[发明专利]基于改进量子粒子群算法的光伏多峰MPPT控制方法

说明书

本发明为基于改进量子粒子群算法的光伏多峰MPPT控制方法，该方法包括以下步骤：步骤1，构建光伏电池双二级管模型；步骤2，初始化改进的DCWQPSO算法；步骤3，光伏控制器首先采集光伏阵列输出的电流和电压，根据目标函数确定光伏阵列的输出功率曲线，在输出功率曲线上利用步骤2改进的DCWQPSO算法进行最大功率点的全局搜索，搜索到最大功率点处的工作电流和工作电压；步骤4，采用INC算法对步骤3得到的最大功率点处的工作电流和工作电压进行局部跟踪，使光伏阵列实际输出功率稳定在最大功率点附近；步骤5，光伏控制器在最大功率点处计算出PWM占空比，通过PWM脉冲信号模块输出占空比给功率开关。该方法收敛速度快、追踪品质好、效率高。

技术领域

本发明属于电力系统技术领域，涉及一种基于改进量子粒子群算法的光伏多峰MPPT控制方法。

背景技术

近些年来，太阳能光伏发电得到迅速发展，成为我国能源结构中不可或缺的部分。在光伏发电系统中，一般均通过最大功率追踪技术(Maximum PowerPoint Tracking,MPPT)保证其运行效率，因此，最大功率追踪对光伏转换效率的提升具有重要作用，并成为当前光伏发电系统研究的热点之一。传统的MPPT控制方法，如扰动观察法，电导增量法等，主要对光伏阵列在外界条件一致的情况下进行研究，其输出的功率-电压P-U特性曲线为单峰值。当由于建筑、落叶、尘土堆积、云层等对光伏阵列产生局部遮挡时，其阵列中各组件受到的光照强度不同，P-U曲线将呈现出多峰特性。显然，此时针对单峰值的传统MPPT算法已不再适用，可能会陷入局部功率极值点，引起整体光伏发电系统的功率下降。

粒子群算法(particle swarm optimization，PSO)是由Eberhart等人于1995年提出的，它源于对鸟群群体协作的捕食行为的模拟，通过种群个体之间的协作从而引导种群向可行解方向行动。

但是PSO算法仍存在易陷入局部极值等不足，文献-结合量子粒子群算法的光伏多峰最大功率点跟踪改进方法[J].电力系统自动化,2016,40(23):101-108.、中国专利申请号201710108591.8等从量子力学角度出发，认为种群中粒子具有量子行为，在势阱作用下收敛于一点，从而提出了收敛速度更快，粒子搜索范围更广的量子粒子群优化(quantum-behaved particle swarm optimization，QPSO)算法。而现有QPSO算法在粒子进化过程中，其惯性权值β随着进化代数增加而线性减少，易出现早熟收敛，导致算法在追逐全局最大功率点时收敛过慢。

发明内容

针对现有技术的不足，本发明所要解决的技术问题是，提供了一种基于改进量子粒子群算法的光伏多峰MPPT控制方法。该方法针对光伏阵列在局部遮阴时呈现的功率多峰特性，利用改进DCWQPSO算法对DCWQPSO(dynamically changing weight’s quantun-behaved particle swarm optimization)算法的粒子位置以及惯性权值进行变异，解决了DCWQPSO算法易陷入局部极值点的问题。同时将改进的DCWQPSO算法与INC算法相结合，可有效抑制改进的DCWQPSO算法动态跟踪过程中功率的振荡问题。本发明将改进的DCWQPSO算法与INC算法结合与传统的QPSO、扰动观察法、电导增量法相比具有收敛速度快，追踪品质好、效率高等优点，可有效提升光伏发电系统对光照情况变化的能力，提高光伏发电系统的整体效率和可靠性。

本发明为解决上述技术问题采用以下技术方案：

一种基于改进量子粒子群算法的光伏多峰MPPT控制方法，该方法包括以下步骤：

步骤1，构建光伏电池双二级管模型；

步骤2，初始化改进的DCWQPSO算法，设置粒子总数M、粒子电压及迭代次数t，并令t＝0，对粒子位置X_i(t)进行周期性变异；对随进化速度和粒子聚集度变化的惯性权值β_i(t)进行变异；