光伏发电系统及其控制方法与流程

本发明涉及光伏发电，尤其是指一种光伏发电系统及其控制方法。

背景技术：

1、光伏发电被认为是当前世界上最具有发展前景的新能源技术，各国均投入巨额资金竞相研究开发，并积极推进产业化进程，大力开拓市场应用。光伏并网系统中最广泛使用的光伏并网结构是传统的串联型集中式并网结构。该结构的缺点是无法对每块光伏板单独进行最大功率点跟踪(max power point tracking，mppt)，在实际使用过程中，经常会受到周围环境(天空乌云、树木、高层建筑、灰尘)的影响而造成光伏阵列光照强度不均匀，产生局部遮挡问题，导致功率的损失。为了挽回组件的功率损失，模块级功率电子器件(module-level power electronics，mlpe)技术应运而生，mlpe包括微型逆变器和光伏功率优化器，光伏功率优化器是一款用于光伏系统中光伏组件后级的dc/dc转换电源，通过不断跟踪每个光伏组件的最大功率点来提高光伏系统的发电量。

2、现有技术中通常使用光伏功率优化器配合传统逆变器系统，但是由于传统的串联型光伏并网系统中mppt是由后级逆变器完成的，即母线电压是在逆变器的mpp(maximumpower point，最大功率点)范围内变动，但逆变器厂商的核心mppt方案千差万别，母线电压变动后，假如光伏功率优化器未能及时追踪到mpp，会导致逆变器对当前工作点的判断出现问题，干扰后级逆变器工作。这就需要光伏功率优化器具备足够快的mpp追踪速度以维持后级逆变器正常的进行mppt，即光伏发电系统需要较高的响应速度。

技术实现思路

1、为了解决现有技术的不足，本发明的目的在于提供一种响应速度较快的光伏发电系统及其控制方法。

2、为实现上述目的，本发明采用如下的技术方案：

3、一种光伏发电系统的控制方法，包括：

4、光伏功率优化器运行增量导电法对组件进行最大功率点追踪，光伏逆变器运行其自身mppt算法，对整个组串进行最大功率点追踪；

5、以采样周期ts获取光伏功率优化器的第一电气数据，以采样周期ts获取光伏逆变器的第二电气数据；

6、根据第一电气数据和第二电气数据获取数据数组；

7、根据数据数组获取数据样本，从数据样本中抽取若干不同环境下的数据数组进行聚类分析获取pv特性曲线簇并获取pv特性曲线簇中每个pv特性曲线的最大功率点其中h为pv特性曲线簇中包含的pv特性曲线的数量，为最大功率点对应的输入电压，为最大功率点对应的输入电流，为最大功率点对应的输入功率；

8、建立网络模型并基于pv特性曲线簇对网络模型进行模型训练直至网络模型收敛；

9、将网络模型进行量化压缩获取模型参数，将模型参数传输至光伏功率优化器；

10、根据模型参数运行基于深度强化学习的mppt算法获取电压调节值以调节光伏功率优化器的输入电压值至最佳电压值并稳定在最佳电压值。

11、进一步地，根据数据数组获取数据样本包括：

12、判断数据数组是否包括不同环境下的运行状态；

13、若数据数组包括不同环境下的运行状态，根据数据数组获取数据样本。

14、进一步地，所述第一电气数据包括所述光伏功率优化器的输入端电压ui_in、输入端电流ii_in和输出端电压ui_out，所述第二电气数据包括所述光伏逆变器的输入端电压ubus和输入端电流ibus。

15、进一步地，数据数组为：

16、

17、其中xk为第k组数据数组，n为光伏功率优化器的数量，为第k组数据数组中第一个光伏功率优化器的输入端电压，为第k组数据数组中第一个光伏功率优化器的输入端电流，第k组数据数组中第一个光伏功率优化器的输出端电压。

