CN105549677A - 一种基于模拟退火法的光伏最大功率跟踪方法 - Google Patents

Abstract

本发明公开了一种基于模拟退火法的光伏最大功率跟踪方法，它可以摆脱局部最大功率点可靠地追踪到全局功率最大点。由于加入了辐照度在线监测机制，本算法可以识别出辐照度的变化，并重启动GMPPT，迅速地追踪到新的GMPP。邻域自适应可调，大大加快了追踪的速度，并且减少了追踪过程中的功率振荡，降低了功率损失。更加精细的算法结束条件，使得对GMPP的追踪更加精准，提高了光伏***的效率。

Description

一种基于模拟退火法的光伏最大功率跟踪方法

【技术领域】

本发明属于太阳能光伏发电研究领域，特别涉及一种基于模拟退火法的光伏***最大功率跟踪的优化算法。

【背景技术】

近年来，由于化石燃料的大量、快速使用，环境问题及全球能源危机日益严峻。作为主要的清洁可再生能源，太阳能发电得到了普遍的关注与重视并有着广泛的应用前景：能源总量巨大，清洁无污染以及地理上不受限制，同时，太阳能发电***安全稳定，易于实施和维护。然而，在实际的光伏***应用环境中，周围物体阴影的遮挡、太阳能板的污点、具体安装朝向不同等问题会严重影响光伏***电产率。上述问题通常被称为光伏***的失配问题，这会导致光伏阵列整体的输出静态特性曲线呈现出“多个最大功率点(MultipleMaximumPowerPoint，MMPP)”的现象，使得传统集中式最大功率跟踪(MaximumPowerPointTracking，MPPT)控制算法难以区分局部最大功率点(LocalMaximumPowerPoint,LMPP)和全局最大功率点(GlobalMaximumPowerPoint,GMPP)，降低了光伏***的输出功率，严重影响其太阳能转化的效率。

为了解决这一问题，基于模糊控制(FuzzyLogicControl)、粒子群算法(ParticleSwarmOptimization)等一系列新的全局最大功率点跟踪(GlobalMaximumPowerPointTracking，GMPPT)算法被提出，大大提高了追踪到GMPP的概率，提升了光伏***的效率。然而，上述算法在追踪GMPP时往往有较大的功率损失或者需要针对每个单独的光伏***进行优化。相比之下，基于模拟退火法的GMPPT算法不依赖于电压初值，不需要对每个单独的光伏***进行优化，故体现出其独有的优势与应用价值。但是现有的模拟退火法只能追踪静态的功率电压曲线的最大值，无法应对辐照度变化的情况；算法停止条件为温度下降至一定阈值，追踪精度不高；缺少邻域的有效调整，导致追踪速度慢。

【发明内容】

为了克服当前模拟退火法在光伏***GMPPT上的缺陷，本发明提出了一种能够快速精确地追踪光伏***GMPP的基于模拟退火法的改进GMPPT算法。

本发明采用以下技术方案：

一种基于模拟退火法的光伏最大功率跟踪方法，包括以下步骤：

(1)在0到开路电压之间随机选取一个初始电压作为工作点电压V_i，测量在该工作点电压下的输出功率P_i，作为参考功率；

(2)在邻域内随进进行电压扰动，得到新的工作电压V_k，测量该工作电压V_k下的输出功率P_k；

(3)判断步骤(2)进行扰动后的输出功率P_k与步骤(1)的参考功率P_i的关系，如果P_k大于P_i，则接受该扰动点位新的参考点，同时，如果P_k大于当前记录的最大功率值P_max,则更新最大功率值；如果P_k小于P_i，则参考Metropolios计算接受概率，以此判断是否将该扰动点作为新的参考点；

(4)如果在某一邻域内扰动的次数达到了提前设定的扰动次数N_S，则调整邻域大小，当调整邻域的次数达到提前设定的调整次数时，对当前环境降温，并将当前的扰动点作为目前的最大功率点；

(5)判断是否追踪到最大功率。

优选地，所述的步骤(2)中的V_k按照以下公式计算：

V_k＝V_i+r*step

其中，r为[-1,1]之间的随机数，step为当前的邻域大小。

优选地，步骤(3)中的参考Metropolios计算接受概率，按照以下公式计算：

$P_r=\exp \[\frac{P_k-P_i}{T_k}\]$

其中，P_r为接受概率，T_k为当前温度。

优选地，步骤(3)中，参考Metropolios计算接受概率，以此判断是否将该扰动点作为新的参考点的方法为：若接受概率P_r大于0.1，则接受扰动点，否则拒绝。

优选地，步骤(4)根据以下公式调整邻域大小：

$\left.\begin{array}{cc}newstep=step*(1+2*\frac{No\_accept/N_s-0.6}{0.4}),& ifNo\_accept>0.6*N_s\\ mewstep=\frac{step}{1+2*\frac{0.4-No\_accept/N_s}{0.4}},& ifNo\_accept<0.4*N_s\\ newstep=step,& otherwise\end{array}\right\}$

