局部遮阴时,光伏阵列输出的功率-电压曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking,MPPT)算法会失效。提出两步型控制模型:第一步由粒子群算法(particle swarm optimization,PSO)寻找最大功率点,第二步通过电导增量法(incremental conductance,INC)控制系统稳定输出。此外还研究以下几点:模型的参考曲线更改为光伏阵列功率-占空比(P-D)输出特性曲线(由标准Boost电路调节占空比测得);改进传统PSO算法结构,限制了最大搜索速度;分析模型最适合的粒子数目和粒子搜索顺序。最后在复杂环境下对系统进行仿真和实验。
由于光伏发电系统的非线性特性,难以运用数学手段确定其最大功率跟踪MPPT(maximum power pointtracking)过程输出功率的合理采样周期。针对基于Boost电路光伏发电系统进行MPPT过程,对工作点输出功率最佳采样周期进行仿真和采样,分析了全过程采样周期的分布规律。分析表明,不同环境条件下,最佳采样周期最大值近似为恒定值,因而选取该恒定值作为适合于MPPT全过程的采样周期,保证了MPPT算法的跟踪速度和跟踪精度。
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。
