本發(fā)明涉及太陽能光伏發(fā)電技術(shù)領(lǐng)域，更具體地，涉及一種用于光伏電池的mppt控制方法。

背景技術(shù)：

光伏mppt技術(shù)研究已經(jīng)相對成熟，由最初的固定電壓、電導(dǎo)增量、擾動觀測三種方法，衍生出許多不同的方法，并且已廣泛用到生產(chǎn)中。2011年第26期的《電工技術(shù)學(xué)報》中《光伏電池建模及mppt控制策略的研究》一文針對傳統(tǒng)擾動法的不足，提出了一種變步長控制方式，根據(jù)不同的功率變化而選擇不同的步長，減小了因電壓變化而造成的功率損失，但在光照強度變化時，無法做出快速判斷。2014年第42期《電力系統(tǒng)保護與控制》中《光伏系統(tǒng)mppt的擾動觀測法的分析與改進》一文針對基本擾動法的振蕩問題提出改進，采用變步長弱震蕩法，提高了精度并消除系統(tǒng)振蕩，但兩級步長使得系統(tǒng)跟蹤速度有所降低。

近年來，隨著智能算法的發(fā)展，在優(yōu)化控制方面顯出越來越多的優(yōu)勢，國內(nèi)外許多學(xué)者將智能算法應(yīng)用到mppt中。2014年第2期《ieeejournalofphotovoltaics》中《amaximumpowerpointtrackingmethodbasedonperturb-and-observecombinedwithparticleswarmoptimization》一文提出了傳統(tǒng)擾動法與粒子群的混合算法，將mppt分為兩步控制，第一步用定步長擾動法搜索局部最大點，第二步使用粒子群算法搜索全局最優(yōu)點，粒子群算法在一定程度上減少了系統(tǒng)的搜索時間加快收斂速度，但在最大功率點附近仍存在許多振蕩。2017年第1期《ieeetransactionsonsustainableenergy》中《designandhardwareimplementationoffl-mpptcontrolofpvsystemsbasedongaandsmall-signalanalysis》一文中提出了模糊邏輯、遺傳算法(geneticalgorithm)與小信號模型分析相結(jié)合的新型mppt控制技術(shù)，通過遺傳算法優(yōu)化模糊邏輯控制器的參數(shù)來減少系統(tǒng)搜索時間，提高搜索精度，但在mpp附近振蕩沒有明顯改善。

技術(shù)實現(xiàn)要素：

為了克服上述現(xiàn)有技術(shù)中的缺點，改善傳統(tǒng)擾動法對外界環(huán)境適應(yīng)性較差的問題，減少擾動法在穩(wěn)態(tài)時最大功率處的振蕩，提高系統(tǒng)的追蹤速度，提供了一種用于光伏電池的mppt控制方法，使用遺傳算法和變加速擾動法相結(jié)合進行光伏電池的mppt跟蹤，精確跟蹤最大功率點。

本發(fā)明的技術(shù)方案如下：

一種用于光伏電池的mppt控制方法，首先對光伏電池工作電壓和工作電流進行隨機采樣，計算出采樣功率pi，找出其中最大功率值pmax，綜合考慮光伏陣列工作時受光照(s)與溫度(t)的影響，建立光伏p-u特性曲線模型，根據(jù)光伏陣列輸出特性曲線，在不同的區(qū)間的非線性程度，把光伏p-u特性曲線分為非線性程度弱的區(qū)間a-b段和c-d段及非線性強的區(qū)間b-c段，對系統(tǒng)采取分段擾動，根據(jù)電壓變化量du的值，選擇合適的步長縮放因子和擾動步長，根據(jù)對應(yīng)的電流變化量和電流變化量與電壓變化量之比的值，確定擾動方向；并引入遺傳算法用于建立初始搜索區(qū)間，使用遺傳算法和變加速擾動法相結(jié)合進行光伏電池的mppt跟蹤，精確跟蹤最大功率點。

進一步地，具體步驟如下：

第一步：對光伏陣列進行輸出采樣產(chǎn)生初始種群并設(shè)定初始條件，計算出采樣功率pi(i＝1,2…10)作為種群個體i的適應(yīng)度，從中找出pmax作為遺傳搜索的初始值，判斷遺傳算法是否達到終止條件，若迭代未達到，則仍采用遺傳搜索，否則改用加速擾動搜索來取代遺傳搜索。

