自适应权重粒子群算法在阴影光伏发电最大功率点跟踪(mppt)中的应用 applications of adaptive particle swarm optimization algorithm to mppt of shadow photovoltaic power generation.pdfVIP

自遁应权重粒子群算法在，阴影光伏发!电 最大功率点跟踪(M PPT)中的应用 袁晓玲，陈宇 (河海大学能源与电气学院，江苏南京210024) 摘要：在光伏发电系统中，光伏阵列往往会受到局部阴影现象的影响．造成系统的不稳定运行和输出功 率的降低，且光伏阵列的pU特性曲线会出现多峰值，常规最大功率点跟踪(MPPT)算法因其只能单峰寻 优而不能完成对最大功率点的跟踪。粒子群优化(PSO)算法则有着良好的多峰全局寻优能力．被广泛应用 在局部阴影的最大功率点跟踪中，但是PSO算法有着收敛速度不足和搜索精度低的缺点。为此．提出了基 于自适应权重的粒子群优化(APSO)算法，即在运算过程中通过引入非线性动态惯性权重系数．有效地提 高整体算法的全局搜索能力和局部改良能力。利用Matlab仿真，在恒定阴影和快速变化阴影2种条件下验 证APSO算法的可行性。结果表明，APSO算法能够避免早熟收敛问题。可有效地提高算法的收敛速度和搜 索精度． 关键词：最大功率点跟踪；局部阴影：粒子群优化算法：自适应权重 中图分类号：TM615 文献标志码：A 文章编号：1004—9649(2013)10—0085—06 0引言 于自适应权重的粒子群优化(APSO)39法，改进后 的算法能有效地提高整体算法的全局搜索能力和 在光伏系统的实际使用过程中．由于光伏阵 局部改良能力，从而提高系统的跟踪速度和精度。 列表面的灰尘、周围建筑物、树木和云层等遮挡 形成的阴影会大大降低其发电效率。为提高发电 1 局部阴影条件下的光伏阵列特性分析 效率．必须对光伏系统的最大功率点进行跟踪控 制。在局部阴影条件下，光伏阵列的P_U曲线会 在光伏发电的实际情况中．光伏系统为了获 出现多个功率极大值．导致常规最大功率点跟踪 得足够大的输出电压．往往将多个光伏模块进行 (MP胛)算法极易陷入局部极大值而非全局最大串并联。组成光伏阵列。如果光伏阵列中所有模 值，因此常规算法如扰动观察法、电导增量法， 块受到相同的太阳辐射．光伏阵列输出的最大功 也就无法实现最大功率点的准确跟踪[1-3l。目前阴率等于所有模块的最大功率之和。但是当光伏阵 影条件下的最大功率点跟踪方法可以使用遗传算 列被阴影遮挡后．其被遮挡部分的光照强度会减 弱．这时光伏阵列的输出功率必然出现不均衡现 法、粒子群优化(PSO)39法等㈣。遗传算法虽然可 以跟踪到最大功率点．但不能使系统稳定地工作 象，极易对光伏阵列的正常运行产生不利影响【m。 在最大功率点．且算法较为复杂．需要调节的参 为了克服局部阴影带来的危害．提高光伏发电的 数较多【，】：而PSO算法较为简单，需要调节的参 效率．就有必要来研究局部阴影对光伏阵列输出 数也较少．尤其是在引人权重后。为了得到较好 特性的影响。 的收敛性往往可以按照经验值设置参数[8】。此外， 文献『111虽然研究了阴影条件下的光伏阵列输 粒子群优化算法具有较好的全局搜索的能力．但 出特性．说明光照强度对输出功率的影响远大于 是粒子群优化算法有着易陷入局部最优解、收敛 温度对输出功率的影响．但其并未对局部阴影下 速度不足和搜索精度逐渐降低的缺点【9】。针对这些 的MP胛环节做深入分析。为此．本文着重考虑 问题．本文提出对PSO算法进行改进，在运算过光照强度变化，进一步研究多峰值的MPPT算法。 程中通过引入非线性动态惯性权重系数．构成基 但为简化起见，忽略温度的细微变化。 收稿13期：2013-04-15 万方数据 局部阴影光伏阵列输出特性和无阴影光伏阵