下载文档原格式
基于改进PSO算法的光伏阵列MPPT研究石季英;张文;张永革;薛飞【摘要】针对光伏阵列(photovoltaic array)传统的最大功率点跟踪(maximum power point tracking,MPPT)方法的不足,提出一种改进的粒子群算法(particle swarm optimization algorithm,PSO).该算法中,粒子位置依据粒子的个体最优解由大到小更新,更新过程中使用当前时刻所产生的全局最优解,同时,将反映粒子聚集程度的粒子位置的标准差和反映粒子偏离程度的距当前最大功率点的距离引入每个粒子的速度阈值,单独自适应地限制每个粒子的更新速度,以便更快地找到最大功率点,提高收敛速度.最后,通过仿真和实验验证了该算法的快速性和有效性.【期刊名称】《电气传动》【年(卷),期】2015(045)007【总页数】4页(P52-55)【关键词】光伏阵列;粒子群算法;最大功率点跟踪【作者】石季英;张文;张永革;薛飞【作者单位】天津大学电气与自动化工程学院,天津300072;天津大学电气与自动化工程学院,天津300072;天津大学电气与自动化工程学院,天津300072;天津大学电气与自动化工程学院,天津300072【正文语种】中文【中图分类】TM615最大功率点跟踪（MPPT）技术是提高光伏发电效率的一个重要手段。
然而，光伏阵列在局部阴影的条件下，其P—U曲线是一个多峰曲线，因此常规的MPPT算法就可能会失效［1-3］。
粒子群优化算法（PSO）是近年来发展起来的一种新型智能算法，国内外许多学者对于粒子群算法在MPPT中的应用做了大量的研究［4-6］。
本文提出一种改进的PSO算法对光伏阵列进行MPPT控制。
本文中粒子位置更新时，首先依据粒子的个体最优解由大到小排序，然后依此顺序更新，更新过程中，不再使用此代之前所产生的全局最优解，而是使用当前时刻所产生的全局最优解，以便更快地找到最大功率点，提高收敛速度。
詹龙海（１９９３—），男，硕士研究生，研究方向为可再生能源应用。
李少纲（１９６２—），男，副教授，研究方向为能源再生技术、工业控制等。
郑益田（１９９６—），男，硕士研究生，研究方向为可再生能源应用。
一种改进粒子群算法在光伏ＭＰＰＴ的应用詹龙海， 李少纲， 郑益田（福州大学电气工程与自动化学院，福建福州 ３５０１０８）摘 要：受到外界环境的影响，光伏电池易出现局部遮阴现象，使得电池的伏瓦特性曲线将由原来的单极值转化为多极值，传统的最大功率点追踪（ＭＰＰＴ）控制方法容易陷入局部极值，为此引入异步时变学习因子与线性时变惯性权重相结合的改进粒子群算法。
通过ＭＡＴＬＡＢ／Ｓｉｍｕｌｉｎｋ仿真，改进粒子群算法在多极值的伏瓦特性曲线下能较好地实现ＭＰＰＴ。
关键词：光伏阵列；最大功率点追踪；粒子群算法；学习因子中图分类号：ＴＭ６１５ 文献标志码：Ａ 文章编号：２０９５ ８１８８（２０２０）１１ ００１７ ０５ＤＯＩ：１０．１６６２８／ｊ．ｃｎｋｉ．２０９５ ８１８８．２０２０．１１．００３ＭＰＰＴｏｆＰＶＡｒｒａｙｓＢａｓｅｄｏｎＮｅｗＰＳＯＡｌｇｏｒｉｔｈｍＺＨＡＮＬｏｎｇｈａｉ， ＬＩＳｈａｏｇａｎｇ， ＺＨＥＮＧＹｉｔｉａｎ（ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＦｕｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ３５０１０８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｄｕｅｔｏｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅｅｘｔｅｒｎａｌｅｎｖｉｒｏｎｍｅｎｔ，ＰＶａｒｒａｙｓａｒｅｐｒｏｎｅｔｏｌｏｃａｌｓｈａｄｉｎｇ．