光伏系统多峰值MPPT控制方法研究

资源描述：

第２８卷第８期２０１２年８月电网与清洁能源Power Systemand Clean EnergyVol.28 No.8Aug. 2012文章编号１６７４－３８１４（２０１２）０８－００６８－０５中图分类号ＴＭ６１５文献标志码 A 基金项目国家自然科学基金（ 51007019）。Project Supported by National Nature Science Foundation ofChina（ 51007019） .Abstract In case that the photovoltaic（ PV） systemis partiallyblocked， the PV components connected in series and with abypassdiode， showproducethe multi-peak output characteristics.To obtain the global maximum power point, the maximum powerpoint track（ MPPT） is needed. Basedon the single-peak MPPTcontrol algorithm, this paper proposesa new multi-peak MPPTcontrol method to track the maximum power point via four steps.The key point of this algorithm is obtaining the valley values ofthe output characteristics， which can make it convenient to getthe boundary and search for the point in the multi-zone. Validityof the proposed control algorithm proves is demonstratedthroughtrue by simulations of actual cases.Key words photovoltaic （ PV） system； multi -peak value；maximum power point track（ MPPT）； valley value摘要实际光伏系统在被部分遮挡的情况下，带有旁路二极管的串联光伏组件呈现出多峰值的输出特性。为得到全局最大功率点，需要对其进行多峰值最大功率点跟踪（ MPPT）。在单峰值 MPPT控制算法的基础上，提出新的多峰值 MPPT控制方法，能够通过 4步，实现对最大功率点的有效跟踪。该算法的关键在于确定输出特性的谷值，以便进行定界和多区域搜索。最后通过仿真实例验证该算法的有效性。关键词光伏系统；多峰值；最大功率点跟踪（ MPPT）；谷值随着社会的快速发展和经济规模的不断扩大，能源短缺问题成为社会发展的瓶颈。许多国家开始重视风电、太阳能等新能源和可再生能源的研究、开发和利用［１］。太阳能凭借永不枯竭、无污染、不受地域限制等优点，成为最具潜能的新能源之一，其中光伏发电又是太阳能利用最有效的方式，具有安全可靠、无噪声、规模大小随意等优点。在光伏发电系统中，要提高系统的整体效率，充分利用太阳能资源，一个重要的途径就是实时调节光伏电池的工作点，使之保持在最大功率点附近，该过程称为最大功率点跟踪（ｍａｘｉｍｕｍｐｏｗｅｒｐｏｉｎｔｔｒａｃｋ，ＭＰＰＴ）［２］。由于光伏电池的理论模型显示为单峰特性，目前对于ＭＰＰＴ算法的研究还集中于 P-V 特性曲线的单峰寻优，主要方法包括恒定电压法、扰动观测法、导纳增量法［３－６］。其中，扰动观测法通过周期性的增加或减少系统的输出电压，寻找最大功率点［７－８］；导纳增量法是通过光伏发电系统的增量电导和瞬时电导调节系统的参考电压［９－１０］。在实际的光伏系统中，当若干个光伏组件串联成光伏阵列时，为了避免产生 “ 热斑 ” ，需要在光伏组件两端并联旁路二极管。当某组件被遮挡时，该旁路二极管导通，组件或阵列的输出特性将发生较大变化，显示出多峰值特性［１１］。相对于单峰值情况，ＭＰＰＴ算法众多、研究成果丰富，对多峰值情况控制算法的研究还很少，鲜有论文发表［１２］。本文基于对以往单峰值ＭＰＰＴ算法的研究分析，提出多峰值情况下光伏系统的ＭＰＰＴ控制算法。文中给出的多峰值寻优过程由４个步骤组成，依次为确定谷值、谷值定界、多域比较、定域搜索，通过光伏系统多峰值ＭＰＰＴ控制方法研究项丽 1，王冰 2，李笑宇 1，袁越 2（ 1．