基于粒子群算法的光伏電池板最大功率跟蹤方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于粒子群算法的光伏電池板最大功率跟蹤方法，首先設(shè)置功率初始值以及確定粒子位置的初始位置和粒子個數(shù)；然后以每個粒子初始位置對應(yīng)的功率值作為對應(yīng)粒子的粒子最優(yōu)值；最后通過各粒子最優(yōu)值的比較選出最大值作為粒子群的群最優(yōu)值并輸出；本發(fā)明根據(jù)粒子群算法獲取光伏電池板的輸出電壓，PWM的占空比作為粒子的更新速度，電池板的輸出功率作為判斷粒子位置的目標(biāo)函數(shù)；以粒子更新速度作為輸出對Boost電路的開關(guān)管進行PWM調(diào)制，得出更新后的粒子位置，選出優(yōu)化值對粒子的更新指出方向；搜索粒子的最優(yōu)值，實現(xiàn)了MPPT目標(biāo)。該跟蹤方法智能化程度高，跟蹤精度高，電池板能跟蹤到最大功率值點而不陷入局部最優(yōu)。
【專利說明】基于粒子群算法的光伏電池板最大功率跟蹤方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及光伏電池控制領(lǐng)域，特別涉及一種基于粒子群算法的光伏電池板最大 功率跟蹤方法及系統(tǒng)。

【背景技術(shù)】
[0002] 光伏電池板的輸出功率會隨著輸出電壓的增大先逐漸增大再減小，為了使光伏電 池板的輸出功率最大，就必須對輸出電壓進行跟蹤使其工作在最大功率點處。經(jīng)過多年來 國內(nèi)外的相關(guān)研究，實際最大功率跟蹤（MaximumPowerPointTracking,MPPT)中，應(yīng)用 較為普遍的有恒壓跟蹤法、擾動觀察法、電導(dǎo)增量法、模糊控制法和粒子群算法（particle swarmoptimization,PS0)等。
[0003] 擾動觀察法（PerturbandObvserve,P&0);此方法是通過擾動改變電池板的輸出 電壓，然后觀察不同電壓下的電池板輸出功率P和（P+ΛP)，比較其大小關(guān)系后確定電池 板應(yīng)該工作在電壓U還是（U+ΛU)處才能使功率最大。當(dāng)（Ρ+ΛΡ) >Ρ時，按照擾動的方 向進行跟蹤；當(dāng)（Ρ+ΛΡ)〈Ρ時，按照擾動的反方向進行跟蹤；通過前后時刻大小比較確定 下一時刻的方向，目標(biāo)是找到最大值，但是當(dāng)擾動步長太大時會產(chǎn)生劇烈震蕩，步長太小會 使跟蹤速度變慢。雖然在專利CN201410225403中控制了跟蹤步長，但在快速變化的外界環(huán) 境下光照強度的變化會使P-V曲線出現(xiàn)多峰值現(xiàn)象，會使擾動觀察法出現(xiàn)誤跟蹤；如圖1的 P-V曲線所示，圖1為變化光照強度下的電池板P-V曲線；圖1中，在跟蹤過程中的M點，光 照強度增大，此時的P-V曲線為NB段。當(dāng)跟蹤到B點是光照強度突然變小，此時的擾動觀 察法還是會跟蹤到B點而不是A點。如果B點比A點高度高,則跟蹤正確,如果A點比B點 高就出現(xiàn)了誤跟蹤。
[0004] 其中恒壓法是取統(tǒng)計過程中的最大功率對應(yīng)電壓值，由于不能根據(jù)一天中的光照 強度變化所以誤差較大。擾動觀察法應(yīng)用簡單，但跟蹤效率不高，甚至有時候會出現(xiàn)跟蹤錯 誤。雖然模糊控制法在跟蹤準(zhǔn)確性上有所提高，但跟蹤速度無法擺脫方法原理限制。
[0005] 因此需要一種智能化程度高、跟蹤精度高的光伏電池板的輸出功率跟蹤方法及系 統(tǒng)。


【發(fā)明內(nèi)容】

[0006] 有鑒于此，本發(fā)明所要解決的技術(shù)問題是提供一種智能化程度高、跟蹤精度高的 光伏電池板的輸出功率跟蹤方法及系統(tǒng)。
