10000930_基于MATLAB光伏阵列多峰输出特性建模及MPPT控制仿真-solarbe文库

资源描述：

基金项目国家自然科学基金面上项目（51676063）；通讯作者白建波（1974），男，博士，教授，博士生导师；研究方向为太阳能高效综合利用.E-mailbai-jianbohhu.edu.cn 通讯地址江苏省常州市新北区晋陵北路 200 号河海大学邮编213022 基于 MATLAB 光伏阵列多峰输出特性建模及 MPPT 控制仿真王光清白建波陈健豪夏旭（河海大学，江苏常州 213022）摘要本文基于五参数模型构建了在阴影条件下的光伏阵列多峰输出特性模型，该模型能够仿真阴影条件下光伏阵列的 I-V 性能曲线。本文采用优化后的 PSO 粒子群算法应用于对输出多峰情况进行跟踪与控制，该粒子群算法适用于连续函数极值问题，对于非线性、多峰问题均有较强的全局搜索能力。仿真结果表明该算法能够快速且准确的追踪到多峰下的最大值。本文所建立的模型为后续人员研究多峰模型以及对于研发高性能的 MPPT 控制器具有理论价值及参考意义。关键词多峰输出模型 PSO 算法优化 MPPT 控制 Abstract In this paper, a multi-peak output characteristic model of photovoltaic array under shading condition is constructed based on a five-parameter model. The model can simulate I-V performance curve of photovoltaic array under shading conditions. The optimized PSO algorithm is applied to tracking and controlling the multi-peak output model. The PSO is suitable for the extreme value of continuous functions, and it has strong global search ability for nonlinear and multi-peak problems. The simulation results show that the algorithm can track the maximum value under multi-peak quickly and accurately. The model established in this paper has theoretical value and reference significance for the follow-up study of multi-peak model and for the development of high-performance MPPT controller. Key words multimodal output model optimized PSO algorithm MPPT control 0 引言随着全球资源的短缺和环境污染的日益严重，清洁能源、可再生能源利用成为全球关注的焦点问题。太阳能是可再生能源的重要组成部分，太阳能取之不尽用、用之不竭、无污染等优点，太阳能是未来世界能源领域的主要发展趋势。太阳能是一种辐照能，它必须借助于能量转换器才能转化为电能，这种把光能转换为电能的能量转换器，即为太阳能光伏电池。光伏电池是整个光伏电站的电能来源，光伏电池板的最高转换效率可以达到 2021，在实验室中转换效率达到了 25，整个系统的转换效率一般在 1517之间。在实际运行时，系统的实际效率可能更低 [1]。光伏电站中，光伏组件的安装会考虑到倾斜角和方位角的影响，选择合适的倾斜角和方位角以便最大效率的接收太阳光的辐射，实现光伏组件的效率最大化。PV 阵列的输出功率受到太阳辐照度和温度的影响，并且当辐照度和温度发生变化时，光伏电池板的 I-V 性能曲线会发生变化，为了在不同负载下，使 PV 阵列产生的能量最大化，就要使系统运行在最大功率点处MPP。而当辐照度和温度发生变化，系统运行在非最大功率点处时，为避免能量的浪费以及输出功率的最大化，就需要进行最大功率点追踪（MPPT） [1]。目前，常用的 MPPT 算法主要有 [2-3]恒定电压法、扰动观察法、电导增量法等，上述方法简单易于实现，可适用于精度要求不高的光伏发电场合；在此基础上，国内外学者对上述算法还做了大量改进研究工作，进一步提高其适应性 [4-7]。目前，国内外对于阴影遮挡条件下，光伏组件输出特性的模型很多，但是基于阴影遮挡的特殊性，这些数学模型均为分段函数，在实际的仿真过程中，操作过于复杂，并且难度很大，本文通过直接搭建 simulink 模型完成阴影条件下的光伏组件输出性能的仿真。