiVgbMt，所述收敛条件
，其中div为设定的功率误差值。
[0017] 可选的，所述在[0，V。。]上随机选取N个点之前包括：
[0018] 检测所述光伏阵列的开路电压V。。。
[0019] 可选的，所述下一代粒子
i其中，Vi(n+1) 为第n+1次迭代时的粒子电压Jdn)为第η次迭代时的粒子电压，u为（0，1)上的随机数，
，为迭代过程中粒子i当前的量子运动的势讲点，其中，:τι，Γ2为(0,1) 上的随机数，β为聚散因子，β<1.7。
[0020] 可选的，所述聚散因子β的动态调整策略为： ，β〇为聚 散因子的初始值。
[0021] 可选的，所述根据收敛条件确定光伏系统最大功率点电压后，还包括：
[0023] 如果是，则表示最大功率峰值情况发生变化，需要按照所述的光伏系统多峰值最 大功率跟踪方法重新进彳丁最大功率跟踪；
[0024] 如果否，则表示最大功率峰值情况未发生变化，不需要按照所述的光伏系统多峰 值最大功率跟踪方法重新进彳丁最大功率跟踪。
[0025] 本发明还公开了一种获取光伏系统多峰值最大功率点的系统，利用上述光伏系统 多峰值最大功率跟踪方法获取光伏系统多峰值最大功率点，所述系统包括：
[0026] 粒子电压获取单元，用于在[0，V。。]上随机选取N个点，作为粒子电压1(1〇，16[1， 2,......N]，η表示迭代次数；
[0027] 粒子功率获取单元，使光伏阵列的输出参考电压Vrrf等于所述粒子电压Vdn)，待 所述光伏系统稳定后，用于测量所述光伏阵列的输出电流I 1PV，输出电压V1PV，并计算获取粒 子功率Pi(n);
[0028] 迭代次数递增单元，用于增加迭代次数；
[0029] 下一代粒子电压获取单元，用于获取迭代n+1次的下一代粒子电压 1) e [0，V0c];
[0030] 下一代粒子功率获取单元，用于获取与所述下一代粒子电压vdn+l)对应的下一 代粒子功率Pi(n+1);
[0031] 粒子最大工作电压获取单元，用于比较所述粒子功率Pdn)与所述下一代粒子功 率卩1(]1+1);确定粒子;[的粒子最大功率?咖31；，？_ (^ = 11^沾(11)，？1(11+1))，并计算得到与 所述粒子最大功率Pipbest对应的粒子工作电压Vipbest;
[0032] 种群最大工作电压获取单元，用于比较粒子群中所有粒子的所述粒子最大功率 PiPbest，确定所述粒子群中最大的种群最大功率Pgbest，Pgb est = max(PiPbest)，ie[l，2,...... N]，并计算得到与所述种群最大功率Pgb(3St对应的种群工作电压Vgb(3St;
[0033] 光伏系统最大功率点电压获取单元，用于根据收敛条件确定光伏系统最大功率点对应 工作电压，即为系统的参考工作电压Vraf=Vgb(3St，所述收敛条饵
其中div为设定的功率误差值。
[0034] 根据本发明提供的具体实施例，本发明公开了以下技术效果:为了跟踪复杂情况 下的多峰值最大功率，本发明提出了一种基于全局搜索能力强的量子行为粒子群优化 (quantum-behaved particle swarm optimization，QPSO)算法的全局MPPT算法，本发明通 过逐次迭代的方式，逐一更新光伏阵列的输出电压，进而获得输出功率，并将所获得的功率 进行比较，确定每一粒子迭代后的粒子最大功率点对应工作电压，再比较粒子群中的所有 粒子最大功率点功率，确定粒子群中的种群最大功率点对应的种群工作电压，从而确定了 复杂情况下的多峰值最大功率点。由此可见，本发明公开的跟踪方法是在电压的工作区间 上使用粒子进行量子行为搜索，避免了传统的MPPT算法全局寻优能力不强，容易使工作点 陷入局部极值的情况发生。采用本方法和系统找寻的光伏系统中的最大功率点更准确，更 符合实际。
【附图说明】
