基于人工蜂群算法的光伏陣列MPPT控制策略研究*

聶曉華，徐一鳴

(南昌大學 信息工程學院,南昌　330031)

?

基于人工蜂群算法的光伏陣列MPPT控制策略研究*

聶曉華，徐一鳴

(南昌大學 信息工程學院,南昌330031)

在實際的復雜應用環境下，光伏陣列不僅存在因局部陰影情況影響導致輸出功率曲線(P-U曲線)呈現多極值點的問題，還具有難以考察的傳感器精度、采樣精度等實際應用限制所帶來的量測噪聲問題。為此，在分析復雜應用環境下光伏陣列的輸出特性的基礎上，提出先采用遞推最小二乘估計來削弱量測噪聲的影響，再運用比粒子群算法控制更簡單，魯棒性更好的人工蜂群算法跟蹤全局最大功率點的MPPT控制策略。最后通過仿真與實驗，驗證了該MPPT控制策略的可行性和有效性。

復雜應用環境；光伏MPPT；遞推最小二乘濾波；人工蜂群算法

0　引言

太陽能光伏發電由于其可再生性、清潔性及取之不竭、用之不竭等特點，正在發展成為世界能源組成中的重要部分[1-2]。在光伏發電技術中的主要問題是如何提高光伏電池的轉換效率，以及提高整個系統工作的穩定性[3]。光伏系統最大功率點跟蹤(MPPT)技術是提高光伏轉化效率的有效方法，目前主要MPPT算法有固定電壓法、擾動觀察法、電導增量法和粒子群智能尋優算法等，并出現了一些改進與優化算法[4-5]。

在局部陰影情況下，光伏陣列的P-U輸出特性曲線呈現多個峰值點，傳統的MPPT算法(如固定電壓法、擾動觀察法等)容易陷入局部極值點，跟蹤效果差。而目前被廣泛應用于多峰MPPT的粒子群算法(PSO)及其改進與優化算法在保證全局收斂速度時，魯棒性都較差，且PSO在進化后期收斂慢，粒子會趨于同一化，失去多樣性。而與PSO相比，人工蜂群算法(ABC)具有算法簡單，魯棒性強等特點[6]，適用于進行全局最大功率點跟蹤。文獻[7-8]已成功將ABC算法應用于光伏系統MPPT中，但只考慮了光照均勻的情況，沒有考慮局部陰影的影響。

文獻[9]將ABC算法應用于局部陰影下的光伏系統全局MPPT中，并在不同的陰影條件下對兩種陣列結構不同的光伏組件進行仿真試驗,證實了所提出方法的正確性，但是文獻并沒有考慮到實際中存在的量測噪聲等因素帶來的影響。

而在實際復雜應用環境中，光伏系統不僅存在因為局部陰影情況導致P-U輸出曲線呈現多個極值點的問題，還存在難以考察的傳感器精度、采樣精度、電磁噪聲等實際應用限制所帶來的量測噪聲問題。文獻[10]通過仿真分析了量測噪聲對幾種MPPT算法的影響，并指出量測噪聲從根本上限制了MPPT算法的性能，會影響整個系統工作的穩定性。

針對在實際復雜應用環境中存在的上述問題，本文首先以遞推最小二乘估計對光伏系統進行處理，削弱量測噪聲對系統的影響，然后運用ABC算法進行全局最大功率點跟蹤的控制策略，最后通過搭建的獨立光伏系統實驗平臺，實驗驗證了所提出MPPT控制策略的正確性和有效性。

1　復雜應用環境下光伏系統的特性分析

在實際的復雜應用環境中，由于周圍樹木、建筑物、光伏陣列表面的灰塵、天上的云層遮擋等局部陰影情況的影響，光伏系統的I-U特性曲線呈現階梯狀，相應的P-U特性曲線存在多個極值點。在實際應用中，光伏系統還存在難以考察的傳感器精度、采樣精度、電磁噪聲等實際應用限制所帶來的量測噪聲與野值點問題。例如，由于檢測和控制技術的限制，電壓和電流的測量都存在噪聲。因此，不同于理想情況下的光伏系統，實際的復雜應用環境中的光伏系統的輸出特性曲線是存在多極值點和噪聲的。

