光伏陣列最大功率預測模型的研究

摘 要:本文基于支持向量機回歸擬合的最大功率預測模型，對光伏陣列的最大功率點進行預測跟蹤。仿真實驗表明，預測模型具有較高的精度和效率，系統運行穩定，對于環境的變化有較好的響應能力。

關鍵詞:支持向量機回歸最大功率點跟蹤局部遮陰

中圖分類號:TM615文獻標識碼:A文章編號:1674-098X(2011)01(a)-0097-01

實際的光伏系統受外界環境影響較大，系統輸出存在隨機性，特別是戶型光伏一體化發電系統，局部遮陰情況尤為普遍和復雜。由于局部遮陰或光照不均等情況造成的陣列失配以及熱斑現象不僅會影響光伏系統的功率輸出，更造成安全和可靠性問題，并且在局部陰影條件下光伏陣列的P-V特性出現多個極值點，使得常規的最大功率跟蹤算法失效。

本文提出利用支持向量機回歸(Support Vector Regression，SVR)算法，在局部遮陰或光照不均情況下對光伏陣列最大功率進行預測跟蹤，并通過粒子群優化算法獲得預測模型的最佳參數。實驗結果表明，SVR預測模型具有較高的精度，控制系統能夠在環境條件變化的情況下實時尋優系統的最大功率點。

1 典型的光伏電池P-V特性

在相同溫度下，光伏組件最大輸出功率與光照強度成一定的比例，光照強度越大，開路電壓稍有增加，最大功率與之成比例的增加。在相同光照強度下，溫度越大開路電壓越小，組件最大輸出功率反而減小，可見光伏電池P-V特性與光照強度、環境溫度之間是高度非線性的。基于光伏電池數學模型確定最大功率近似為:

(1)

可見光伏系統最大功率與其開路電壓和短路電流之間存在復雜的非線性關系。

2 遮陰對光伏組件特性的影響

圖1為光伏組件中的一個電池單體處于不同遮陰情況下的I-V特性曲線。隨著局部遮陰面積不斷增加，I-V特性曲線右側出現明顯的下凹，說明局部遮陰對光伏組件的輸出功率有很大的影響，電池單體的遮陰面積越大，組件的輸出功率明顯下降，至下凹部分平坦處電流已接近完全處于陰影中的電池單體的電流。

3 支持向量機預測模型建立

將光伏系統看作一個非線性系統，輸出為獲得的最大功率點參數，那么光伏系統的最大功率跟蹤預測可以看作典型的回歸建模問題，這樣最大功率點跟蹤預測的問題就轉化為多維輸入，一維輸出的SVR建模問題。建立、、、和為自變量的五維輸入，為因變量的一維輸出預測模型，即

(2)

回歸型支持向量機的泛化能力主要取決于二次規劃中的誤差懲罰系數C和核函數參數g。本文采用粒子群優化算法(Particle Swarm Optimization，PSO)確定SVR模型的最佳回歸參數。基于粒子群優化算法進行SVR參數尋優，算法參數，進化代數為100，種群數量為20。參數尋優仿真結果bestc=2.13474，bestg=0.1，mse=0.00460213。利用PSO尋優算法獲得的最佳參數對SVR網絡進行訓練，并分別對訓練集和測試集進行最大功率回歸預測如圖2所示。訓練集均方誤差(MSE)=0.000201349，訓練集平方相關系數(R2)=0.9997772;測試集均方誤差(MSE)=0.000124406，測試集平方相關系數(R2)=0.998344，仿真時間=3.746683s。仿真實驗證明在局部遮陰條件下，采用SVR回歸模型預測光伏系統的最大功率在訓練集和測試集上均取得很高的精度，擬合效果理想。采用粒子群優化算法獲得了較小的懲罰參數C，最大功率擬合誤差較小，模型訓練時間短，表現出較好的泛化能力，在樣本數據較大的范圍內可以快速收斂到全局最優解。

參考文獻

[1]Toshihiko Noguchi，Shigenori Togashi，Ryo Nakamoto.Short-current pulse-based maximum power point tracking method for multiple photovoltaic and converter module system[J].IEEE Trans. On Industrial Electronics，2002，49(1):217-222.

[2]Vapnik V，Golowich S，Smola A.Support Vector Method for Function Approximation，Regression Estimation，and Signal Processing[J].Advances in Neural Information Processing Systems 9，Cambridge， MA， MIT Press，1997.281-287.

[3]Duffie，J.A.，Beckman，W.A.Solar Engineering of Thermal Processes second ed. John Wiley Sons Inc[M].New York，1991.

[4]劉邦銀，段善旭，康勇.局部陰影條件下光伏模組特性的建模與分析[J].太陽能學報，2008，29(2):188-192.

[5]Kennedy J，Eberhart R. C.Particle swarm optimization[J].Proceedings of IEEE International Conference on Neural Networks，1995.1942-1948.