宁夏电力调度中心，宁夏银川 750001； 2．河海大学能源与电气学院，江苏南京 211100）Multi-Peak Maximum Power Point Track Control Methodof Photovoltaic SystemXIANG Li 1， WANG Bing2， LI Xiao-yu 1， YUAN Yue2（ 1. Dispatching Center of Ningxia Electric Power Company， Yinchuan 750001， Ningxia， China；2. College of Energy and Electrical Engineering， Hehai University， Nanjing 211100， Jiangsu， China）清洁能源Clean Energy第２８卷第８期电网与清洁能源以上步骤实现对最大功率点的有效跟踪。在提出的控制算法中，如何确定多峰值 P-V 输出特性曲线的谷值是关键问题通过寻找多峰值特性曲线的谷值，对曲线进行定界和分区，进而分区域加以搜索，得到全局最大功率点。最后，通过Ｍａｔｌａｂ软件进行算例仿真，验证了该设计方法的有效性。1 光伏系统的多峰特性通过对物理模型的分析，光伏电池可以看作一个二极管与太阳光电流源所并联的等效电路。由于材料本身具有一定的电阻率，引入附加电阻，流经负载的电流经过它们时，必然引起损耗。光伏电池的等效电路如图１所示，可以用串联电阻 Rs 和并联电阻 Rsh 来表示。光伏电池单元的 I-U 方程为I＝ Iph－ I ０ｅｘｐ｛［ q（ U＋ IR s）／ nＫ T］－１｝－（ U＋ IR s）／ Rsh （１）其中， I ph 为光生电流，其值正比于太阳能电池的面积和入射光的辐射度； I ０为反向饱和电流； q 为电子电荷； n 为二极管因子； K 为玻耳兹曼常数。由于单个光伏电池所产生的能量很少，需将若干个光伏电池进行并、串联，搭接成光伏阵列加以使用。实际应用中，当阴影落在光伏阵列某一支路中的某一光伏组件表面时，总的输出功率会减少。对于串联情况，若有一个光伏组件被遮挡，不但会损失该组件所输出的电能，而且由于该组件被反向偏置，进而变成损耗功率，产生 “ 热斑 ” 现象。为了避免 “ 热斑 ” 的产生，通常采用在光伏组件电池内部或电池间的串联电路中上并联一个 “ 旁路二极管 ” ，如图２所示。当阵列中的部分组件被遮挡时， “ 旁路二极管 ”被激活，组件或阵列的输出特性将发生较大变化，反映在 P-V 特性曲线上则是出现多峰情况，如图３所示。对应不同的光照强度，会产生相应的波峰，所以光照强度的数目和波峰的数目是对应的。目前传统的ＭＰＰＴ方法针对单峰值曲线情况，技术上可以采用恒定电压法、扰动观测法以及导纳增量法等算法。这些ＭＰＰＴ方法的共同思想是不断地调整电流或电压的采集点，并随时计算采集点上的功率，然后将当前时刻的功率与前一时刻的功率进行比较，决定后续采集点的运动方向。显然，这些方法是建立在光伏阵列输出功率具有 “ 单峰 ” 的基础上。当阵列并联有二极管时，各组件的工作状态不一致，使得功率特性曲线不再表现为单峰，上述方法会让系统工作在某一个局部峰值附近，但无法确保系统工作在最大的峰值点上。因此，需要研究并提出新的最大功率跟踪方法，在 “ 多峰 ” 情况下，仍然能够找到全局的最大功率点。图 2 安装旁路二极管的光伏电池组件串联支路Fig. 2 Serial branch of PV module with bypass diode图 3 安装旁路二极管的串联光伏组件在非均匀光照下的特性曲线Fig. 3 I-V and P-V curve of serial PV module withbypass diode under non-uniform illumination图 1 光伏电池等效电路Fig. 1 PV battery equivalent circuit清洁能源Clean Energy692 基于谷值定界的多峰值 MPPT 控制方法光伏电站中不同位置会安装有光强传感器，如果出现局部遮挡情况，即可及时观测到，因此，根据不同的光强与波峰相对应的原则，一般情况下，峰值的数目是可以知道的。在这一条件下，我们提出具体的多峰值ＭＰＰＴ控制方法。在已知光伏系统 P-V 特性曲线中的峰值个数的信息后，ＭＰＰＴ控制方法二如图４所示，按照以下步骤展开。第一步，确定谷值选取一定数量的初始值（不少于峰值的个数），按照等距离分布。根据这些电压初始值，通过计算得到相应的功率值。而后选取合适的步长（为提高搜索效率，步长不宜太小），沿着功率变小的方向进行搜索，直到功率值不再变小为止。