Ａｔｔｈｉｓｔｉｍｅ，ｔｈｅＰ Ｖｃｈａｒａｃｔｅｒｉｓｔｉｃｃｕｒｖｅｏｆｔｈｅｂａｔｔｅｒｙｗｉｌｌｂｅｃｏｎｖｅｒｔｅｄｆｒｏｍｔｈｅｏｒｉｇｉｎａｌｕｎｉｐｏｌａｒｖａｌｕｅｔｏｔｈｅｍｕｌｔｉｐｏｌｅｖａｌｕｅ，ａｎｄｔｈｅｔｒａｄｉｔｉｏｎａｌｍａｘｉｍｕｍｐｏｗｅｒｐｏｉｎｔｔｒａｃｋｉｎｇ（ＭＰＰＴ）ｃｏｎｔｒｏｌｍｅｔｈｏｄｉｓｅａｓｙｔｏｆａｌｌｉｎｔｏｔｈｅｌｏｃａｌｅｘｔｒｅｍｕｍ．Ｔｏｔｈｉｓｅｎｄ，ｔｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓａｎｉｍｐｒｏｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｔｈａｔｃｏｍｂｉｎｅｓａｓｙｎｃｈｒｏｎｏｕｓｔｉｍｅ ｖａｒｙｉｎｇｌｅａｒｎｉｎｇｆａｃｔｏｒｓｗｉｔｈｌｉｎｅａｒｔｉｍｅ ｖａｒｙｉｎｇｉｎｅｒｔｉａｗｅｉｇｈｔｓ．ＴｈｅｓｉｍｕｌａｔｉｏｎｂｙＭＡＴＬＡＢ／ＳｉｍｕｌｉｎｋｓｈｏｗｓｔｈａｔｔｈｅｉｍｐｒｏｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｃａｎａｃｈｉｅｖｅＭＰＰＴｂｅｔｔｅｒｕｎｄｅｒｔｈｅｍｕｌｔｉ ｅｘｔｒｅｍｅＰ Ｖｃｈａｒａｃｔｅｒｉｓｔｉｃｃｕｒｖｅ．Ｋｅｙｗｏｒｄｓ：ＰＶａｒｒａｙ；ｍａｘｉｍｕｍｐｏｗｅｒｐｏｉｎｔｔｒａｃｋｉｎｇ（ＭＰＰＴ）；ＰＳＯ；ｌｅａｒｎｉｎｇｆａｃｔｏｒ０ 引 言近年来，面临化石能源枯竭危机，生态环境破坏严重等问题，寻找可以代替化石能源的新能源以及发展新能源技术已经成为了世界各国的重中之重。
收稿日期：2018-06-26作者简介：李宜伦（1991-），男，辽宁东港人，硕士研究生。
通讯作者：王胜辉（1964-），男，辽宁本溪人，教授，硕士生导师，博士，主要从事光伏发电方面的研究。
基于改进粒子群算法的光伏MPPT 控制研究李宜伦a ，王胜辉b ，郑洪b（沈阳工程学院a.研究生部；b.电力学院，辽宁沈阳110136）摘要：针对局部阴影使光伏阵列呈现多峰值的现象，提出了一种基于改进粒子群的全局MPPT 寻优算法。
该算法首先采用大步长扰动观察法进行一次寻优，然后通过非线性动态改进惯性权重策略对粒子群算法改进，用改进粒子群算法进行二次全局寻优，最后使用变步长扰动观察法进行三次迭代寻优。
仿真结果表明，混合算法能够在不同阴影条件下快速、准确地跟踪最大功率点，避免系统陷入局部最优值，具有良好的动态性、稳定性和高效性。
关键词：光伏发电；局部阴影；粒子群算法；扰动观察法中图分类号：TM615文献标识码：A文章编号：1673-1603（2019）01-0014-06在局部阴影下，光伏系统存在多峰值特性，控制光伏系统以此来保持其最大功率输出是光伏发电系统提升效率的关键。
传统的控制方法如扰动观察法、电导增量法等都能够快速实现单峰值的最大功率跟踪。
但是在实际生活中，由于遮蔽影响，光伏电池会依据自身特性和阴影分布呈现多峰值的特性。
传统的控制方法在解决多峰值问题时，往往会陷入局部的最优解，使光伏系统整体的发电效率降低。
因此，对多峰值光伏最大功率跟踪问题的研究具有非常重要的现实意义。
目前，针对局部阴影下光伏电池的特性和多峰值最大功率跟踪的控制算法，已经有了大量的研究。
刘邦银、杨元培分别建立了局部阴影下光伏电池的数学模型，分析了光伏阵列在不同光照强度、遮挡模式、阴影分布下的输出特性。
李文强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。
萤火虫算法、粒子群算法（PSO ）、遗传算法等智能算法也广泛应用于光伏最大功率点跟踪，这些算法不易陷入局部最优值，提高了跟踪速度，但是参数选取复杂。
• 160•由于可再生能源深受环境、气候等外部因素影响，作为光伏转换的重要组成部分，当光伏电池发生局部遮挡时，就会伴随出现其特性曲线的多峰值现象。