第二步：采用變加速擾動法，首先根據(jù)電壓變化量du的值，選出合適的步長縮放因子和擾動步長，再根據(jù)電流變化量和電流變化量與電壓變化量之比，選取正確的擾動方向；每次擾動一次后需更新電壓變化量du，選出合適的步長縮放因子和擾動步長及擾動方向；當擾動搜索連續(xù)幾次功率變化接近于0，則系統(tǒng)搜尋到最大功率點mpp。

第三步：判斷外界環(huán)境是否發(fā)生劇變，若發(fā)生劇變則可對遺傳算法進行均勻變異操作，使算法重新產(chǎn)生初始種群，若環(huán)境變化起伏較小，則采用保留精英策略，將上代中的精英個體替換到本次搜尋中適應(yīng)度最差的個體。

進一步地，所述步驟t1中的遺傳算法具體包括以下步驟，令變量s，t和u作為ga的輸入，輸出為占空比d：

第一步.初始化；

根據(jù)光伏系統(tǒng)進行輸出采樣，以實值編碼的方式創(chuàng)建初始種群并確定種群(n)大小，將采樣功率pi作為個體i的適應(yīng)度，并按照其大小進行排序求出平均適應(yīng)度和最大采樣功率pmax，pmax作為遺傳搜索的初始父代；

第二步.遺傳操作；

1.選擇：為避免遺傳算法過早收斂，采用輪盤賭法對種群個體進行初步篩選，通過最佳保留策略，將當前適應(yīng)度最高的個體直接復(fù)制到下一代，個體輪盤賭選擇概率pi為：

2.交叉：為提高ga搜索能力，采用均勻交叉方式對父代中的個體進行交叉操作；

3.變異：為保持種群多樣性，引入放大因子a0，采用差分變異法，將種群中任意兩個體的差分向量的結(jié)果與a0相乘加到當前t代第i個體xⁱ(t)上，經(jīng)差分變異后的個體為：

xⁱ(t+1)＝xⁱ(t)+a0(x^j(t)-x^k(t))；

若外界環(huán)境變化，則采用均勻變異的方式產(chǎn)生初始種群；

s3.終止條件；

當ga達到最大迭代次數(shù)或功率變化量接近于0時，算法終止搜索。

進一步地，第二步中所述的變加速擾動法，根據(jù)光伏輸出特性曲線在b-c段非線性程度不同的特點及電壓變化量du的值，將擾動情況分為以下幾種：

情況一：電壓變化量和電流變化量非常小，即|du|≤ε且|di|≤μ；

當電壓變化量和電流變化量非常小時，可以近似認為此時電壓和電流為最大功率點附近的電壓和電流，那么它們的乘積即功率的變化量會更小，將是一個極小的范圍，所以可認為該點為mpp；

情況二：電壓變化量為0，即du＝0；

當電壓變化量為0時，該電壓為最大功率點處的電壓，此時則只需改變電流即可，同時還需判斷電流變化量的符號，若該變化量為負值，擾動方向向左；若該變化量為正值，擾動方向向右；

情況三：當電壓變化量不為0且不接近0時，即若du≠0，則分為以下兩種情況：

(1)功率變化量與電壓變化量之比的絕對值很小，即|dp/du|<e；

當功率變化量與電壓變化量之比的絕對值很小，此時搜索離mpp處較近，因此采用較小的加速度，使擾動緩慢向最大功率點進行；

(2)功率變化量與電壓變之比的絕對值較大，即|dp/du|>e；

當功率變化量與電壓變化量之比的絕對值較大，該區(qū)域遠離mpp，因此需增加擾動速度，擾動以較快的速度進行。

更具體的，根據(jù)du值，將擾動情況分為以下幾種：

(1)|du|≤ε且|di|≤μ

當|du|≤ε且|di|≤μ時，即|dp|<e0，可近似認為u(k+1)＝u(k)、i(k+1)＝i(k)。由于|dp|＝|du·di|≤ε·μ是一個極小的范圍，所以可認為該點為mpp。