[0035]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其他的附图。
[0036]图1为光伏阵列图；
[0037]图2为光伏阵列的功率-电压输出曲线图；
[0038]图3为本发明提供的光伏系统多峰值最大功率跟踪方法的流程图；
[0039] 图4为本发明提供的光伏系统多峰值最大功率跟踪方法的【具体实施方式】的流程 图；
[0040] 图5为光伏发电系统图；
[0041] 图6为光伏发电系统主电路图。
【具体实施方式】
[0042] 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实施例，而不是全部的实施例。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，都属于本发明保护的范围。
[0043] 在本领域中，单个光伏模块的输出电压和电流是有限的，为了得到需要的电压和 电流大小，多个光伏模块常常以串并联的形式连接成光伏阵列。如图1所示，在部分阴影遮 挡的情况下，为防止模块出现热斑问题，常在单个光伏模块两侧并联一个旁路二极管，同 时，每个串联支路还会串接一个阻塞二极管以防止模块受各串联阵列电位差的影响。在模 块受阴影遮挡严重时，旁路二极管将导通以防止该模块成为串联支路的负载。图1中，101为 被阴影遮挡部分，102为未被阴影遮挡部分，103为导通的旁路二极管，104为未导通的旁路 二极管，105为阻塞二极管。当光伏阵列的所有元件受光照一致时，光伏阵列的P-V特性曲线 只有一个极值点。然而，如图2所示，在部分阴影遮挡以及温度分布不均的条件下，由于旁路 二极管和阻塞二极管的存在，光伏阵列的功率-电压输出曲线将呈现多峰值特性。
[0044]为了跟踪上述复杂情况下的多峰值最大功率，如图3所示，本发明提供了一种光伏 系统多峰值最大功率跟踪方法，包括：
[0045] 步骤301:在[0，V。。]上随机选取N个点，作为粒子电压Vi(n)，i e [ 1，2，……N]，n表 示迭代次数；
[0046] 步骤302:使光伏阵列的输出参考电压Vrrf等于所述粒子电压Kn)，待所述光伏系 统稳定后，测量所述光伏阵列的输出电流Iipv，输出电压Vi pv，计算粒子功率Pi(n);
[0047] 步骤303:确定迭代n+1次的下一代粒子电压Vi(n+1)，Vi(n+1) e [0，Voc];
[0048] 步骤304:确定与所述下一代粒子电压Vi(n+1)对应的下一代粒子功率Pi(n+1);
[0049] 步骤305:比较所述粒子功率Pi(n)与所述下一代粒子功率Pi(n+1);确定粒子i的粒 子最大功率?10^1;，？_ (^ = 11^沾(11)，？1(11+1))，并计算得到与所述粒子最大功率?^^1;对 应的粒子工作电压Vipbest;
[0050] 步骤306:比较粒子群中所有粒子的所述粒子最大功率Pipbest，确定所述粒子群中 最大的种群最大功率Pgbest，Pgbest=max(PiPb est)，i e [ 1，2，......N]，并计算得到与所述种群 最大功率Pgbest对应的种群工作电压Vgbest;
[0051] 步骤307:根据收敛条件确定光伏系统最大功率点对应工作电压，即为系统的参考 工作电压Vraf = VgbMt，所述收敛条件为其中di V为设定的功率误 差值。
[0052] 本发明通过逐次迭代的方式，逐一更新光伏阵列的输出电压，进而获得输出功率， 并将所获得的功率进行比较，确定每一粒子迭代后的粒子最大功率点对应工作电压，再比 较粒子群中的所有粒子最大功率点功率，确定粒子群中的种群最大功率点对应的种群工作 电压，从而确定了复杂情况下的多峰值最大功率点。由此可见，本发明公开的跟踪方法是在 电压的工作区间上使用粒子进行量子行为搜索，避免了传统的MPPT算法全局寻优能力不 强，容易使工作点陷入局部极值的情况发生。采用本方法和系统找寻的光伏系统中的最大 功率点更准确，更符合实际。