[0007] 本發(fā)明的目的之一是提出一種基于粒子群算法的光伏電池板最大功率跟蹤方法； 本發(fā)明的目的之二是提出一種基于粒子群算法的光伏電池板最大功率跟蹤系統(tǒng)。
[0008] 本發(fā)明的目的之一是通過以下技術(shù)方案來實現(xiàn)的：
[0009] 本發(fā)明提供的基于粒子群算法的光伏電池板最大功率跟蹤方法，包括以下步驟：
[0010]Si:調(diào)整電池板負(fù)載與電池板內(nèi)阻相匹配；
[0011]S2 :從電池板輸出功率值中選取一個小于最大輸出功率的功率值，作為與迭代后 所計算的適應(yīng)度作比較的功率初始值，賦給控制器中的功率參數(shù)Pmax ;
[0012]S3:在0?電池板開路電壓Voc之間分散取若干電壓值作為粒子位置的初始位置 和粒子個數(shù)，分別賦給控制器中的參數(shù)；
[0013]S4:以每個粒子初始位置對應(yīng)的功率值作為對應(yīng)粒子的粒子最優(yōu)值；
[0014] S5 :通過各粒子最優(yōu)值的比較選出最大值作為粒子群的群最優(yōu)值與功率參數(shù) Pmax的值比較，將較大者賦給功率參數(shù)Pmax ;
[0015] S6 :功率參數(shù)Pmax對應(yīng)值即為粒子群跟蹤到的電池板最大功率；
[0016] S7:將粒子速度、粒子位置、粒子最優(yōu)值和粒子群最優(yōu)值代入以下迭代公式計算出 新的粒子速度和位置：
[0017]vid (t+1) =w· vid (t)+C1· T1·(pid(t)-xid(t))+c2· r2 ·(pgd(t)-xid(t))；
[0018] xid(t+1) =xid(t)+vid (t+1)；
[0019] 其中，vid是D維空間中第d維的粒子i的速度，PWM的占空比作為粒子的速度；
[0020] w為慣性權(quán)重因子；
[0021]Pid是D維空間中第d維的粒子i的最優(yōu)值；
[0022] Xid是D維空間中第d維的粒子i的位置，電池板的輸出電壓作為粒子的位置；
[0023] Cp C2為學(xué)習(xí)因子；
[0024]A、r2為隨機數(shù)h r2 e[0,1];
[0025]Pgd為整個粒子群的最優(yōu)值，表示D維空間中第d維的所有粒子i的最優(yōu)值；
[0026]S8 :根據(jù)更新前后粒子位置差值控制PWM信號，當(dāng)更新前后差值為正，則減小PWM 信號占空比，反之則增大；
[0027]S9:由新的粒子位置即電池板輸出電壓來計算出粒子最優(yōu)值和粒子群最優(yōu)值：

【權(quán)利要求】
1. 基于粒子群算法的光伏電池板最大功率跟蹤方法，其特征在于：包括以下步驟： 51 :調(diào)整電池板負(fù)載與電池板內(nèi)阻相匹配； 52 :從電池板輸出功率值中選取一個小于最大輸出功率的功率值，作為與迭代后所計 算的適應(yīng)度作比較的功率初始值，賦給控制器中的功率參數(shù)Pmax; 53 :在O?電池板開路電壓Voc之間分散取若干電壓值作為粒子位置的初始位置和粒 子個數(shù)，分別賦給控制器中的參數(shù)； 54 :以每個粒子初始位置對應(yīng)的功率值作為對應(yīng)粒子的粒子最優(yōu)值； 55 :通過各粒子最優(yōu)值的比較選出最大值作為粒子群的群最優(yōu)值與功率參數(shù)Pmax的 值比較，將較大者賦給功率參數(shù)Pmax; 56 :功率參數(shù)Pmax對應(yīng)值即為粒子群跟蹤到的電池板最大功率； 57 :將粒子速度、粒子位置、粒子最優(yōu)值和粒子群最優(yōu)值代入以下迭代公式計算出新的 粒子速度和位置： Vid (t+1) =W·Vid (t)+C1 ·T1 · (pid(t)-xid(t))+c2 ·r2 · (pgd (t)-xid (t))；xid (t+1) =xid (t)+vid (t+1); 其中，vid是D維空間中第d維的粒子i的速度，PWM的占空比作為粒子的速度；w為慣性權(quán)重因子； Pid是D維空間中第d維的粒子i的最優(yōu)值； Xid是D維空間中第d維的粒子i的位置，電池板的輸出電壓作為粒子的位置； CpC2為學(xué)習(xí)因子； A、r2 為隨機數(shù)!T1,r2e[〇, 1]; Pgd為整個粒子群的最優(yōu)值，表示D維空間中第d維的所有粒子i的最優(yōu)值； 58 :根據(jù)更新前后粒子位置差值控制PWM信號，當(dāng)更新前后差值為正，則減小PWM信 號占空比，反之則增大； 59 :由新的粒子位置即電池板輸出電壓來計算出粒子最優(yōu)值和粒子群最優(yōu)值：
Ir 其中，辦/fisc·--；P=VXI為優(yōu)值；從各優(yōu)值中選出最大值即為粒子群最優(yōu)值； IrO V和I分別是電池板輸出電壓和電流，Rs為串聯(lián)電阻的阻值，Rsh為并聯(lián)電阻的阻值；a是二極管的理想常數(shù)，k表示波爾茲曼常數(shù)，q表示電荷量常數(shù)，T表示熱力學(xué)溫度，Is表示 二極管的飽和電流，Is。表示電池板短路電流，Iril表示參考光照強度，L表示當(dāng)前光照強度； SlO:重復(fù)循環(huán)步驟S5?S9,直到預(yù)設(shè)定的迭代次數(shù)。
2. 根據(jù)權(quán)利要求1所述的基于粒子群算法的光伏電池板最大功率跟蹤方法，其特征在 于：所述粒子最優(yōu)值按以下公式來進行： Vid (t+1) =W·Vid (t)+C1 ·T1 · (pid(t)-xid(t))+c2 ·r2 · (pgd (t)-xid (t))；xid (t+1) =xid (t)+vid (t+1)； ie(1，2, · · ·，N)，de(1，2, · · ·，D)，r"r2e[〇, 1]; 其中，i表示第i個粒子，N表示總的粒子數(shù)。
3. 根據(jù)權(quán)利要求2所述的基于粒子群算法的光伏電池板最大功率跟蹤方法，其特征在 于：所述慣性權(quán)重因子按以下公式來進行：
式中，m為常數(shù)因子，對每一次迭代后的慣性權(quán)值進行約束調(diào)整，取O?1之間的隨機 數(shù)； fg(t)為全局最優(yōu)值所對應(yīng)的適應(yīng)度；fi(t)為第i個粒子的適應(yīng)度； N為粒子群中的粒子數(shù)；i為第i個粒子。
4. 根據(jù)權(quán)利要求2所述的基于粒子群算法的光伏電池板最大功率跟蹤方法，其特征在 于：所述學(xué)習(xí)因子
C1、(?按以下公式來進行： 式中，j表示當(dāng)前迭代次數(shù)，η表示總共迭代次數(shù)。
5. 根據(jù)權(quán)利要求1所述的基于粒子群算法的光伏電池板最大功率跟蹤方法，其特征在 于：所述電池板負(fù)載與電池板內(nèi)阻的匹配調(diào)整是通過Boost斬波電路來實現(xiàn)的。
6. 基于粒子群算法的光伏電池板最大功率跟蹤系統(tǒng)，其特征在于：包括電池板、控制 器、AD轉(zhuǎn)換芯片、Boost電路、PWM模塊和蓄電池； 所述電池板的輸出端與Boost電路的輸入端連接； 所述PWM模塊連接在控制器和Boost電路中的開關(guān)管之間； 所述AD轉(zhuǎn)換芯片連接在控制器和Boost電路的輸入端之間； 所述Boost電路和蓄電池連接； 所述電池板，用于將太陽能轉(zhuǎn)換為電能； 所述控制器，用于根據(jù)粒子群算法獲得計算結(jié)果并調(diào)整電池板負(fù)載； 所述AD轉(zhuǎn)換芯片，用于檢測電池板輸出電信號； 所述Boost電路,用于充當(dāng)電池板的負(fù)載； 所述PWM模塊，用于控制Boost電路，以頻率大小調(diào)整Boost電路的等效負(fù)載； 所述蓄電池，用于存儲光伏電池板產(chǎn)生的電能。