其中，newstep为调整后的邻域大小，No_accept为接受扰动点的次数，N_S为给定邻域内的扰动次数，step为当前邻域大小。

优选地，步骤(4)中，对当前环境降温按照以下公式进行：T_k+1＝αT_k，其中，T_k为当前温度，T_k+1为降温后的温度，α为温度下降率。

优选地，判断是否追踪到最大功率的方法为：

ΔP＝|P_i-P_max|，若且连续M个输出功率都在记录的最大功率附近，则认为已追踪到GMPP。

优选地，进一步包括步骤(6)：当追踪到GMPP后，停止对电压的扰动，输出电压，并实时监测输出功率，判断是否发生辐照度的变化，如果存在辐照度的变化，则重新启动GMPPT，否则输出电压。

优选地，如果以下公式成立，则认为辐照度发生变化：

$\frac{\mathrm{\&Delta;}P}{P_{max}}>\mathrm{\&delta;}.$

与现有技术相比，本发明至少具有以下有益效果：本发明公开了一种基于模拟退火法的改进全局最大功率点跟踪算法。当光伏阵列的P-V特性因局部阴影遮挡而呈现出多峰值现象时，可以快速、准确地追踪到光伏阵列的全局最大功率点；由于邻域的自适应可调，在追踪过程中可以避免功率的大幅度波动；同时该算法能检测辐照度变化，并及时追踪到新的GMPP。

【附图说明】

图1为本发明基于模拟退火法的GMPPT算法的流程图。

图2(a)、(b)为实施例中的P-V特性曲线。

图3(a)、(b)为实施例中GMPPT过程示意图。

【具体实施方式】

本发明提出的基于模拟退火法的GMPPT算法是通过模拟晶体熔化后降温结晶的过程，构造一个类似的降温机制，在每个温度下进行一定次数电压的扰动，参考Metropolis判据决定接受或拒绝新的工作点，并根据实际接受次数所占比率来调整邻域的大小，从而达到既快速又精确的追踪效果，同时该算法能检测辐照度变化，并及时追踪到新的GMPP。其流程图如图1所示。

下面结合实施例及附图，对本发明做进一步详细的说明。实施例中GMPPT的流程图如附图1所示，包括以下步骤：

1、参数设置

设置初始温度T₀、温度下降率α、邻域大小step、结束标志flag、给定邻域内的扰动次数N_S、给定温度下的邻域调整次数N_T。

2、初始化电压

在0到开路电压V_oc之间随机选取一个初始电压V₀作为初始的工作点电压。

3、测量功率

根据初始化的电压V₀测出相应的输出功率P₀。

4、GMPPT过程

4.1在邻域内随机进行电压扰动，得到新的工作电压V_k。具体产生方式为：

V_k＝V_i+r*step(1)

其中，r为[-1,1]之间的随机数，step为当前的邻域大小，对于V_i而言，当i＝1时，V_i＝V₀。

4.2测量出V_k对应的输出功率P_k。并将扰动次数No_perturb加1。

4.3如果P_k大于参考功率P_i，对于P_i而言，当i＝1时，P_i＝P₀，则接受扰动点为新的参考点，同时，将接受新解的次数No_accept加1：

P_i＝P_k,V_i＝V_k(2)

如果P_k大于当前记录的最大功率值P_max,更新最大功率值：

P_max＝P_k,V_max＝V_k(3)

4.4如果P_k小于参考功率P_i，对于P_i而言，当i＝1时，P_i＝P₀，则参考以下Metropolios公式计算接受概率，以此判断是否接受扰动点为新的参考点：

$P_r=\exp \&lsqb;\frac{P_k-P_i}{T_k}\&rsqb;---\left(4\right)$

若P_r大于0.1，则接受扰动点，否则拒绝。如果接受了，将接受新解的次数No_accept加一。

4.5如果在某一邻域内扰动次数达到N_S次，按以下方式调整邻域大小：

$\left.\begin{array}{cc}newstep=step*(1+2*\frac{No\_accept/N_s-0.6}{0.4}),& ifNo\_accept>0.6*N_s\\ mewstep=\frac{step}{1+2*\frac{0.4-No\_accept/N_s}{0.4}},& ifNo\_accept<0.4*N_s\\ newstep=step,& otherwise\end{array}\right\}---\left(5\right)$

重新初始化No_perturb、No_accept，并将No_step加1。

4.6如果邻域调整次数达到N_T次，按照下述方式进行降温：

T_k+1＝αT_k(6)

重新初始化No_step，将参考点设为目前的最大功率点：

V_i＝V_max(7)