由文獻[11]提出的局部陰影條件下光伏陣列的數學模型，以{3×4}光伏陣列結構為例，產生數據模擬。光伏陣列結構如圖1所示。太陽能電池詳細參數見表1。

圖1　光伏陣列結構

最大功率Pmax10W開路電壓UOC21.6V短路電流ISC0.62A最大功率點電壓Ump17.5V最大功率點電流Imp0.57A

圖2　局部陰影影響

光伏陣列各組件的光照強度設置如下：1B，1C，1D光照強度為800W/m2；2C，2D光照強度為600W/m2；3D光照強度為600W/m2；其余組件為：1000W/m2，溫度都為參考溫度25°。在輸出電流上分別加上1%和3%的采樣電流來模擬量測噪聲和野值點。局部陰影下的光伏系統P-U輸出特性曲線如圖2所示，圖中P1、P2、P3為局部最大功率點，P4為全局最大功率點；復雜應用環境下的光伏系統P-U輸出特性曲線如圖3所示。

圖3　復雜應用環境影響

2　復雜應用環境下基于ABC算法的MPPT控制策略

根據復雜應用環境下光伏系統的輸出特性，本文采用遞推最小二乘估計結合ABC算法的MPPT控制策略。

2.1遞推最小二乘濾波預處理算法

遞推最小二乘估計是最小二乘最優估計方法中的一種，一般用于對實測數據和歷史數據的濾波與預測處理，能有效的減小量測噪聲對系統的影響。

典型的MPPT控制電路如圖4所示。由文獻[4]中的可觀測性定義，應用遞推最小二乘估計對光伏系統進行濾波處理。如圖4所示，光伏系統的MPPT控制電路是通過傳感器采樣陣列電壓電流數據并傳入MPPT控制模塊結合相應的算法進行控制。在采樣過程中，以光伏系統的真實電流Ire(t)作為被估量，系統的量測方程描述如下：

Z(t)=hkIre(t)+n(t)

(1)

式中t為t時刻；Z(t)表示陣列電流觀測值；hk為量測矩陣，且hk=[1 1…1]T；n(t)為量測噪聲，理想情況下滿足：

(2)

式中σn2是噪聲n(t)的方差，In為單位陣。

因量測數據受實際環境影響較大，可能存在粗大測量值即野值點。對于每一個初始狀態I(0)，均能通過量測值{Z(1),Z(2),…,Z(N)}唯一確定。則Ire(t)在k時刻的最小二乘估計為：

(3)

方差σn為：

(4)

通過采樣得到下一個量測值Ire(k+1)，該量測值在k+1時刻的遞推公式為：

(5)

運用式(1)～(5)，由電流的估計值進行功率計算，對圖3情況下光伏系統進行濾波處理，結果如圖5所示。

圖4　MPPT電路結構示意圖

圖5　濾波后光伏系統輸出功率曲線

從圖5可以看出采用遞推最小二乘估計策略能有效減小量測噪聲對光伏系統的影響，且獲得的功率曲線接近理想環境下的功率曲線。

2.2基于ABC算法的全局MPPT控制策略

人工蜂群算法是模仿蜜蜂群尋找蜜源(食物源)的智能行為提出的一種優化算法。在ABC算法中，蜜源的位置代表了所求優化問題的可行解，蜜源的豐富程度(適應度)表示可行解的質量。在蜂群的覓食過程中，蜜蜂按照分工不同被分為三種：引領蜂、跟隨蜂和偵察蜂。蜂群的一半由引領蜂組成，另一半為跟隨蜂。每一個蜜源吸引一個引領蜂，引領蜂在舞蹈區將蜜源的信息與跟隨蜂共享，吸引其他的跟隨蜂采蜜，蜜源的豐富程度越高被選擇過來的跟隨蜂越多。跟隨蜂按照選擇概率來決定跟隨哪個引領蜂采蜜，每個跟隨蜂到達蜜源后，對該蜜源做一次鄰域搜索，對吸引過來的跟隨蜂所搜索的位置進行比較，找到其中最好的蜜源，并與原來引領蜂所對應的蜜源比較，如果比原來的蜜源好，則新位置作為新的蜜源；否則，繼續開采原來的蜜源。當搜索過程停滯時，引領蜂變為偵察蜂，并在蜂巢附近(解空間中)尋找新的蜜源。

