[发明专利]一种光伏发电系统环境自适应式MPPT方法及系统

说明书

技术领域

本发明属于光伏电池技术领域，涉及一种新型光伏电池最大功率跟踪(MPPT)方法，具体涉及一种光伏发电系统环境自适应式MPPT方法。

背景技术

全世界范围内能源危机促进了光伏发电系统发展，为充分利用太阳能，最大程度提高光伏电池能量转换效率，发挥光伏器件效能，光伏发电系统普遍采用最大功率点跟踪(MPPT)方法，对光伏器件输出功率加以控制，使其始终工作在最大功率点。根据MPPT方法的特征和具体实现的机理过程，将MPPT方法分为三大类：①基于参数选择方式的间接控制法；②基于采样数据的直接控制法；③基于现代控制理论的人工智能方法。

①基于参数选择方式的间接控制法主要包括恒定电压法、开路电压比例系数法、短路电流比例系数法、差值计算方法等，这一类方法简便易行，减少了工作点在远离最大功率点区域的追踪时间，但对光伏组件的输出特性有较强的依赖性，只能近似跟踪最大功率点，效率较低。

②基于采样数据直接控制法主要包括扰动观测法以及电导增量法等。扰动观测法具有控制逻辑清晰、测量参数少等优点，在工程实践中具有较强的应用普遍性，但其在追踪稳定后存在振荡问题，具有一定功率损失，只能通过调节扰动步长来平衡跟踪精度、速度，且在外界环境条件突变时，乃至出现误判，致追踪失效；电导增量法控制稳定度高，当外部环境参数变化时，系统能平稳地追踪其变化，且与光伏电池的特性及参数无关，但是对控制系统的要求相对较高，电压初值对系统启动过程中的追踪性能有较大影响，若设置不当会产生较大功率损耗。

③现代控制理论的人工智能方法主要包括模糊理论MPPT方法、基于人工神经网络MPPT方法、滑膜控制MPPT方法，以及其他智能复合型方法等。模糊逻辑控制方法原有经验和控制理论绘制列表对系统进行控制，跟踪速度快，达到最大功率点后波动小，具有较好动态及稳态性能，但需事先经过精确设定模糊集、隶属函数形状表等设计环节，难度较大，试验周长，为提高方法速度，需高性能控制器，硬件成本高；神经网络MPPT方法建立的训练过程需要大量样本数据，而组件种类多，大多数参数不同，因此不同的系统需要进行各自有针对性训练达数月或数年之久；滑膜控制MPPT方法在于控制的不连续性，系统追踪速度快，但开关的不断调节会影响系统动、稳态性能，当步长大时，输出电压、功率波动较大。

因此，间接、直接MPPT控制法，控制方法简单、被测参数少，跟随外界环境变化，但实际应用中在最大功率点附近扰动较大，且容易受环境影响，鲁棒性差，功率损耗大。人工智能方法其鲁棒性、灵活性和适合性较好，但方法复杂，易陷入局部最优，设备成本较高。

发明内容

为了解决上述的技术问题，本发明提出了一种光伏发电系统环境自适应式MPPT方法。

本发明所采用的技术方案是：一种光伏发电系统环境自适应式MPPT方法，是一种环境自适应式MPPT方法，其特征在于：定义系统k时刻，光伏阵列输出电压为U_k、电流为I_k，直流斩波器占空比为D_k，方法流程包括以下步骤：

步骤1：选用适用于工程实际的光伏电池行为模型，引入环境修正参数ΔU、ΔI，获得不同温度及光照下的光伏电池特性参数。

步骤2：设定固定参考电压偏差量ΔU_ref，PI调节参数k_P、k_I，最大功率电压U_m，电导增量法(I&C)寻优步长Δh；

步骤3：k时刻采样光伏电池输出电压U_k、电流I_k，根据环境修正参数ΔU对最大功率点电压U_m修正(U’_m＝U_mΔU)，并执行下述判断：

当(U_k-U’_m)绝对值大于ΔU_ref，则(U_k-U’_m)通过PI控制器，得出直流斩波器占空比调制量ΔD₁＝(U_k-U’_m)PI，将其与三角波在比较器中比较，形成控制信号对电力电子开关T进行快速调节，调节直流斩波器占空比D_k+1＝D_k+ΔD₁，使光伏电池输出电压U_k实时跟踪不同环境条件下最大功率电压U’_m；