局部阴影光伏发电系统中基于改进PSO的M控制-Journalof.PDF

第 53 卷　第 6 期 西　南　交　通　大　学　学　报 Vol. 53 No. 6 2018 年 12 月 JOURNAL OF SOUTHWEST JIAOTONG UNIVERSITY Dec. 2018 文章编号：0258-2724(2018)06-1095-08 DOI: 10.3969/j.issn.0258-2724.2018.06.001 局部阴影光伏发电系统中基于改进 PSO 的MPPT 控制 1 1 2 3 1 陈维荣 ，王伟颖 ，郑义斌 ，郑永康 ，李　奇 （1. 西南交通大学电气工程学院，四川 成都 610031 ；2. 国网山东省电力公司济南供电公司，山东 济南 250000 ； 3. 国网四川省电力公司电力科学研究院，四川 成都 610031 ） 摘　要：光伏发电系统在局部阴影条件下，传统的最大功率点跟踪算法（maximum power point tracking ，MPPT ）容 易陷入局部寻优，无法跟踪到全局最大功率点. 针对这一问题，本文提出了一种基于自适应学习因子粒子群算法 的最大功率跟踪方法. 该方法在普通粒子群算法的基础上不断改变学习因子和权重系数，以提高算法收敛的速度 和精度. 将其应用于局部阴影条件下的光伏发电系统最大功率点跟踪中，并在RT-LAB 实时仿真平台中以两个接 受不同光照强度的光伏阵列为例进行实时仿真验证. 仿真结果表明，两峰情况下本文所提出的自适应学习因子粒 子群算法能够在0.298 s 左右跟踪到全局最大功率点，普通粒子群算法需要约0.615 s，而扰动观察法陷入了局部 最大功率点，本文所提算法能够有效提高系统的收敛速度和精度并且适用于多峰情况. 最后设置仿真算例验证本 算法适用于光照突变的情况. 关键词：光伏发电系统；光伏模拟器；局部阴影；MPPT ；RT-LAB 中图分类号：TM911.4 文献标志码：A MPPT Control of Partial Shadow Photovoltaic Generation System Based on Improved PSO Algorithm 1 1 2 3 1 CHEN Weirong , WANG Weiying , ZHENG Yibin , ZHENG Yongkang , LI Qi (1. School of Electrical Engineering，Southwest Jiaotong University，Chengdu 610031，China; 2. State Grid Jinan Power Sup- ply Company ，Ji ’nan 250000 ，China; 3. Electric Power Research Institute of Sichuan Electric Power Co. Ltd.，Chengdu 610031，China) Abstract: Under partial shading condition，the traditional MPPT （maximum power point tracking ） is suitable for local optimisation ，which cannot track to the global MPP. To solve this problem ，a maximum power tracking method based on adaptive learning factor