[0053] 作为一种可选的实施方式，在[0，V。。]上随机选取N个点之前包括：
[0054]检测光伏阵列的开路电压V。。。
[0055]作为一种可选的实施方式，下一代粒子电压：
[0057]其中，Vdn+l)为第n+1次迭代时的粒子电压,Κη)为第η次迭代时的粒子电压，u为 (〇，1)上的随机数，每次计算都选取新的随机数：
，Pl为迭代过程中粒 子i当前的量子运动的势阱点，^^为(〇，1)上的随机数，0为聚散因子，0<1.7。
[0058] 因为，聚散因子β的大小关系到粒子电压的搜索范围大小，是一个值小于1.7的动 态调整参数。β越大，全局性能越好，β越小，收敛速度越快。在迭代初期，希望粒子有较大的 搜索空间，不因曲线的复杂特性而错失全局最大功率点;在迭代后期，希望粒子在全局最大 功率点附近精细搜索，精确地寻找到最大的功率点；因此，本实施方式中还公开了一种聚散 因子调整策略，所述聚散因子β的动态调整策略为：
，β〇为聚散 因子的初始值。通过该调整策略来适当控制全局搜索的范围，以便将快捷，准确的找寻到最 大功率点。
[0059] 稳态时，由于光伏阵列的输出电压受参考量为Vrrf的电压闭环控制，若负载不发生 变化，功率不会出现较大改变。当阴影遮挡情况和温度发生较大改变，输出P-V特性曲线将 因此变化，工作点的功率也将发生较大变化。此时全局最大功率点可能发生改变，控制系统 需要再次初始化，重新进行最大功率跟踪。为了能够在任何情况下都能得到准确的最大功 率点，需要实时测量V ipv，Iipv，计算Pipv，并在根据收敛条件确定光伏系统最大功率点电压 后：
是否大于预设阈值，得到判断结果；
[0060] 如果是，则表示最大功率点工作情况发生变化；需要按照所述的光伏系统多峰值 最大功率跟踪方法重新进彳丁最大功率跟踪；
[0061] 如果否，则表示最大功率点工作情况未发生变化，不需要按照所述的光伏系统多 峰值最大功率跟踪方法重新进彳丁最大功率跟踪。
[0062] 本发明提供的光伏系统多峰值最大功率跟踪方法的粒子种群搜索进化的过程是 个体的最优点Vipb(3St向群体的最优点V gbe3St学习的过程，随着迭代的进行，所有粒子的历史最 优点Vipbest将与群体历史最优点V gbest相同。若所有粒子搜索到的最大功率值Pipbest已经十分 接近，说明粒子曾搜索到的局部最优点已经被舍去，被全局最优点取代。此时，认为已经找 到了光伏系统的全局最大功率点。
[0063]如图4所示，本发明的一个具体的实施方式为：
[0064] 采用Buck-Boost电路，通过数字信号处理器输出驱动信号控制Buck-Boost电路的 开关Τι和T2,即可改变Buck-Boost电路的输入电压Vpv，从而改变光伏阵列的输出功率Ppv，使 其稳定在最大功率点。
[0065]光伏发电QPS0-MPPT控制系统就是通过不断采样光伏阵列输出的电流IPV和电压 Vpv，计算出该工作点电压VPV对应的输出功率Ppv = Vpv*Ipv，进而通过QPS0-MPPT算法不断迭 代寻优，就能寻找到使得输出功率最大的工作点电压。
[0066]本发明的QPS0-MPPT算法的具体寻优过程包括：
[0067]步骤401:初始化Vi (η)，获得对应的Pi (η)。
[0068] 检测开路电压V。。，在[0，ν。。]上随机选取Ν个点，作为Ν个粒子的初始电压Vi(n)，ie [1,2,……N]，η为迭代次数，属于正整数;依次使光伏阵列的输出电压参考值Vrrf等于粒子 电压Vi(n)，待系统工作电压稳定后，测量I ipv，Vipv，计算N个粒子对应的功率值Pi(n);