此时，可以确定这里存在一个最低点（谷值）。该过程中，如果出现搜索过界的情况，则可以停止这一初始值的搜索过程，因为该初始值与另一初始值同处于一个峰值的区域范围内。第二步，谷值定界根据第一步所得到的多个谷值进行定界，因为已知的峰值数，可确定搜索过程是否有遗漏。如果有遗漏，则进入弥补程序；如果没有遗漏，则可以对搜索的整个区域进行定界，从而确定各个峰值所在的范围。弥补程序如果发现所得谷值的数目不够，这时搜索可能遗漏峰值，需要进行弥补。通过分析，在局部区域插入初始值，进行重新搜索，直到找到所缺的谷值为止。这里选择谷值定界的原因在于（１）谷值的数目少于峰值数目，例如特性曲线中有４个峰值，只有３个谷值，这样可以减少工作量；（２）运用谷值进行定界时，对谷值的准确度要求较低，知道大概的数值即可，因此步长可以选取较大的值，加快搜索速度。第三步，多域比较根据第二步定界的多个区域，分别进行最大值搜索。在每个区域内，从第一步的初始值开始，进行反向搜索；为提高效率，选取合适的步长值（小于确定谷值的步长，大于定域搜索的步长），搜索到该区域内局部最大值（峰值）的粗略值；最后，将不同区域内搜索得到的局部最大值进行比较，确定全局最大值所在的波峰范围，而后进入选定区域进行精确搜索。在多域比较中，由于所得的局部最大值为粗略值，可能由于其偏差，错误选择了全局最大值所在的波峰，这主要与步长值选取偏大有关。但产生这样的问题时，发生误判的两个局部最大值相差不会太大，所以对最大功率点发电造成的损失也是有限的。第四步，定域搜索在确定的区域进行搜索时，为提高搜索效率，以第三步的搜索结果作为初始点开始，进行反向搜索，即沿着功率变大的方向进行搜索。这时可采用研究较为成熟的单峰值ＭＰＰＴ方法，例如变步长搜索方法、扰动观察法或电导增量法，力求在较短时间内，最为准确地得到全局最大值。图 4 多峰值 MPPT 控制方法二Fig. 4 Control method 2 of multi-peak value MPPT项丽，等光伏系统多峰值ＭＰＰＴ控制方法研究 Vol.28 No.8清洁能源Clean Energy70第２８卷第８期电网与清洁能源少数光伏电站不具有多点光强测试条件时，则需要对控制算法进行修正。这时由于光照强度未知，所以 P-V 特性曲线中的峰值个数未知，需要对ＭＰＰＴ控制方法做出调整，在第一步前增加一个步骤全程扫描。具体过程如下以一个合适步长，对P-V 特性曲线进行扫描，记录不同电压下的输出功率，通过分析可以确定峰值的个数。而选择合适的步长是该步的关键，步长太大，容易遗漏波峰，步长太小，又会浪费扫描时间。3 仿真验证利用Ｍａｔｌａｂ软件进行系统仿真，验证本文中算法的可行性。首先，如图５所示，当带有旁路二极管的串联光伏组件受到３个不同强度的入射光强照射时，光伏系统的 P-V 特性曲线将出现３个峰。１）根据ＭＰＰＴ控制方法，首先寻找３个波峰存在的２个波谷。寻找波谷过程如图６和图７所示，由图６可知，在０．００５ｓ找到波谷一，由图７可知，在０．０１０ｓ找到波谷二。２）得到波谷后，经过谷值定界，进入分域搜索阶段，如图８所示，分别在３个波峰范围内进行局部最大值搜索，在０．００５ｓ（红点虚线）、０．０１８ｓ（蓝虚线）和０．０２６ｓ（蓝实线）找到３个次波峰。通过比较３个局部最大值，可以知道全局最大功率点存在于第二个波峰，因此在０．０２６ｓ进入全局最大功率点精确寻优阶段，通过改变步长，在较快时间内得到全局最大功率点为４１．２Ｗ。通过以上仿真过程可以知道，通过ＭＰＰＴ控制方法，可以顺利找到光伏系统的全局最大功率点。从而验证了该控制算法的有效性。但以上寻优过程并不是最高效、快捷的，改变步长后，仿真得到图９。比较图９中的２条寻优曲线，可以发现，通过调整搜索步长，在０．０１４ｓ就进入精确寻优过程，寻优时间变短，寻优效率提高。图 7 寻找波谷二的过程Fig. 7 Process of searching for valley value 2图 8 寻找次波峰及全局最大值的过程Fig. 8 Process of searching for the second peak and theglobal maximum value图 5 三峰的光伏系统 P-V 曲线Fig. 5 Three peak value P-V curve of PV system图 6 寻找波谷一的过程Fig. 6 Process of searching for valley value 1清洁能源Clean Energy714 结论实际光伏系统中，光伏组件在部分被遮挡情况下会显现出多峰值的 P-V 特性曲线，本文针对这类曲线的最大功率点提出了ＭＰＰＴ控制方法。