(2)du＝0

若du＝0，即uk＝umpp，則只需改變電流即可，引入步長縮放因子記為α(α＝0.0001)，擾動步長記為△l，此時擾動步長△l＝αdi，則

i(k+1)＝i(k)+△l＝i(k)+αdi

di的符號決定了擾動方向，di<0擾動向左進行，為負擾動，di>0擾動向右進行，為正擾動。

(3)若du≠0，則分為以下兩種情況：

1)當|dp/du|<e時，此時搜索離mpp處較近，因此采用較小的加速度，使擾動緩慢向最大功率點進行，記步長縮放因子記為β(β＝0.1α)，擾動步長記為△l，則

2)當|dp/du|>e時，搜索區(qū)域遠離mpp，因此需增加擾動速度，擾動以較快的速度進行，記步長縮放因子記為λ(λ＝0.25α)，擾動步長記為△l，則

由于|di/(du*u(k))|<1，則

進一步地，第二步所述擾動方向選取分為以下兩種情況：

情況一：增量電導(dǎo)大于負的電導(dǎo)值，即di/du>-i(k)/u(k)；

若增量電導(dǎo)大于負的電導(dǎo)值，則說明該電壓小于最大功率點電壓，搜索在最大功率點左側(cè)區(qū)域，因此擾動向右側(cè)進行；

情況二：增量電導(dǎo)小于負的電導(dǎo)值，即di/du<-i(k)/u(k)；

若增量電導(dǎo)小于負的電導(dǎo)值，此時電壓大于最大功率點電壓，搜索已越過最大功率點，因此擾動應(yīng)向反方向進行。

進一步地，擾動方向選取分為以下兩種情況，步驟如下：

情況一：增量電導(dǎo)大于負的電導(dǎo)值

若增量電導(dǎo)大于負的電導(dǎo)值，則說明該電壓小于最大功率點電壓，搜索在最大功率點左側(cè)區(qū)域，因此擾動向右側(cè)進行。

情況二：增量電導(dǎo)小于負的電導(dǎo)值

若增量電導(dǎo)小于負的電導(dǎo)值，此時電壓大于最大功率點電壓，搜索已越過最大功率點，因此擾動應(yīng)向反方向進行。

更具體的，擾動方向選取有如下兩種情況，

1)若di/du>-i(k)/u(k)，則說明u<um，搜索在最大功率點左側(cè)區(qū)域，因此擾動向右側(cè)進行；

2)若di/du<-i(k)/u(k)，此時u>um，搜索已越過最大功率點，因此擾動應(yīng)向反方向進行。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

提高了mppt的跟蹤速度，，不僅在最大功率點附近振蕩小，穩(wěn)定性強，同時，在環(huán)境發(fā)生突變時仍具有良好的適應(yīng)能力，可以快速并精確地追蹤到最大功率點。當光強或溫度發(fā)生變化時，該方法可以快速、精確的跟蹤到最大功率點，并且跟蹤精度相對較高。

附圖說明

圖1為光伏mppt并網(wǎng)控制系統(tǒng)；

圖2為基于ga的光伏mppt變加速擾動法流程圖；

圖3為p-u特性曲線；

圖4為光強變化曲線；

圖5為光照變化時變步長擾動mppt輸出功率仿真波形；

圖6為光照變化時變加速擾動mppt輸出功率仿真波形；

圖7為光照變化時基于ga的變加速擾動mppt輸出功率仿真波形；

圖8為溫度變化時變步長擾動mppt輸出功率仿真波形；

圖9為溫度變化時變加速擾動mppt輸出功率仿真波形；

圖10為溫度變化時基于ga的變加速擾動mppt輸出功率仿真波形。

具體實施例

下面結(jié)合具體實施方式對本發(fā)明作進一步的說明。其中，附圖僅用于示例性說明，表示的僅是示意圖，而非實物圖，不能理解為對本專利的限制；為了更好地說明本發(fā)明的實施例，附圖某些部件會有省略、放大或縮小，并不代表實際產(chǎn)品的尺寸；對本領(lǐng)域技術(shù)人員來說，附圖中某些公知結(jié)構(gòu)及其說明可能省略是可以理解的。

