[发明专利]一种光伏发电系统的最大功率点跟踪方法

说明书

技术领域

本发明涉及一种光伏电池的最大功率跟踪方法。本发明涉及光伏电池。本发明涉及光伏并网发电系统。本发明涉及光伏离网发电系统。

背景技术

众所周知，在追求低碳社会的今天，太阳能作为一种清洁的可再生能源，越来越受到世界各国的重视。在各国政府的大力支持下，全球的太阳能光伏电池产量的年均增长值为60%。据光伏发电市场权威研究机构Solarbuzz发布的报告显示，2010年全球光伏发电市场规模将达到15GW，全球将有9个国家光伏发电市场规模超过250MW。我国太阳能资源非常丰富，理论储量达每年17000亿吨标准煤，太阳能资源开发利用的潜力非常广阔。我国光伏发电产业于20世纪70年代起步，90年代中期进入稳步发展时期。近年来，在“光明工程”先导项目和“送电到乡”工程等国家项目及世界光伏发电市场的有力拉动下，尤其是《可再生能源中长期发展规划》以及“太阳能屋顶计划”、“金太阳工程”的出台，我国的光伏发电产业获得了迅猛发展。《可再生能源中长期发展规划》明确到2010 年，光伏发电总容量要达到300MW，2020年达到1800MW。为贯彻落实党中央、国务院关于加快培育和发展战略性新兴产业的战略部署，必须提高认识，紧紧抓住光伏发电产业发展的战略机遇期，进一步推动国内光伏发电规模化应用。

光伏发电系统效率高低是衡量光伏系统的最重要指标之一，由于光伏电池输出特性具有明显的非线性，这种非线性受日照强度、温度、负载等多种外部环境因素及输出阻抗等本身技术指标的影响。故目前光伏电池的光电转换率较低，为了提高光伏发电的效率，需要对光伏发电系统进行最大功率点跟踪（MPPT）。目前，常用的MPPT方法有恒压法、扰动观察法、电导增量法，模糊控制法等等。但是这些常规的光伏电池的最大功率点跟踪方法在应用中存在一些问题，如检测精度低、响应速度慢，适应性差和跟踪效率低等。本专利实现一种新的最大功率点跟踪方法，可以解决现有算法中存在的一些问题。

发明内容

本发明提供一种快速稳定的最大功率点跟踪算法，解决目前常规算法中存在的不足和问题。 

本发明所采用的最大功率点跟踪算法是依据神经网络控制的思想实现快速稳定地跟踪光伏电池的最大功率点。

本发明的技术方案如下：

第一步：初始化系统的                                               ，，，a，b，、、分别为积分、比例、微分的学习率，b是误差的加权系数，a>0；

第二步：通过电压传感器、霍尔传感器采集光伏电池板电压和电流，将采集到的电压和电流经过电流调理电路，送至DSP中，在DSP中通过P=U*I计算出功率，并计算当前时刻功率对电压的导数，其中功率对电压的导数可以采用前后两时刻功率偏差除以前后两时刻电压偏差来求解功率对电压的导数；

第三步：计算误差=-；；式中，，，，，神经元的比例系数，a>0用来保证K>0，b是误差的加权系数；

第四步：计算的值，，利用DSP事件管理器产生PWM信号送给开关管。

本发明具有以下有益效果：本发明基于神经网络控制的思想，采用了有监督的Hebb学习规则自适应地调整权系数，通过误差大小在线自适应调整K值，控制光伏阵列输出功率稳定在最大功率点。本发明能快速适应光伏阵列工作环境变化，提高最大功率点跟踪的速度和稳定精度，降低系统振荡，满足系统最大功率跟踪的要求。

附图说明

图1 单神经元自适应PID结构图。

图2 最大功率点跟踪算法流程图。

具体实施方式

下面结合附图对本发明技术内容作说明：

如图1所示，光伏发电系统中,光伏电池的输出功率、电压和电流的关系为：P=U*I, 正常工作情况下，光伏电池的功率电压曲线为单凸峰形，存在唯一一个最大功率点。当光伏系统工作在最大功率点处时，斜率=0；在最大功率点左边时>0，在最大功率点右边时<0。因此，设计闭环控制系统，控制=0，采用了有监督的Hebb学习规则自适应地调整权系数，通过误差大小在线调整K值的单神经元自适应PID控制算法，实现光伏发电系统的最大功率点跟踪。

单神经元自适应控制器是通过对加权系数的调整来实现自适应、自组织功能，权系数调整是按有监督的Hebb学习规则实现的。学习算法及控制算法如下：