其中的关键步骤在于１）通过搜索确定谷值，对特征曲线进行分区；２）通过分区域搜索比较，保证了系统工作在全局最大功率点。该控制算法解决了现有单峰值算法可能陷入局部最大值 “ 陷阱 ” 的问题，并可与单峰值的ＭＰＰＴ控制算法加以组合使用，能够在复杂的环境变化下保证系统工作在最大功率点，大大提高了光伏阵列的转换效率。参考文献[1] 王长贵，崔容强，周篁 . 新能源发电技术 [M]. 北京中国电力出版社， 2003.[2] 赵争鸣，刘建政，孙晓瑛，等 . 太阳能光伏发电及其应用 [M]. 北京科学出版社， 2005.[3] 李晶，窦伟，徐正国，等 . 光伏发电系统中最大功率点跟踪算法的研究 [J]. 太阳能学报， 2007， 28（ 3） 268-273.LI Jing， DOU Wei， XU Zheng-guo， et al. Research onMPPT methods of photovoltaic power generation system[J].Acta Energiae Solaris Sinica， 2007， 28（ 3） 268-273 （ inChinese） .[4] 崔岩，蔡炳煌，李大勇，等 . 太阳能光伏系统 MPPT 控制算法的对比研究 [J].太阳能学报， 2006， 27（ 6） 535-539.CUI Yan， CAI Bing-huang， LI Da-yong， et al. Comparativestudies on the MPPT control algorithms of solar energyphotovoltaic system[J].Acta Energiae Solaris Sinica， 2006，27（ 6） 535-539 （ in Chinese） .[5] 周林，武剑，栗秋华，等 . 光伏阵列最大功率点跟踪控制方法综述 [J]. 高电压技术， 2008， 34（ 6） 1145-1154.ZHOU Lin， WU Jian， LI Qiu -hua ， et al. Survey ofmaximum power point tracking techniques for photovoltaicarray[J].High Voltage Engineering， 2008， 34（ 6） 1145-1154（ in Chinese） .[6] 徐鹏威，刘飞，刘邦银，等 . 几种光伏系统 MPPT 方法的分析比较及改进 [J]. 电力电子技术， 2007， 41（ 5） 3-5.XU Peng-wei， LIU Fei， LIU Bang-yin ， et al. Analysis，comparison and improvement of several MPPTmethodsforPV system [J]. Power Electronics， 2007， 41 （ 5） 3-5 （ inChinese） .[7] 周德佳，赵争鸣，袁立强，等 . 具有改进最大功率跟踪算法的光伏并网控制系统及其实现 [J]. 中国电机工程学报， 2008， 28（ 31） 94-100.ZHOU De-jia ， ZHAO Zheng-ming ， YUAN Li-qiang ， etal. Implementation of a photovoltaic grid-connected systembased on improved maximum power point tracking[J].Proceedingofthe CSEE， 2008， 28（ 31） 94-100（ in Chinese） .[8] 胡静，张建成 . 基于数值方法的光伏发电系统 MPPT 控制算法研究 [J]. 电力科学与工程， 2009， 25（ 7） 1-6.HU Jing， ZHANG Jian-cheng. Research on MPPT controlalgorithm based on numerical method for PV generationsystems[J].Electric PowerScienceand Engineering， 2009，25（ 7） 1-6 （ in Chinese） .[9] 董密，杨建，彭可，等 . 光伏系统的零均值电导增量最大功率点跟踪控制 [J]. 中国电机工程学报， 2010， 30（ 21） 48-53.DONG Mi， YANG Jian， PENG Ke， et al. Zero averageincremental conductance maximum power point trackingcontrol for photovoltaic system[J].Proceeding of the CSEE，2010， 30（ 21） 48-53 （ in Chinese） .