[0069] 步骤402:确定初始ViPbest和Vgbest，i e [ 1，2，……N]。
[0070] 对每一个粒子，有一个使得对应功率Pi(n)最大的历史最好点Pipbe3St，其对应的电 压记作v ipbest，种群所有粒子中功率最大的历史最好点Pgbest对应的电压记作￥#^。
[0071] 步骤403:根据下式计算更新下一代粒子的电压值1(11+1)，1(11+1)已[0，￥。。];
[0073] 其中：Vi(n+1)为第n+1次迭代时粒子i的电压，Vi(n)对应第η次迭代时粒子i的电 压，u为(0，1)上的随机数。
[0075] Pl为迭代过程中粒子i当前的量子运动的势阱点，rl、r2为(0，1)上的随机数。
[0076] β为聚散因子，β的大小关系到粒子Vi的搜索范围大小，是一个值小于1.7的动态调 整参数。β越大，全局性能越好，β越小，收敛速度越快。在迭代初期，希望粒子有较大的搜索 空间，不因曲线的复杂特性而错失全局最大功率点;在迭代后期，希望粒子在全局最大功率 点附近精细搜索，精确地寻找到最大的功率点。因此，提出了一种聚散因子调整策略，如下 式：
[0078] 步骤404:更新Vipbest和Vgbest，i e [ 1，2，……N]。
[0079] 每次更新粒子电压Vi获得相应功率Pi后，更新粒子群体的Vipb(3S4PVgbe3St:将其与以 往的V ipbe3St和Vgb(3St对应的功率进行比较，若大于之，则此次电压更新为新的Vipbe3SdPV gbe3St， 否则，则保留原来的Vipbest和Vgbest。
[0080] 步骤405:考虑到实际系统中的测量误差，本发明设置了一种迭代终止策略，即 QPS0-MPPT搜索运行的收敛条件：
[0082] div为设定的功率误差值，取0.01。判断是否满足收敛条件，如果满足收敛条件，则 认为已经找到最大功率点，令Vref = Vgbest，停止迭代。若不满足，则重复以上步骤，继续寻优。
[0083] 步骤406:稳态时，由于光伏阵列的输出电压受参考量为Vrrf的电压闭环控制，若负 载不发生变化，功率不会出现较大改变。当阴影遮挡情况和温度发生较大改变，输出ρ-v特 性曲线将因此变化，工作点的功率也将发生较大变化。此时全局最大功率点可能发生改变， 控制系统需要再次初始化，重新进行MPPT。实时测量V 1PV，I1PV，计算Ριρν，根据下式判断环境 是否改变，若改变，重启算法，重复以上流程。
[0085] 综上所述，粒子种群搜索进化的过程是个体i的最优点Vipbest向群体的最优点Vgbest 学习的过程。随着迭代的进行，所有粒子的历史最优点Vpbe3St将与群体历史最优点相同。若所 有粒子搜索到的最大功率值P ipbest已经十分接近，说明粒子曾搜索到的局部最优点已经被 舍去，被全局最优点取代。此时，认为已经找到了光伏系统的全局最大功率点。
[0086] 本发明还公开了一种获取光伏系统多峰值最大功率点的系统，利用上述光伏系统 多峰值最大功率跟踪方法获取光伏系统多峰值最大功率点，所述系统包括：
[0087] 粒子电压获取单元，用于在[0，V。。]上随机选取N个点，作为粒子电压1(1〇，16[1， 2,......N]，η表示迭代次数；
[0088] 粒子功率获取单元，使光伏阵列的输出电压参考电压Vre3f等于所述粒子电压Vi (η)，待所述光伏系统稳定后，用于测量所述光伏阵列的输出电流I1PV，输出电压V1PV，并计算 获取粒子功率Pi (η);
[0089] 迭代次数递增单元，用于增加迭代次数；
[0090] 下一代粒子电压获取单元，用于获取迭代η+1次的下一代粒子电压 1) e [0，V0c];
[0091] 下一代粒子功率获取单元，用于获取与所述下一代粒子电压Vdn+l)对应的下一 代粒子功率Pi(n+1);