典型的MPPT控制電路如圖4所示。在ABC算法中將Boost升壓電路的占空比D看成蜜源位置，光伏系統的輸出功率PPV看成花蜜量，即蜜源的豐富程度。本文在現有的ABC算法中，適當的消除偵察蜂部分，縮短了全局最大功率點跟蹤的收斂時間。具體的實現步驟如下：

(1)蜂群的初始化：給定蜜蜂的數量NP，則引領蜂和跟隨蜂的數量都為NP/2。最開始時候，所有的蜜蜂都指向不同的蜜源位置(Boost升壓電路的占空比D)，在解空間中用如下方程設置蜜源位置：

(6)

式中，i=1,2,…,NP；Dmin和Dmax為Boost電路的占空比的最小值和最大值，一般在0.1～0.9之間取值。

(2)計算蜜源的適應度：根據仿真研究中的數學公式，計算每個占空比(蜜源位置)對應的光伏系統的輸出功率。根據蜜源的豐富程度，蜜蜂被分為引領蜂或者跟隨蜂。

(3)蜜源的位置更新：在局部陰影下，每次跟蹤光伏系統的全局最大功率點，蜜源的位置更新都分為兩個方面。

①引領蜂位置更新：引領蜂根據下式來更新自己位置。

Xi(k+1)=Xi(k)+r(Xi(k)-Xj(k))

(7)

式中，Xi(k+1)代表新產生的第i個蜜源位置，Xi(k)代表原來的第i個蜜源位置；k為迭代次數；j為隨機指定的個體，且j≠i，j∈{1,2,…,NP/2}；r為在[-1,1]范圍內的隨機數。變量r使得所有蜜蜂朝著最優解逼近，這增強了在解空間中搜尋最優解的能力，避免其收斂到局部最優。

引領蜂比較新蜜源的豐富程度是否好于原來的蜜源，如果新蜜源的豐富程度好于原來蜜源的豐富程度，則開采新蜜源，還是按照式(7)更新自己的位置；否則，開采原來的蜜源，即Xi(k+1)=Xi(k)。

②跟隨蜂位置更新：跟隨蜂在蜂巢的舞蹈區內，根據引領蜂傳遞過來的信息，比較蜜源的適應度大小后，跟隨蜜源最豐富的引領蜂采蜜。跟隨蜂的位置更新為：

(8)

式中，Xh代表蜜源最豐富的位置。

(4)終止策略：當蜜蜂再經過5次迭代后，光伏系統的輸出功率仍沒有顯著的增大時，終止算法；否則，返回步驟(2)。

(5)算法重啟條件：當光照強度或者陰影情況發生變化時，光伏系統的輸出功率也會隨著改變?？梢酝ㄟ^檢測光伏系統的輸出功率的變化來重啟算法。

光伏系統的輸出功率是否變化由下述方程判斷[7]：

(9)

式中，P(k)為光伏系統當前時刻的輸出功率，P(k-1)為光伏系統上一時刻的輸出功率。變量α是一個根據環境變化而取值的參量，其數值應當在充分考慮所在區域中占主導的天氣情況后決定。例如，在與外界隔離或在溫度變化緩慢的季節，α可以取值為1；在天氣多變的風雨天，α的取值應大于1。

滿足式(9)時，仍不能確定光伏系統輸出功率的變化是由陰影情況的變化還是負載電阻的變化引起的。仍需檢測電壓和電流變化：

(10)

(11)

如果式(10)～(11)也成立，那么可以確定光伏系統輸出功率的變化是由陰影情況的改變而引起的，返回步驟(2)重新啟動算法。否則，光伏系統輸出功率變化是由負載電阻的變化而引起的。此時，只需要按式(8)適當調整一下Boost電路的占空比，就能使光伏系統輸出功率輸出最大。

遞推最小二乘估計結合ABC算法的MPPT控制策略流程圖如圖6所示。

圖6　MPPT控制策略流程圖

3　實驗驗證

為了驗證本文提出的MPPT控制策略的正確性和有效性，按照圖4搭建了獨立光伏發電系統實驗平臺，包括光伏陣列，Boost電路，負載和基于K60P100SYS芯片的MPPT控制電路。其中電路中的電感L取4mH，電容C2為470μF；負載為1kΩ電阻。

實驗過程中首先將光伏陣列置于正常光照下，此時光伏電池Uoc=21.6V，ISC=0.62A。然后用手工遮擋的方法模擬局部陰影情景，一段時間后恢復初始光照。光伏陣列的輸出功率曲線圖如圖7所示。

