局部阴影下光伏电池最大功率点跟踪方法研究.docxVIP

局部阴影下光伏电池最大功率点跟踪方法研究

1.引言

1.1光伏电池的工作原理与特性

光伏电池，也称为太阳能电池，是一种将光能直接转换为电能的半导体器件。它的工作原理是基于光生伏特效应，当太阳光照射到光伏电池表面时，电池中的光生电子-空穴对受到内建电场的作用，分离并产生电动势。光伏电池的输出特性受温度、光照强度、电池结构和工作条件等多种因素影响。

光伏电池的主要特性包括开路电压、短路电流、最大输出功率和填充因子等。其中，最大输出功率点（MaximumPowerPoint,MPP）是光伏电池工作效率的最高点，但这一点的位置会随着外部条件的变化而移动。

1.2局部阴影对光伏电池性能的影响

在实际应用中，光伏电池阵列可能会受到局部阴影的影响，如树木、建筑物等遮挡。局部阴影导致电池表面光照不均匀，引起电池输出特性的变化。这种情况下，光伏电池的输出功率明显下降，甚至可能导致整个电池阵列的性能受损。

局部阴影条件下，光伏电池的等效电路模型复杂度增加，电池内部各参数的分布不均匀，使得电池的输出电流和电压出现多峰值现象，传统的最大功率点跟踪（MaximumPowerPointTracking,MPPT）算法可能无法准确找到真正的最大功率点。

1.3最大功率点跟踪（MPPT）技术概述

为了提高光伏电池的转换效率，最大程度地利用太阳能，研究人员提出了MPPT技术。MPPT技术通过实时监测光伏电池的输出特性，动态调整工作条件，使光伏电池始终工作在最大输出功率点附近。

MPPT技术的关键在于快速、准确地找到最大功率点。目前，常见的MPPT算法有扰动观察法（PerturbationandObservation,PO）、电导增量法（IncrementalConductance,INC）和模糊逻辑控制法等。然而，在局部阴影条件下，这些算法的跟踪效果和稳定性仍需进一步研究。

2局部阴影条件下光伏电池输出特性分析

2.1局部阴影条件下光伏电池的数学模型

在局部阴影条件下，光伏电池的输出特性会受到影响，因此建立准确的数学模型是分析其输出特性的关键。该模型主要包括光伏电池的等效电路模型和数学表达式。等效电路通常由一个理想电流源、一个二极管和两个电阻组成，分别代表光生电流、理想二极管特性、串联电阻和并联电阻。在此基础上，结合阴影条件下的光强变化，可以得到描述光伏电池输出特性的数学表达式。

2.2不同阴影模式下光伏电池输出特性

不同阴影模式下，光伏电池的输出特性存在明显差异。根据阴影的分布和面积，可以将阴影模式分为以下几类：

部分阴影：阴影覆盖部分电池表面，导致电池输出功率下降。

条状阴影：阴影呈条状分布，可能产生多个局部最大功率点。

点状阴影：阴影面积较小，对光伏电池输出特性影响相对较小。

针对这些不同的阴影模式，分析光伏电池的输出特性，有助于更好地理解局部阴影对光伏电池性能的影响。

2.3影响因素分析

局部阴影条件下光伏电池输出特性受多种因素影响，主要包括：

阴影覆盖率：阴影覆盖的面积占光伏电池总面积的比例，对电池输出特性有显著影响。

阴影分布：阴影的形状、位置和分布对光伏电池的输出特性产生影响。

光照条件：光照强度和光照角度的变化，会导致光伏电池的输出特性发生变化。

温度：温度对光伏电池的性能参数产生影响，从而影响其在局部阴影条件下的输出特性。

通过对这些影响因素的分析，可以为后续的最大功率点跟踪（MPPT）算法设计提供理论依据。在此基础上，研究适用于局部阴影条件的MPPT算法，以提高光伏电池在复杂环境下的性能。

3.最大功率点跟踪方法研究

3.1常见MPPT算法介绍

3.1.1扰动观察法（PO算法）

扰动观察法（PerturbandObserve，PO算法）是最常见的最大功率点跟踪算法之一。它通过在光伏电池的输出电压上引入小的扰动，观察输出功率的变化，以确定最大功率点的位置。当输出功率增加时，算法继续在相同方向扰动；若功率减少，则改变扰动方向。

3.1.2电导增量法（INC算法）

电导增量法（IncrementalConductance，INC算法）依据光伏电池的输出特性，通过比较当前电导与参考电导的增量关系来调整工作点，以实现最大功率点的跟踪。与PO算法相比，INC算法具有更快的跟踪速度和更高的稳定性。

3.1.3模糊逻辑控制法

模糊逻辑控制法（FuzzyLogicControl，FLC）利用模糊逻辑处理不确定信息的能力，对MPPT算法进行优化。该方法不需要精确的光伏电池模型，能够适应不同工作条件，具有较强的鲁棒性。

3.2适用于局部阴影条件的改进MPPT算法

3.2.1算法原理与设计

针对局部阴影条件下的光伏电池输出特性，改进MPPT算法采用了多种策略以提高跟踪效率。例如，结合PO算法和INC算