对于该类情况，传统的电导增量法（incremental conductance,IC ）、扰动与观察算法（perturb and observe,P&O ）容易误追踪到局部最大功率点（local peak,LP ），导致效率降低。
所以，为了能够准确追踪到全局最大功率点（global peak,GP ），从而保证转换效率，本文提出一种基于量子粒子群算法的最大功率点跟踪技术（maximum power point tracking technique,MPPT ）。
通过搭建Matlab 仿真，其结果表明该算法不仅能跟踪到GP ，而且能有效地减小稳态振荡。
在太阳能阵列中，如果出现至少一个光伏电池被遮挡的情况，即属于遮阴现象，若光伏阵列对此没有一些有效的应对保护措施，就会导致光伏系统整体功率的下降，并且受遮挡电池所在的光伏组件会成为负载而消耗功率。
当因此消耗的功率过多时，会造成该组件局部温度过高，甚至导致组件毁坏。
为了尽可能地避免上述问题，可通过给太阳能阵列外接旁路二极管的方法进行解决。
旁路二极管的工作逻辑设计如下：当太阳能阵列的电流未超过被遮挡电池的短路电流I sc 时，受遮挡电池所在支路的旁路二极管不导通；否则，旁路二极管导通，使得电流不从受遮挡的组件上流过，从而降低由此引起的功率消耗。
上述外接旁路二极管，在光照强度均匀照射下不起作用，但是，在受到不均匀光照强度照射时，由于旁路二极管的导通，便会造成太阳能阵列的特性曲线出现多峰值现象。
由此可知，当特性曲线出现多峰值时，传统MPPT 方法不再奏效，且容易陷入局部最大功率点LP 。
针对该问题，本文提出了一种基于量子粒子群算法的MPPT 技术，利用粒子群的全局搜索能力，达到精准追踪全局最大功率点GP 的目的。
基于改进粒子群算法的光伏最大功率点跟踪
党秀娟;何柏娜;孙坚;孔令哲;孟繁玉
【期刊名称】《山东电力技术》
【年(卷),期】2022(49)9
【摘要】光伏发电具有间歇性和不确定性,且光伏电池输出特性在很大程度上受辐照度和温度影响,为提高光伏发电效率与系统稳定性,需要最大功率跟踪(Maximum Power Point Tracking,MPPT)技术使光伏阵列输出功率稳定在设定值。
光伏系统实际环境复杂多变,在局部阴影条件下,传统MPPT控制不能有效跟踪最大功率点(Maximum Power Point,MPP)。
在分析光伏电池输出特性基础上,提出基于改进粒子群算法(Particle Swarm Optimization,PSO)的最大功率跟踪方案,动态改变惯性权重大小,实现对最大功率点的最优跟踪。
将传统MPPT算法与基于改进PSO 的MPPT控制仿真结果对比,验证改进粒子群算法在复杂环境下跟踪最大功率的优越性,结果表明,改进粒子群算法的光伏系统输出功率跟踪速度与精度均优于传统MPPT算法,对于提高光伏电池效率具有极大的现实意义。
【总页数】8页(P36-43)
【作者】党秀娟;何柏娜;孙坚;孔令哲;孟繁玉
【作者单位】国网东营市河口区供电公司;山东理工大学电气与电子工程学院【正文语种】中文
【中图分类】TM61
【相关文献】
1.自适应权重粒子群算法在阴影光伏发电最大功率点跟踪(MPPT)中的应用
2.粒子群算法在光伏系统最大功率点跟踪中的应用
3.基于改进粒子群算法的光伏最大功率跟踪研究
4.基于改进粒子群算法光伏的最大功率跟踪
5.基于改进粒子群算法的光伏系统附加向心属性最大功率跟踪研究
因版权原因，仅展示原文概要，查看原文内容请购买。
