[发明专利]一种局部阴影光伏系统的复合MPPT控制算法

说明书

本发明公开了一种局部阴影光伏系统的复合MPPT控制算法；包括以下步骤：S1、引入光伏电池工程数学模型，并计算光强和温度变化的影响，对模型进行改进；S2、分析光伏阵列在局部阴影下产生多峰现象的原因并输出多峰波形图；S3、根据步骤S2的分析，引入改进0.8倍开路电压法进行多峰极值的初步追踪；S4、在S3的基础上，对粒子群算法的惯性权重系数，自学习因子和社会学习因子变化进行改进，并利用改进型粒子群算法进行最大功率点的精确追踪。本发明相对现有技术，提高了追踪速度，用动态的学习因子和惯性权重系数代替静态值，提高了稳态精度。

技术领域

本发明涉及光伏发电技术领域，更具体地，涉及一种局部阴影光伏系统的复合MPPT控制算法。

背景技术

太阳能清洁无污染，太阳能光伏发电在能源系统中愈发重要。光伏电池造价昂贵，MPPT技术成为提高光伏发电效率的关键技术。然而单个光伏电池输出功率较小，实际中通常采用多个光伏电池串并联组成光伏阵列。实际运行中光伏阵列在天气影响，云层遮挡，灰尘等的影响下，出现局部阴影，使功率特性曲线呈现多峰。传统的MPPT算法，如恒定电压法，扰动观察法，电导增量法等，此时会陷入局部极值，无法追踪到全局最大功率点，因此研究光伏阵列多峰情况下的MPPT技术至关重要。

2016年第50期《电力电子技术》中《基于猫群算法的光伏阵列多峰MPPT控制策略》提出一种猫群算法解决最大功率多峰寻优问题，控制简单，参数较少并具有良好的全局搜索能力，但是并没有讨论动态阴影下MPPT追踪效果。2010年第38期《电力系统保护与控制》中《基于模糊逻辑双环控制的光伏发电系统最大功率跟踪算法》提出一种基于模糊逻辑双环控制算法，该算法结构简单，易于实现，但参数设定依赖设计人员的经验。2016年第28期《系统仿真学报》中《粒子群与电导增量法结合的光伏发电MPPT》提出电导增量法与粒子群算法结合的混合算法，该算法可以有效跟踪到最大功率点，但粒子群算法的参数为恒值，导致收敛速度和寻优精度不佳。2017年第41期《电源技术》中《改进基于INC算法的光伏发电系统最大功率跟踪》提出全局搜索和电导增量相结合的方法，通过阈值的合理选取能够快速准确地找到最大功率点；但是参数的选取需要大量的实验数据，存在误差。

其中粒子群算法在多峰值寻优中被广泛应用，但传统粒子群算法学习因子和惯性权重都是常数，且需要多次迭代计算，使得追踪速度和和稳态精度较差。

发明内容

本发明针对现有技术中在局部阴影下无法追踪到全局最大功率点，追踪到最大功率点速度过慢、精度不高的问题。提供一种局部阴影光伏系统的复合MPPT控制算法，有效解决追踪速度慢，追踪到的最大功率点精度低的问题。

为实现上述目的，本发明采用以下技术方案：

一种局部阴影光伏系统的复合MPPT控制算法，包括以下步骤：

S1、引入光伏电池工程数学模型，并计算光强和温度变化的影响，对模型进行改进；光伏电池工程数学模型为：

该模型仅需要已知短路电流Isc，开路电压Uoc以及MPP处的电压Um，电流Im。

S2、分析光伏阵列在局部阴影下产生多峰现象的原因并输出多峰波形图；

S3、根据步骤S2的分析，引入改进0.8倍开路电压法进行多峰极值的初步追踪；光伏P-U特性曲线的极值点处在0.8倍Uoc附近，多峰情况下的则极值点应为0.8Uoc的整数倍，追踪范围设置在0.7Uoc-0.9Uoc以及1.5Uoc-1.7Uoc这两个范围内。

S4、在S3的基础上，对常规粒子群算法中的惯性权重系数，自学习因子和社会学习因子变化进行改进，并利用改进型粒子群算法进行最大功率点的精确追踪。

进一步的，在步骤S1中修改后的模型为