7. 根據(jù)權(quán)利要求6所述的基于粒子群算法的光伏電池板最大功率跟蹤系統(tǒng)，其特征在 于：所述Boost電路包括電感L、開關(guān)管、二極管D、電容C和電阻R; 所述電感L、開關(guān)管串聯(lián)后連接在電池板的輸出端； 所述二極管D連接在電感L與開關(guān)管連接點和蓄電池之間； 所述電容C和電阻R分別與蓄電池兩端并聯(lián)。
8. 根據(jù)權(quán)利要求6所述的基于粒子群算法的光伏電池板最大功率跟蹤系統(tǒng)，其特征在 于：所述控制器包括初始值設(shè)置單元、粒子初始值單元、粒子位置更新單元、群最優(yōu)值生成 單元和輸出單元； 所述初始值設(shè)置單元，用于從電池板輸出功率值中選取一個小于最大輸出功率Pmax的功率作為功率初始值； 所述粒子初始值單元，用于在〇?電池板開路電壓Voc之間分散取若干電壓值作為粒 子位置的初始位置和粒子個數(shù)； 所述粒子位置更新單元，用于以每個粒子初始位置對應(yīng)的功率值作為對應(yīng)粒子的粒子 最優(yōu)值； 所述群最優(yōu)值生成單元，用于通過各粒子最優(yōu)值的比較選出最大值作為粒子群的群最 優(yōu)值； 所述輸出單元，用于輸出群最優(yōu)值作為電池板的最大功率。
9. 根據(jù)權(quán)利要求6所述的基于粒子群算法的光伏電池板最大功率跟蹤系統(tǒng)，其特征在 于：所述粒子最優(yōu)值按以下公式來進行： Vid(t+1) =W·Vid(t)+C1·T1 · (pid(t)-xid(t))+c2 ·r2 · (pgd (t)-xid (t))；xid (t+1) =xid (t)+vid (t+1); ie(1，2, · · ·，N)，de(1，2, · · ·，D)，r"r2e[〇, 1]; 其中，w為慣性權(quán)重因子；Cl，c2為學(xué)習(xí)因子； xid是D維空間中第d維的粒子i的位置，電池板的輸出電壓作為粒子的位置；vid是D維空間中第d維的粒子i的速度，PWM的占空比作為粒子的速度； Pid是D維空間中第d維的粒子i的最優(yōu)值； Pgd為整個粒子群的最優(yōu)值，表示D維空間中第d維的所有粒子i的最優(yōu)值； 所述慣性權(quán)重因子按以下公式來進行：
式;中，m為芾數(shù)兇于，對母一次迗代后的慣性權(quán)值進行約束調(diào)整，取0?1之間的隨機 數(shù)； fg(t)為全局最優(yōu)值所對應(yīng)的適應(yīng)度；fi(t)為第i個粒子的適應(yīng)度； N為粒子群中的粒子數(shù)；i為第i個粒子； 所述學(xué)習(xí)因子Cl、C2按以下公式來進行： Ci= 2xcos(-X-) ; η2 c2 = 2-2xcos(1x|)； 式中，j表示當(dāng)前迭代次數(shù)，n表示總共迭代次數(shù)。
10. 根據(jù)權(quán)利要求6所述的基于粒子群算法的光伏電池板最大功率跟蹤系統(tǒng)，其特征 在于：所述電池板負(fù)載與電池板內(nèi)阻的匹配調(diào)整是通過Boost斬波電路來實現(xiàn)的。
【文檔編號】G05F1/67GK104317348SQ201410594790
【公開日】2015年1月28日 申請日期:2014年10月28日 優(yōu)先權(quán)日:2014年10月28日
【發(fā)明者】馮文林, 薛繼元, 馮序, 牟小燕 申請人:重慶理工大學(xué)