實施例1

如圖1所示，一種改進型光伏mppt控制系統(tǒng)，該控制系統(tǒng)包括光伏陣列、mppt控制器、逆變器及并網(wǎng)四部分組成；其中mppt控制器前端與光伏陣列相連，實現(xiàn)光伏陣列的最大功率跟蹤；后端與逆變器pwm電路相連，通過調(diào)節(jié)占空比實現(xiàn)對逆變器輸入電壓的控制。

如圖2所示，用于光伏電池的mppt控制方法具體實施步驟如下：

第一步：對光伏陣列進行輸出采樣產(chǎn)生初始種群并設(shè)定初始條件，計算出采樣功率pi(i＝1,2…10)作為種群個體i的適應(yīng)度，從中找出pmax作為遺傳搜索的初始值，判斷遺傳算法是否達到終止條件，若迭代未達到，則仍采用遺傳搜索，否則改用加速擾動搜索來取代遺傳搜索。

第二步：采用變加速擾動法，首先根據(jù)du的值，選出合適的步長縮放因子和擾動步長，再根據(jù)其他值，選取正確的擾動方向。每次擾動一次后需更新du，選出合適的步長縮放因子和擾動步長及擾動方向。當擾動搜索連續(xù)幾次功率變化接近于0，則系統(tǒng)搜尋到mpp。

第三步：判斷外界環(huán)境是否發(fā)生劇變，若發(fā)生劇變則可對遺傳算法進行均勻變異操作，使算法重新產(chǎn)生初始種群，若環(huán)境變化起伏較小，則采用保留精英策略，將上代中的精英個體替換到本次搜尋中適應(yīng)度最差的個體。

如圖3所示，為光伏電池在標準溫度和光照條件下(t＝25℃，s＝1000w/m²)輸出功率和輸出電壓特性，點m對應(yīng)于mpp，記點m的電壓為um，點m的功率為pm，則m點兩側(cè)的電壓對應(yīng)的功率均小于pm。為了提高光伏發(fā)電系統(tǒng)的發(fā)電量，有必要使光伏陣列輸出功率始終處于mpp或mpp附近。

對光伏p-u特性曲線進行分段分析。在a-b及c-d段，輸出功率p隨電壓u的變化比較明顯(近似線性變化)，在b-c區(qū)域內(nèi)，功率p隨v的增加而變化的趨勢逐漸減小；變加速擾動法在mpp附近振蕩和跟蹤時間都有所減少，由于a-b和c-d段呈現(xiàn)“線性關(guān)系”，在該兩段采用ga進行智能搜索，以便建立精確的初始搜索范圍，確定搜索方向；同時采用改進變步長擾動即加速擾動法搜索b-c區(qū)域，以便縮短搜索時間、減少系統(tǒng)振蕩。

如圖3所示，變加速擾動原理：根據(jù)光伏輸出特性曲線在不同區(qū)間非線性程度不同的特點，對不同區(qū)間實行變加速擾動，在非線性程度弱的區(qū)間內(nèi)采用大步長加速擾動，在非線性程度強的區(qū)間內(nèi)采用小步長加速擾動。根據(jù)du值，將擾動情況分為以下幾種：

(1)|du|≤ε且|di|≤μ

當|du|≤ε且|di|≤μ時，即|dp|<e0，可近似認為u(k+1)＝u(k)和i(k+1)＝i(k)；由于|dp|＝|du·di|≤ε·μ是一個極小的范圍，所以可認為該點為mpp。