适用于光伏多峰功率跟踪的改进型粒子群优化算法胡克用;胥芳;艾青林;欧阳静;徐红伟【摘要】针对在自然环境下光伏阵列上时常发生的局部阴影而引起P-V曲线由单峰转变成多峰状态,从而导致常规最大功率跟踪算法失效的问题,在研究传统粒子群算法的基础上,提出了一种改进型控制算法.该算法采用全局模式和局部模式两种运行手段定位最大峰值点,在对粒子群优化的速度更新方式上,去除了大量的随机变量干扰,使结构优化非常明显.改进后粒子群优化算法能够使功率跟踪避免陷入局部最优,使之找到真正的最大功率点.通过与传统粒子群算法对比仿真及试验,结果表明,在光伏阵列局部遮荫的情况下,改进后的粒子群优化算法可以快速准确地搜索到最大功率点,追踪精度高达95％,并且比传统的粒子群算法在搜索效率上提升28％,较好地避免了陷入局部最优.【期刊名称】《西安交通大学学报》【年(卷),期】2015(049)004【总页数】9页(P140-148)【关键词】局部阴影;最大功率跟踪;粒子群算法;光伏阵列【作者】胡克用;胥芳;艾青林;欧阳静;徐红伟【作者单位】浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室,310014,杭州;杭州师范大学钱江学院,310036,杭州;浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室,310014,杭州;浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室,310014,杭州;浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室,310014,杭州;浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室,310014,杭州【正文语种】中文【中图分类】TK513.4迄今为止,中国仍有2 000多万的无电人口,主要分布在边远落后的农村地区,特别在中国西北,由于电力供应不足,地下水开采利用率很低,有些地方至今没有解决饮水与灌溉问题。
同时,西北农村地区的太阳辐射强,日照时间长,土地面积宽广,非常适合利用太阳能来发电,往往一个小规模光伏发电站就能满足单个农村的用电来源。
基于粒子群融合变步长扰动观察MPPT算法研究摘要：光伏阵列被云层局部遮挡，使得其功率-电压（P-V）曲线呈现阶梯状、多极值的形状，从而造成传统的最大功率点跟踪不起作用，陷入局部寻优，本文提出了一种可以快速、稳定并且能够全局寻优的最大功率点跟踪（MPPT）算法。
算法先将粒子群优化（PSO）改进，使得在一定的迭代次数下稳定地全局更新所有粒子的速度和位置，快速找到最大功率点（MPP）的大概位置，再利用改进的Fibonacci数列作为变步长扰动观察法步长改变的依据，快速接近和得到功率的最佳解[1]。
通过Simulink建立了仿真模型，与变步长扰动观察法、传统粒子群优化算法进行比较，验证了算法在精度与速度上有明显提升。
关键词：局部阴影；光伏阵列；最大功率点跟踪；粒子群优化；变步长0引言传统的算法有扰动观察法、变步长扰动观察法等，扰动观察法的优点是：跟踪速度快、参数检测的精度不必过高。
缺点是：在MPP处摆动较大；搜索速度明显变慢，实时性较差。
当云朵遮挡光伏阵列时，P-V曲线呈现出多峰值的形状，导致变步长扰动观察法等传统算法陷入局部最优，造成功率损失。
针对此问题，新的智能算法被提出。
在分析了上述情况后，本文提出了一种基于粒子群优化变步长扰动观察法的MPPT控制方法，先利用改进的粒子群优化算法在全局中追踪至MPP点附近，再使用以Fibonacci数列为步长的变步长扰动观察法精确的到达MPP处，最后在每一步的算法中均设计了可行的终止策略，以防陷入局部寻优以及在MPP附近摆动。
1局部阴影下光伏阵列特性分析1.1部分阴影遮挡下的光伏阵列模型当有阴影遮挡时，光伏阵列的模型如图1所示。
图1局部阴遮挡下3x4光伏阵列模型1.2部分阴影遮挡下光伏阵列的电气特性根据上述光伏阵列结构及已知光伏数学模型，在Matlab中搭建3x4的光伏电池，通过对多次仿真的比较，其主要的差别是输出P-V曲线由单峰变成了多峰。
图2 局部阴影下光伏阵列P-V曲线2最大功率点跟踪算法的提出2.1粒子群优化算法PSO算法在对全局参数优化的同时，也能够辨识每个做为解的粒子，解决优化与搜索的问题。