[10] 黄瑶，黄洪全 . 电导增量法实现光伏系统的最大功率点跟踪控制 [J]. 现代电子技术， 2008（ 22） 18-19.HUANG Yao， HUANG Hong-quan. Maximum power pointtracking control methodbasedonincremental conductance[J].ModernElectronicsTechnique， 2008（ 22） 18-19（ inChinese） .[11] 翟载腾，程晓舫，丁金磊，等 . 被部分遮挡的串联光伏组件输出特性 [J]. 中国科学技术大学学报， 2009， 39（ 4） 398-402.ZHAI Zai-teng ， CHENG Xiao-fang ， DING Jin-lei ， et al.Characteristics of partially shadowed serial PV module（下转第 76 页）图 9 调整步长寻找全局最大值过程Fig. 9 Process of searching for the global maximumin adjusting step清洁能源Clean Energy项丽，等光伏系统多峰值ＭＰＰＴ控制方法研究 Vol.28 No.872（上接第 72 页）output[J]. Journal of University of Science and Technologyof China， 2009， 39（ 4） 398-402（ in Chinese） .[12] 刘艳莉，周航，程泽 . 基于粒子群优化的光伏系统 MPPT控制方法 [J]. 计算机工程， 2010， 36（ 15） 265-267.LIU Yan -li ， ZHOU Hang， CHENG Ze. MPPT controlmethod of PV system based on PSO[J]. ComputerEngineering， 2010， 36（ 15） 265-267（ in Chinese） . 收稿日期 2012-01-18 。作者简介项丽（ 1977 ），女，高级工程师，硕士，从事电力系统运行方式工作；王冰（ 1975 ），男，副教授，博士，研究方向为新能源发电控制技术、非线性系统鲁棒控制。（编辑徐花荣）参考文献[1] 兰华，廖志民，赵阳 . 基于 ARMA 模型的光伏电站出力预测 [J]. 电测与仪表， 2011（ 2） 36-40.LAN Hua， LIAO Zhi-min ， ZHAO Yang. ARMA model ofthe solar power station based on output prediction[J].Electrical Measurement Instrumentation， 2011（ 2） 36-40（ in Chinese） .[2] 栗然，李广敏 . 基于支持向量机回归的光伏发电出力预测 [J]. 中国电力， 2008（ 2） 79-83.LI Ran， LI Guang-min. Photovoltaic power generationoutput forecastingbasedonsupportvectormachine regressiontechnique[J].Electric Power， 2008（ 2） 79-83（ in Chinese） .[3] HALL T， BROOKS H E， DOSWELLC A. Precipitationforecasting using a neural network[J]. Weather andForecasting， 1999， 14338-345.[4] JIN L， JU W M， MIAO Q L. Study on Ann-based multi-step prediction model of short-term climatic variation [J].Advances in Atmospheric Sciences， 2000， 17 157-164.[5] MARZBAN C， WITT A. A bayesian neural network forsevere-hail size prediction[J]. Weather and Forecasting，2001， 16 600-610.