并且，阴影遮挡以及失配情况下 MPPT 算法也一直是光伏领域的研究热点，文献 [4-5]提出的改进扰动观察法，虽然可以实现阴影遮挡条件下的最大功率点，但是大大增加了追踪时间，文献 [6-8]提出先计算出峰值点可能存在的区域，再进行最大功率点的跟踪，虽然能够快速跟踪到最大功率点，但是这些算法在确定峰值点区域时需要知道光伏阵列的结构，光伏电池组件的开路电压、短路电流，具有一定的局限性。PSO 算法一种结构简单从而被广泛应用，但是也存在不收敛和不能总是追踪到最大功率点的问题，本文提出的改进 PSO 算法，避免了陷入局部最大功率点的追踪，可以实现最大功率点的追踪。 1 仿真模型的搭建 1.1 光伏电池五参数模型的搭建光伏组件的建模是通过光伏组件的等效电路图来完成的，在等效电路图的基础上利用基尔霍夫电压定律列方程，通过光伏组件铭牌上的已知参数以及其他一些参,,,,scosmpsIUI 数来求解光伏组件所需要的五个参数，其中包括光生电流，二极管反向饱和电流，曲线ph 0I 拟合因子 a，以及串联电阻和并联电阻。sRsh 基于该模型利用基尔霍夫电流定律得到光伏组件的电特性方程，如等式（1）所示（1） 0{exp[/]1}sphDshpshVIRIIIVIRa 其中，为光生电流，为二极管通过电流，为流过并联电阻电流，为二极管反phIDIshI0I 向饱和电流，为串联电阻，为并联电阻，为曲线拟合因子，为光伏组件输出电压，sRshaV 为光伏组件输出电流。此五参数模型为实验室已有模型，五参数求解公式如下 [8]I （2 000 000,5[]IU IUUI UmpSCmpmpSCOs pddddI IR  ）（3）,5,0shsU dRI （4） ,5,51sphschI （5） 0,505IUUshscoIddRIa （6） ,5,0,5exp1ochsIRUa 1.2 五参数模型仿真结果分析下图是五参数模型通过 MATLAB 软件仿真出来的 TSM-PC05A.50 的 I-V 特性曲线以及功率曲线。并且通过实验测量了在标准条件下的光伏组件的 I-V 特性曲线以及功率曲线。通过图 1 中仿真以及实验测量的 I-V 特性曲线以及功率曲线，可以发现在标准条件下（ 1000W/㎡），仿真以及实验所测曲线拟合程度达到 99，而且并与四参数模型对比，发现五参数的精度高于四参数的精度。图 1 TSM-PC05A.50 I-V 特性曲线以及功率曲线 2 多峰情况下 MPPT 控制太阳能电池的输出特性较为复杂，具有非线性的特征，其输出主要受辐照度温度、以及负载情况的影响。光伏阵列在实际运行过程中因为辐照度分布不均匀或光伏组件中相互之间电性能参数不一致等因素使各个光伏电池的输出特性不一致而造成失配现象。在实际运行过程中，造成光伏阵列失配的因素很多，阴影遮挡是其中重要的因素之一，此外如组件表面灰尘的积累、阵列中组件的安装朝向或者方位差异等都是阵列失配的原因。光伏阵列运行在失配条件下时，阵列的输出特性呈现双峰或者多峰情况，在多峰情况下，选择粒子群算法实现最大功率点的追踪 [8]。 2.1 阴影条件下的光伏组件输出特性对于阴影情况下光伏阵列输出特性的研究主要分为无旁路二极管光伏组件的串联电路性能研究以及含旁路二极管光伏组件的串联电路电性能研究。由于目前商业运用的光伏组件都已具备保护功能的旁路二极管，本文对含旁路二极管的串联电路电性能进行研究 [9]。在 1.1 节所介绍的五参数模型的基础上搭建阴影遮挡下光伏阵列的输出模型，如下图所示图 2 阴影遮挡情况下光伏阵列输出模型此模型中，有两块光伏电池板串联，通过工程实际模型将两电路串联，并在每一块光伏组件旁路并联一个二极管。仿真过程中设置第一块电池的光照强度为 1000W/㎡，第二块电池板的光照强度为 600W/㎡，此种情况下，则第二块板即为光伏阵列中的阴影遮挡的电池板，将两块不同辐照度的电池板串联及旁路并联二极管等效于在同一块电池板串联中部分小电池片被遮挡的情况。仿真结果如下图所示。图 3 光伏阵列的输出电流随电压变化曲线图 4 光伏阵列的输出功率随电压变化曲线 2.2 PSO 算法的 MPPT 模型粒子群算法适用于连续函数极值问题，对于非线性、多峰问题均有较强的全局搜索能力 [10]。粒子群算法不需要编码，直接利用粒子的位置来表示自变量，每个粒子的位置都由自变量的个数和取值范围决定，而速度由自变量的个数和速度限制决定，形式如下，其中 d 代表空间维数自变量数） 1,2,[.]iiidxxvv 速度和位置更新是粒子群算法的核心，其原理表达式和更新方式如下 12**idididi gdiwcrpxcrpxxv 其中，为学习因子，为惯性权重，，为相互独立的随机数，为第 i 次循环12w1r2 gdp 后的全局最优值，为第 i 次循环后的位置，为第 i 次循环后的粒子的更新速度 [11]。idxidv 将 PSO 算法应用到 MPPT 过程中时，目标函数即为光伏阵列的输出功率 P，而位置即为光伏阵列的输出电压 V，通过 V 的不断更新来寻找最大功率点 P。