18、进一步地，数据样本为：

19、

20、其中为数据样本，m为数据样本中数据数组的数量。

21、进一步地，建立网络模型并基于pv特性曲线簇对网络模型进行模型训练直至网络模型收敛包括：

22、建立网络模型；

23、根据pv特性曲线簇获取光伏功率优化器的工作状态state＝(uin，iin，uout)和策略aciton＝[δu1，δu2，…，δul，…，δu13]，其中δu表示当前状态下光伏功率优化器电压的调节值；构建奖励函数其中a、b为系数，pin＝uiniin为光伏组件当前状态下的输出功率，p′in为采取训练动作行为aciton后光伏组件的预测输出功率，预测输出功率由pv特性曲线、光伏功率优化器输入端电压uin和训练动作行为aciton＝δu共同确定，根据策略对网络模型进行训练直至网络模型与奖励函数匹配。

24、进一步地，将网络模型进行量化压缩获取模型参数，将模型参数传输至光伏功率优化器包括：

25、根据tiny ml算法对网络模型进行量化压缩获取模型参数；

26、将模型参数通过ota的方式传输至光伏功率优化器。

27、进一步地，根据模型参数运行基于深度强化学习的mppt算法获取电压调节值以调节光伏功率优化器的输入电压值至最佳电压值包括：

28、获取光伏功率优化器的输入电流、输入电压和输出电压并形成工作状态state＝uin，iin，uout)，其中uin为光伏功率优化器的输入电压，iin为光伏功率优化器的输入电流，uout为光伏功率优化器的输出电压；

29、根据模型参数获取基于深度强化学习的mppt算法，根据工作状态state利用基于深度强化学习的mppt算法获取调整策略action＝δu，其中δu为电压调节值，当光伏功率优化器处于最佳电压值时，δu＝0；

30、根据调整策略action调整光伏功率优化器的输入电压至最佳电压值，其中输入电压u‘in＝uin+δu。

31、本技术还提供一种光伏发电系统，包括：

32、光伏阵列和光伏逆变器，光伏阵列包括若干相互串联的光伏组件和电连接至光伏组件的光伏功率优化器，光伏逆变器电连接至光伏阵列的输出端；

33、进一步地，光伏发电系统还包括电连接至光伏功率优化器的第一数据采集模块，通信连接至第一数据采集模块和光伏功率优化器的处理单元，及电连接至光伏逆变器的第二数据采集模块，第一数据采集模块用于获取光伏功率优化器的第一电气数据，第二数据采集模块用于获取光伏逆变器的第二电气数据；光伏发电系统还包括分别通信连接至第一数据采集模块、处理单元和第二数据采集模块的处理模块，处理模块用于根据第一电气数据和第二电气数据获取数据样本，处理模块从数据样本中抽取若干不同环境下的数据数组进行聚类分析获取pv特性曲线簇处理模块获取pv特性曲线簇中每个pv特性曲线的最大功率点其中h为pv特性曲线簇中包含的pv特性曲线的数量，为最大功率点对应的输入电压，为最大功率点对应的输入电流，为最大功率点对应的输入功率。

34、处理模块还用于建立网络模型并基于特性曲线簇对网络模型进行模型训练直至网络模型收敛，处理模块将网络模型进行量化压缩获取模型参数并将模型参数传输至处理单元，以使处理单元根据模型参数运行基于深度强化学习的mppt算法获取电压调节值以调节光伏功率优化器的输入电压值至最佳电压值。

35、进一步地，光伏发电系统还包括边缘网关，边缘网关分别通信连接至第一数据采集模块、第二数据采集模块和处理模块，边缘网关通过通信协议接收第一电气数据和第二电气数据，并根据第一电气数据和第二电气数据获取数据数组，边缘网关将数据数组传输至处理模块，处理模块根据数据数组获取数据样本。

36、所述光伏发电系统通过获取光伏功率优化器的第一电气数据和光伏逆变器的第二电气数据，并根据第一电气数据和第二电气数据对网络模型进行训练，直至网络模型收敛，将网络模型进行压缩获取模型参数，并将模型参数传输至光伏功率优化器，以使光伏功率优化器能够直接获取当前状态下的电压调节值，并根据电压调节值调节光伏功率器的输入电压至最佳工作电压，使得光伏功率优化器能够快速的到达最大功率点，从而提高了光伏发电系统的响应速度。