利用傳統(tǒng)電導增量法跟蹤最大功率點時,若跟蹤步長較大,則跟蹤速度較快,但跟蹤精度較差;反之,則跟蹤精度較好,但跟蹤速度較慢。當外界環(huán)境發(fā)生變化時,利用傳統(tǒng)電導增量法得到的功率變化曲線振蕩幅度較大,功率損失較多。改進粒子群算法能夠對外界環(huán)境的突變迅速作出響應,利用該方法得到的功率變化曲線振蕩幅度較小,但是很難精確地定位到最大功率點（MPP）。因此,文章提出一種混合控制的最大功率點跟蹤（MPPT）策略,先利用改進粒子群算法快速跟蹤到MPP附近,然后利用小步長電導增量法對MPP進行精細搜索。仿真結果表明,該跟蹤策略在一定程度上能夠增加跟蹤系統(tǒng)的響應速度、跟蹤精度,減小功率變化曲線的振蕩幅度。 

【文章來源】：可再生能源. 2019,37(06)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

不同光照強度下光伏電池的U-P，U-I

[式（13）]產(chǎn)生混沌變量，并通過逆映射公式[式（14）]將混沌變量值返回至粒子搜索空間。在粒子群算法運行后期，通過對全局最優(yōu)粒子Gbest進行混沌擾動，重新產(chǎn)生隨機性較強的粒子，來增強粒子群的隨機搜索性能。本文利用粒子群群體適應度方差和理論最優(yōu)適應度閾值來判斷粒子群是否逼近系統(tǒng)最大功率點，判別式見式（15）。當粒子群群體適應度方差σ2小于設定閾值、當前粒子最優(yōu)（a）光伏電池的U-P輸出特性曲線（b）光伏電池的U-I輸出特性曲線圖2不同溫度下光伏電池的U-P，U-I輸出特性曲線Fig.2TheU-PandU-IoutputcharacteristiccurvesofPVcellundervariabletemperature6050403020100光伏輸出功率/W光伏輸出電壓/V036912151821T=70℃T=55℃T=40℃T=25℃4.54.03.53.02.52.01.51.00.50光伏輸出電流/A光伏輸出電壓/V036912151821T=70℃T=55℃T=40℃T=25℃·826·可再生能源2019，37（6）

2，混合控制光伏系統(tǒng)約在0.12s后再次達到穩(wěn)態(tài)，該系統(tǒng)光伏輸出功率變化曲線的振蕩幅度明顯小于傳統(tǒng)控制光伏系統(tǒng)，其中混合控制光伏系統(tǒng)的跟蹤誤差約為0.21%，傳統(tǒng)控制光伏系統(tǒng)的跟蹤誤差約為0.47%。6.5s時，將光照強度由1000W/m2降低至750W/m2，混合控制光伏系統(tǒng)約在0.15s后再次達到穩(wěn)態(tài)，而傳統(tǒng)控制光伏系統(tǒng)需要大約1.23s才能再次達到穩(wěn)態(tài)，此階段與傳統(tǒng)控制光伏系統(tǒng)相比，混合控制光伏系統(tǒng)的跟蹤誤差略高出0.4%，但該系統(tǒng)光伏輸出功率變化曲線的振蕩幅圖3混合控制算法流程圖Fig.3Theflowchartofhybridcontrolalgorithm算法啟動初始化算法參數(shù)i≤N否是輸送第i個粒子測量光伏輸出電壓U（i）和電流I（i）計算光伏輸出功率P（i）=U（i）×I（i）是否P（i）>fitness（i）更新個體最優(yōu)適應度值和個體最優(yōu)解個體最優(yōu)適應度值和個體最優(yōu)解保持不變是否fitness（i）>Zbest更新群體最優(yōu)適應度值和群體最優(yōu)解群體最優(yōu)適應度值和群體最優(yōu)解保持不變i=i+1i=1群體方差小于閾值，最優(yōu)適應度值小于理論閾值是是是是是否否否否否否是否否是按照公式（11），（12），（19）更新粒子速度、粒子位置、慣性權重|x（i）-x（j）|<C4啟動電導增量法函數(shù)初步化步長k，D=Gbest+k按照公式（13），（14）更新慣粒子數(shù)值通過占空比D調節(jié)IGBT開關采樣U（t），I（t），計算dU=U（t）-U（t-1）dI=I（t）-I（t-1）dP/dU=I（t）+U（t）×dI/dUdU=0dP/dU=0dI=0dP/dU>0dI>0D=D-kD=DD=D+kU（t-1）=U（t）I（t-1）=I（t）|[P（t）-P（t-1）]/P（t-1）|>Pc通過D調?

【參考文獻】：
期刊論文
[1]基于基因排序遺傳算法的串聯(lián)光伏組件MPPT研究[J]. 鐘黎萍,張水平,顧啟民.  可再生能源. 2017(03)
[2]局部陰影下基于遺傳蟻群算法對MPPT的研究[J]. 劉建輝,李博.  可再生能源. 2017(01)
[3]太陽能電池最大功率點跟蹤技術研究[J]. 金薇.  電子科技. 2015(03)
[4]基于自適應差分進化和BP神經(jīng)網(wǎng)絡的光伏功率預測[J]. 李倩,周彬倩,張建成,李嘉俊.  陜西電力. 2014(02)
[5]一種基于電導增量法的可變步長MPPT算法的研究[J]. 胡茗哲,馬學軍.  湖北理工學院學報. 2013(04)
[6]粒子群優(yōu)化算法在光伏陣列多峰最大功率點跟蹤中的應用[J]. 朱艷偉,石新春,但揚清,李鵬,劉文穎,魏德冰,付超.  中國電機工程學報. 2012(04)
[7]光伏電池工程用數(shù)學模型研究[J]. 傅望,周林,郭珂,劉強,代璐,黃勇.  電工技術學報. 2011(10)
[8]基于開路電壓法光伏電池最大功率追蹤器[J]. 鐘長藝,康龍云,聶洪濤,李貞姬.  電力電子技術. 2011(07)
[9]太陽能發(fā)電變頻器驅動系統(tǒng)的最大功率追蹤控制法[J]. 戴欣平,馬廣,楊曉紅.  中國電機工程學報. 2005(08)



本文編號：3572482