5、判断是否追踪到GMPP：

ΔP＝|P_i-P_max|(8)

若

$\frac{\mathrm{\&Delta;}P}{P_{max}}<\mathrm{\&delta;}---\left(9\right)$

则令

flag＝flag+1(10)

当flag大于M时，说明连续M个输出功率都在记录的最大功率附近，此时认为已追踪到GMPP，进入6，否则回到4。

6、输出GMPP，等待算法重启动

当追踪到GMPP后，算法停止对电压的扰动，输出V_i＝V_mpp，并实时监测输出功率P_i，按照下式判断辐照度是否发生变化：

若

$\frac{\mathrm{\&Delta;}P}{P_{max}}>\mathrm{\&delta;}---\left(11\right)$

说明输出功率有较大波动，存在辐照度的变化，则重新启动GMPPT，回到1。否则，继续输出V_i＝V_mpp。

本实施例中采用三个光伏模块串联，光伏模块1的辐照度在0.4秒时发生突变。其对应的P-V特性为图2(a)(0.4秒之前)及图2(b)(0.4秒之后)。可以看出，由于局部阴影遮挡，导致三块光伏模块P-V特性不一致，因此在0-0.4秒总的P-V特性呈现3个峰值。由图3(a)可以看出输出功率很快达到GMPP，说明算法的快速性及可靠性。在0.4秒后辐照度发生突变，算法立即重启动追踪，并快速再次找到新的GMPP，说明算法可以很好地应对辐照度的变化。由图3(b)可以看出，由于邻域的自适应调节，电压波动范围较小，有效地抑制了较大的功率扰动，减少了功率损失并且提升了追踪速度。

Claims (9)

1.一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于：包括以下步骤：

(1)在0到开路电压之间随机选取一个初始电压作为工作点电压V_i，测量在该工作点电压下的输出功率P_i，作为参考功率；

(2)在邻域内随机进行电压扰动，得到新的工作电压V_k，测量该工作电压V_k下的输出功率P_k；

(3)判断步骤(2)进行扰动后的输出功率P_k与步骤(1)的参考功率P_i的关系，如果P_k大于P_i，则接受该扰动点位新的参考点，同时，如果P_k大于当前记录的最大功率值P_max,则更新最大功率值；如果P_k小于P_i，则参考Metropolios计算接受概率，以此判断是否将该扰动点作为新的参考点；

(4)如果在某一邻域内扰动的次数达到了提前设定的扰动次数N_S，则调整邻域大小，当调整邻域的次数达到提前设定的调整次数时，对当前环境降温，并将目前的最大功率点作为当前的参考点；

(5)判断是否追踪到最大功率。

2.根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于：所述的步骤(2)中的V_k按照以下公式计算：

V_k＝V_i+r*step

其中，r为[-1,1]之间的随机数，step为当前的邻域大小。

3.根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于：步骤(3)中的参考Metropolios计算接受概率，按照以下公式计算：

$P_r=\exp \&lsqb;\frac{P_k-P_i}{T_k}\&rsqb;$

其中，P_r为接受概率，T_k为当前温度。

4.根据权利要求1或3所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于：步骤(3)中，参考Metropolios计算接受概率，以此判断是否将该扰动点作为新的参考点的方法为：若接受概率P_r大于0.1，则接受扰动点，否则拒绝。

5.根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于：步骤(4)根据以下公式调整邻域大小：

$\left.\begin{array}{cc}newstep=step*\left(1+2*\frac{No\_accept/N_s-0.6}{0.4}\right),& ifNo\_accept>0.6*N_s\\ newstep=\frac{step}{1+2*\frac{0.4-No\_accept/N_s}{0.4}},& ifNo\_accept<0.4*N_s\\ newstep=step,& otherwise\end{array}\right\}$

其中，newstep为调整后的邻域大小，No_accept为接受扰动点的次数，N_S为给定邻域内的扰动次数，step为当前邻域大小。

6.根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于：步骤(4)中，对当前环境降温按照以下公式进行：T_k+1＝αT_k，其中，T_k为当前温度，T_k+1为降温后的温度，α为温度下降率。

7.根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于：判断是否追踪到最大功率的方法为：

ΔP＝|P_i-P_max|，若且连续M个输出功率都在记录的最大功率附近，则认为已追踪到GMPP。

8.根据权利要求1所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于：进一步包括步骤(6)：当追踪到GMPP后，停止对电压的扰动，输出电压，并实时监测输出功率，判断是否发生辐照度的变化，如果存在辐照度的变化，则重新启动GMPPT，否则输出电压。

9.根据权利要求8所述的一种基于模拟退火法的光伏最大功率跟踪方法，其特征在于：如果以下公式成立，则认为辐照度发生变化：

$\frac{\mathrm{\&Delta;}P}{P_{max}}>\mathrm{\&delta;}.$