但是在目前的阴影遮挡的下的光伏组件输出模型均为分段函数，在粒子群算法过程中当目标函数为分段函数时，很难求取目标值。本文所提到的阴影遮挡的数学模型通过 SIMULIK 模块搭建，并未涉及到数学函数。本文将粒子群算法编写在 S 函数中，通过 SIMULINK 模块搭建失配情况下 MPPT 控制模型。模型如下图 5 PSO 算法实现 MPPT 模型光伏阵列失配情况下的模型结合 PSO 算法中，首先依据输出电压范围选取 10 个等间距的电压点作为 PSO 算法的初始起点，通过失配情况下光伏阵列模型（即 PSO 算法中的目标函数）求取最大功率点，通过电压位置以及电压变化速度的更新实现最大功率点的追踪。功率的收敛速度以及最大功率点对应的电压值收敛速度如下图所示图 6 PSO 算法实现 MPPT 过程中最大功率点收敛情况图 7 PSO 算法实现 MPPT 过程中最优电压值收敛情况通过图 6，图 7 可以分析利用改进的 PSO 算法结合阴影遮挡条件下的光伏阵列输出模型实现 MPPT 的过程中，响应速度快，更新次数为 60 次左右就可以寻找到最大功率点以及对应的最优电压值，而且当给定初始值时，PSO 算法不容易陷入局部最优解。 4 结论 PSO 算法在求解多峰情况下的最大值时，全局搜索能力较强且精度较高，但需要目标函数，本文通过搭建失配情况下的光伏阵列输出模型作为 PSO 目标函数，结合 PSO 算法实现了多峰情况下的 MPPT 控制，且通过仿真结果可以得出该方法响应速度快，且精度较高。 [参考文献] ［1］ DjamilaRekioua, ErnestMatagne, 瑞奇奥,等. 光伏发电系统的优化建模、仿真和控制[M]. 机械工业出版社, 2014. ［2］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. ［3］ Cui Yan， Cai Binghuang， Li Dayong， et al.Comparative studies on the MPPT control algorithms ofsolar energy photovoltaic system［J］. Acta EnergiaeSolaris Sinica，2006，27（6） 535 539 ［4］ Ji Y H, Jung D Y, Kim J G, et al. A Real Maximum Power Point Tracking Method for Mismatching Compensation in PV Array Under Partially Shaded Conditions[J]. IEEE Transactions on Power Electronics, 2011, 2641001-1009. ［5］ Patel H, Agarwal V. Maximum Power Point Tracking Scheme for PV Systems Operating Under Partially Shaded Conditions[J]. IEEE Transactions on Industrial Electronics, 2014, 5541689-1698. ［6］ Nguyen, Tat Luat;;Low, Kay-Soon. A global maximum power point tracking scheme employing DIRECT search algorithm for photovoltaic systems[J]IEEE Transactions on Industrial Electronics, 2010. ［7］ TEY K S;MEKHILEF S. Modified incremental conductance algorithm for photovoltaic system under partial shading conditions and load variation[J]IEEE Transactions on Industrial Electronics, 2014. ［8］ Lei, Peng;;Li, Yaoyu;;Seem, John E. Sequential ESC-based global MPPT control for photovoltaic array with variable shadingIEEE Transactions on Sustainable Energy, 2011. ［9］曹阳, 袁太军, 王靓. 失配条件下光伏阵列理论建模和仿真模拟分析[J]. 电力科学与工程, 2016, 321034-41. ［10］李鹏远. 基于 PSO 算法的光伏发电系统 MPPT 控制方法研究[D]. 兰州理工大学, 2013. ［11］丁爱华. 基于 PSO 的复杂环境下光伏 MPPT 控制系统研究[D]. 广西大学, 2013.