(2)du＝0

若du＝0，即uk＝umpp，則只需改變電流即可，引入步長縮放因子記為α(α＝0.0001)，擾動步長記為△l，此時擾動步長△l＝αdi，則

i(k+1)＝i(k)+△l＝i(k)+αdi

di的符號決定了擾動方向，di<0擾動向左進行，為負擾動，di>0擾動向右進行，為正擾動。

(3)若du≠0，則分為以下兩種情況：

1)當|dp/du|<e時，

如圖3所示：e-f段，此時搜索離mpp處較近，因此采用較小的加速度，使擾動緩慢向最大功率點進行，記步長縮放因子記為β(β＝0.1α)，擾動步長記為△l，則

2)當|dp/du|>e時，

如圖3所示：b-e、f-c段，該區(qū)域遠離mpp，因此需增加擾動速度，擾動以較快的速度進行，記步長縮放因子記為λ(λ＝0.25α)，擾動步長記為△l，則

由于|di/(du*u(k))|<1，則

因此整個系統(tǒng)的跟蹤速度都在提高。

(4)擾動方向選取

1)若di/du>-i(k)/u(k)，則說明u<um，搜索在最大功率點左側(cè)區(qū)域，因此擾動向右側(cè)進行；

2)若di/du<-i(k)/u(k)，此時u>um，搜索已越過最大功率點，因此擾動應(yīng)向反方向進行。

遺傳算法是一種智能仿生算法，在許多智能優(yōu)化算法中，ga具有良好的全局搜索能力，收斂性好，魯棒性高，為了進一步減少搜索時間，引入ga輔助系統(tǒng)建立初始搜索范圍。令變量s，t和u作為ga的輸入，輸出為占空比d。其原理步驟如下：

(1)初始化

首先對光伏系統(tǒng)進行輸出采樣，以實值編碼的方式創(chuàng)建初始種群并確定種群(n)大小，將采樣功率pi作為個體i的適應(yīng)度，并按照其大小進行排序求出平均適應(yīng)度和最大采樣功率pmax，pmax作為遺傳搜索的初始父代。

(2)遺傳操作

1)選擇：為避免遺傳算法過早收斂，本文采用輪盤賭法對種群個體進行初步篩選，通過最佳保留策略，將當前適應(yīng)度最高的個體直接復(fù)制到下一代，個體輪盤賭選擇概率pi為：

2)交叉：為提高ga搜索能力，本文采用均勻交叉方式對父代中的個體進行交叉操作。

3)變異：為保持種群多樣性，引入放大因子a0，采用差分變異法，將種群中任意兩個體的差分向量的結(jié)果與a0相乘加到當前t代第i個體xi(t)上，經(jīng)差分變異后的個體為：

xⁱ(t+1)＝xⁱ(t)+a0(x^j(t)-x^k(t))

若外界環(huán)境變化，則采用均勻變異的方式產(chǎn)生初始種群。

(3)終止條件

當ga達到最大迭代次數(shù)maxt或|△p|<σ時，算法終止搜索。

實施例2

利用matlab/simulink仿真軟件搭建系統(tǒng)仿真模型，在matlab中編寫mppt模塊程序，仿真參數(shù)：目標函數(shù)種群大小n＝30，maxt＝20，pc＝0.9，pm＝0.1，t＝25℃。

附圖4為光照強度從1000w/m²下降到600w/m²再降至200w/m²的波形圖，附圖5、附圖6及附圖7為該條件下的mppt仿真波形圖，其中附圖5為變步長擾動法，附圖6為變加速擾動法，附圖7位基于ga的變加速擾動法；可以看出，與傳統(tǒng)擾動法相比，變加速擾動法的跟蹤速度顯著提高，mpp附近的系統(tǒng)振蕩也顯著降低。與變加速擾動法相比，基于ga的變加速擾動法在最大功率點附近的跟蹤速度和振蕩均提高。

當s＝600w/m²，溫度由15℃上升到20℃，再由20℃上升到25℃時，mppt仿真波形分別為附圖8、附圖9和附圖10。附圖8為變步長擾動法，附圖9為變加速擾動法，附圖10為基于ga的變加速擾動法。比較附圖8、附圖9、附圖10可以看出，變步長擾動法的跟蹤速度最慢，但振蕩非常小，而變加速擾動法速度非?？?，但振蕩比較大。附圖10中基于ga的變加速擾動法不僅振蕩少，而且跟蹤速度快。

本發(fā)明就傳統(tǒng)擾動法在最大功率點附近易產(chǎn)生振蕩及對環(huán)境適應(yīng)性較差的缺點，提出了一種由遺傳算法與變加速擾動法相結(jié)合的控制方法；該方法提高了mppt的跟蹤速度，不僅在最大功率點附近振蕩小，同時，在環(huán)境發(fā)生突變時仍具有良好的適應(yīng)能力，可以快速并精確地追蹤到最大功率點。

顯然，上述實施例僅僅是為清楚地說明本發(fā)明的技術(shù)方案所作的舉例，而并非是對本發(fā)明的實施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明權(quán)利要求的保護之內(nèi)。