[6] 刘德，李晶，刘永华，等 . BP 神经网络在长期天气过程预报中的应用实验 [J]. 气象科技， 2006， 34（ 3） 250-253.LIU De， LI Jing， LIU Yong-hua， et al.Application experimentof BP neural network model in long-term weatherforecasts[J]. Me-Teorologic-Al Science And Technology，2006， 34（ 3） 250-253 （ in Chinese） .[7] 施丹平 . 人工神经网络方法在降水量级中期预报中的应用 [J]. 气象， 2001， 27（ 6） 40-42.SHI Dan-ping. An application of artificial neural network（ ANN） to rainfall mid-range forecasting[J]. MeteorologicalMonthly， 2001， 27（ 6） 40-42 （ in Chinese） .[8] 朱武亭，刘以建 . BP 网络应用中的问题及其解决 [J]. 上海海事大学学报， 2005， 26（ 2） 68-70.ZHU Wu-ting ， LIU Yi-jian. Problems and solutions of BPneural network. Journal of Shanghai Maritime University，2005， 26（ 2） 68-70 （ in Chinese） .[9] 曹均阔，舒远仲，叶水生 . 一种结构自组织的改进 BP网络 [J]. 计算机工程， 2005， 31（ 17） 165-167.CAO Jun-kuo， SHU Yuan-zhong， YE Shui-sheng. A newstructure adaptive improved neural network[J]. ComputerEngineering， 2005， 31（ 17） 165-167 （ in Chinese） .[10] 王正武，张瑞平，刘松 . BP 网络的一种改进学习方法 [J].数学理论与应用， 2005， 25（ 1） 31-34.WANG Zheng-wu ， ZHANG Rui -ping ， LIU Song. Oneimproved BP neural network learning algorithm[J].Mathematical Theory and Application， 2005， 25（ 1） 31-34（ in Chinese） .[11] 李宏刚，吕辉，李刚 . 一种 BP 神经网络的改进方法及其应用 [J]. 中国工程科学， 2005， 7（ 5） 63-65.LI Hong-gang， L譈 Hui ， LI Gang. An improving methodof BP neural network and its application[J]. EngineeringScience， 2005， 7（ 5） 63-65 （ in Chinese） .[12] 雷景生，康耀红 . 一种改进的 BP 算法 [J]. 海南大学学报自然科学， 2003， 21（ 4） 326-329.LEI Jing-sheng， KANG Yao-hong. An improved BPalgorithm and its application[J]. Natural Science Journal ofHainan University， 2003， 21（ 4） 326-329（ in Chinese） .[13] LIPPMANN R P. An introduction to computing with neuralnets[J]. IEEE ASSP Magazine， 1987（ 4） 4-22.[14] HECHT NIELSEN R. Theoryof the backpropagation neuralnetwork[C]. International joint conference on neuralnetworks， 1989 593-605. 收稿日期 2012-05-31 。作者简介孙川永（ 1980 ），男，博士，工程师，主要从事新能源资源评估与预测及新能源并网工作；彭友兵（ 1981 ），通讯作者，女，博士，主要从事气候资源评估、污染模拟、气候模拟。（编辑徐花荣）孙川永，等数值模式在太阳能出力分析中的应用研究 Vol.28 No.8清洁能源Clean Energy76