[0092] 粒子工作电压获取单元，用于比较所述粒子功率Pjn)与所述下一代粒子功率?"!！ + 1);确定粒子i的粒子最大功率Pipbest，Pipbest=max(Pi(n)，Pi(n+1))，并计算得到与所述粒 子最大功率Pipbest对应的粒子工作电压Vipbest;
[0093] 种群工作电压获取单元，用于比较粒子群中所有粒子的所述粒子最大功率Pipbest， 确定所述粒子群中最大的种群最大功率Pgbest，Pgbest = max(PiPbest)，ie [1，2,......N]，并计 算得到与所述种群最大功率Pgbest对应的种群工作电压Vgb(3St;
[0094] 光伏系统最大功率点电压获取单元，用于根据收敛条件确定光伏系统最大功率点对应 工作电压，即为系统的参考工作电压Vrcf=V gb(3St，所述收敛条件为
其中div为设定的功率误差值。
[0095] 该系统通过迭代次数递增单元逐次迭代的方式，逐一更新光伏阵列的输出电压， 进而获得输出功率，并将所获得的功率进行比较确定每一粒子的粒子电压，再比较粒子群 中的所有粒子最大功率点对应粒子工作电压，确定粒子群中的种群最大功率点对应种群工 作电压，从而确定了复杂情况下的多峰值最大功率点。由此可见，本发明公开的跟踪方法是 在电压的工作区间上使用粒子进行量子行为搜索，避免了传统的MPPT算法全局寻优能力不 强，容易使工作点陷入局部极值的情况发生。采用本系统找寻的光伏系统中的最大功率点 更准确，更符合实际。
[0096] 本发明可用如图5所示的光伏发电系统来实现，该光伏发电系统包括光伏阵列与 直流变换器相连的主电路，数字信号处理器DSP(Digital Signal Processor，DSP)为核心 的控制电路和负载组成。具体实施过程为:DSP获得采样时刻光伏阵列的输出电压Vpv和电流 工1^后，经过光伏系统多峰值最大功率跟踪方法寻找确定使光伏阵列输出功率最大的参考电 压V ref，经比例积分控制器控制，脉宽调制调节直流变换器的占空比，从而使直流变换器的 输入电压稳定在最大功率点对应的参考电压值，即光伏阵列的输出功率稳定在最大功率 点。其中，光伏发电系统主电路图如图6所示，本发明实现采用的直流变换器为Buck-Boost (降压-升压)变换器。该变换器也可以是单独的Buck(降压)变换器、Boost(升压)变换器或 其他DC/DC拓扑。其中，本发明的光伏系统多峰值最大功率跟踪方法由DSP芯片来实现。
[0097] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他 实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统 而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说 明即可。
[0098] 本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说 明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据 本发明的思想，在【具体实施方式】及应用范围上均会有改变之处。综上所述，本说明书内容不 应理解为对本发明的限制。
【主权项】
1. 一种光伏系统多峰值最大功率跟踪方法，其特征在于，包括： 在[0，V。。]上随机选取N个点，作为粒子电压Vi(n)，i e [ 1，2，……N]，η表示迭代次数； 使光伏阵列的输出参考电压Vraf等于所述粒子电压VKn)，待所述光伏系统稳定后，测量 所述光伏阵列的输出电流Iipv，输出电压Vi pv，计算粒子功率Pi(n); 确定迭代n+1次的下一代粒子电压Vi(n+1)，Vi(n+l) e [〇，VOC]; 确定与所述下一代粒子电压Vi(n+1)对应的下一代粒子功率Pi(n+1); 比较所述粒子功率Pi (η)与所述下一代粒子功率Pi (n+1);确定粒子i的粒子最大功率 Pipbest，Pipbest=max(Pi(n)，Pi(n+l))，并计算得到与所述粒子最大功率Pipbest对应的粒子工 作电压Vipbest; 比较粒子群中所有粒子的所述粒子最大功率piPbest，确定所述粒子群中最大的种群最 大功率Pgbest，Pgbest=max(Pipbest)，ie [1，2,......N]，并计算得到与所述种群最大功率Pgbest 对应的种群工作电压Vgb(3St; 根据收敛条件确定光伏系统最大功率点对应工作电压，即为系统的参考工作电压Vrrf iVgbest，所述收敛条件戈其中div为设定的功率误差值。2. 根据权利要求1所述的光伏系统多峰值最大功率跟踪方法，其特征在于，所述在[0， V。。]上随机选取N个点之前包括： 检测所述光伏阵列的开路电压V。。。3. 根据权利要求1所述的光伏系统多峰值最大功率跟踪方法，其特征在于，所述下一代 粒子电β其中，Vdn+l)为第n+1次迭代时的粒子电压， Vdn)为第η次迭代时的粒子电压，u为(0，1)上的随机数，为迭代过 程中粒子i当前的量子运动的势阱点，其中，^，^为(0,1)上的随机数，β为聚散因子，β< 1.7。4. 根据权利要求1所述的光伏系统多峰值最大功率跟踪方法，其特征在于，所述聚散因 子邱勺动态调整策略为：，β〇为聚散因子的初始值。5. 根据权利要求1所述的光伏系统多峰值最大功率跟踪方法，其特征在于，所述根据收 敛条件确定光伏系统最大功率点电压后，还包括： 判断是否大于预设阈值； ? gbest 如果是，则表示最大功率峰值情况发生变化，需要按照所述的光伏系统多峰值最大功 率跟踪方法重新进彳T最大功率跟踪； 如果否，则表示最大功率峰值情况未发生变化，不需要按照所述的光伏系统多峰值最 大功率跟踪方法重新进彳T最大功率跟踪。6. -种获取光伏系统多峰值最大功率点的系统，其特征在于，所述系统包括： 粒子电压获取单元，用于在[0，v。。]上随机选取N个点，作为粒子电压Vi(n)，ie[l， 2,......N]，η表示迭代次数； 粒子功率获取单元，使光伏阵列的输出参考电压Vrrf等于所述粒子电压VKn)，待所述光 伏系统稳定后，用于测量所述光伏阵列的输出电流I1PV，输出电压Vipv，并计算获取粒子功率 Pi(n)； 迭代次数递增单元，用于增加迭代次数； 下一代粒子电压获取单元，用于获取迭代n+1次的下一代粒子电压Vdn+lhVdn+De [0,V〇c]； 下一代粒子功率获取单元，用于获取与所述下一代粒子电压Kn+l)对应的下一代粒子 功率Pi(n+1); 粒子最大工作电压获取单元，用于比较所述粒子功率PKn)与所述下一代粒子功率?"!！ + 1);确定粒子1的粒子最大功率?1卩-1:，？_(^ = 11^1(?1(11)，？1(11+1))，并计算得到与所述粒 子最大功率Pipbest对应的粒子工作电压Vipbest; 种群最大工作电压获取单元，用于比较粒子群中所有粒子的所述粒子最大功率Pipb(3St， 确定所述粒子群中最大的种群最大功率Pgbest，Pgbest = max(Pipbest)，ie [1，2,......N]，并计 算得到与所述种群最大功率Pgbest对应的种群工作电压Vgb(3St; 光伏系统最大功率点电压获取单元，用于根据收敛条件确定光伏系统最大功率点对应工作 电压，即为系统的参考工作电压Vrcf=Vgb(3St，所述收敛条件为其中 div为设定的功率误差值。
【文档编号】G05F1/67GK105867514SQ201610236974
【公开日】2016年8月17日
【申请日】2016年4月15日
【发明人】李玉玲, 王蒙, 王一蒙, 陈予吒
【申请人】浙江大学