從圖7中可以看出，PSO算法能跟蹤到全局最大功率點，但是算法后期收斂較慢，且由于實際的復雜應用環境中還存在量測噪聲等因素的影響，波形抖動較大，誤差較大。而采用遞推最小二估計結合ABC算法的MPPT控制策略的波形明顯更好，說明采用遞推最小二乘估計的方法能有效抑制量測噪聲對系統的影響，且采用ABC算法的魯棒性更好，后期收斂速度快。

圖7　實驗結果

4　結論

本文分析了實際的復雜應用環境下光伏系統的輸出特性，結果表明光伏系統存在輸出功率呈現多極值點問題和不可避免的量測噪聲問題。針對上述問題，本文提出遞推最小二乘估計和ABC算法相結合的MPPT控制策略，然后通過搭建的獨立光伏系統實驗平臺，實驗驗證了本文提出策略的正確性和可行性，彌補了現有全局MPPT算法研究上的不足。

[1] 張洋，喬雙，唐小峰,等.適應于光伏發電的新型交錯并聯Boost變換器[J].電力電子技術，2015，49(2)：69-71.

[2] 張鋒，慧晶.基于極值搜索算法的光伏系統MPPT控制[J].電力電子技術，2014,48(2)：6-8.

[3] 趙爭鳴，賀凡波，雷一,等.光伏并網發電若干關鍵技術分析與綜述[J].電力電子技術，2013,47(3)：1-7.

[4] 聶曉華，賴家?。植筷幱跋鹿夥嚵腥肿畲蠊β庶c跟蹤控制方法綜述[J].電網技術，2014，38(12)：3279-3285．

[5] 聶曉華.遞推最小二乘估計在光伏系統MPPT中的應用研究[J].電測與儀表，2012，49(11)：49-52.

[6] 周長喜，毛力，吳濱,等.基于當前最優解的人工蜂算法[J].計算機工程，2015,41(6):147-151.

[7] B Babar,A Craciunescu.Comparison of artificial bee colony algorithm with other algorithms used for tracking of maximum power point of photovoltaic arrays[C].the Int. Conf.Renew.Energies Power Qual.(ICREPQ’14),Cordoba,Spain,2014.

[8] B Bilal.Implementation of artificial bee colony algorithm on maximum power point tracking for PV modules[J].in Proc.8th Int.Symp.Adv.Topics Elect. Eng.(ATEE),2013,23-25:1-4.

[9] Kinattingal Sundareswaran,Peddapati Sankar,P S R Nayak,et al.Enhanced Energy Output From a PV System Under Partial Shaded Conditions Through Artificial Bee Colony[J].IEEE Transactions on Sustainable Energy,2015,6(1):198-209.

[10] Latham A M，Pilawa-Podgurski R，Odame K M，et al．Analysis and Optimization of Maximum Power Point Tracking Algorithms in the Presence of Noise[J]．IEEE Transactions on Power Electronics，2013，28(7)：3479-3494．

[11] 劉曉艷，祁新梅，鄭壽森，等．局部陰影條件下光伏陣列的建模與分析[J]．電網技術，2010，34(11)：192-197．

(編輯李秀敏)

Research into the Application of MPPT Control Based on Artificial Bee Colony Algorithm

NIE Xiao-hua,XU Yi-ming

(College of Communication Engineering,Nanchang University,Nanchang 330031,China)

In the practical complex application environment,the PV array not only has the problem of presenting the multi extreme point of the output power curve(P-U curve)in the partial shade conditions,but also has the difficulty of measuring the noise caused by the sensor accuracy and the sampling accuracy. In this paper,the output characteristics of photovoltaic system in complex application environment are analyzed.And this paper proposes using recursive least squares estimation methods to weaken the effects of measured noise.Then, this paper proposes the artificial bee colony(ABC)MPPT control algorithm.Finally,the feasibility and effectiveness of the MPPT control strategy is verified by simulations and experiments.

complex application environment; MPPT;the recursive least squares estimation; artificial bee colony algorithm

1001-2265(2016)07-0092-04DOI:10.13462/j.cnki.mmtamt.2016.07.026

2015-09-01

國家自然科學基金項目(51467013)；江西省科技支撐計劃項目(20123BBE50077)

聶曉華(1969—)，男，河北邢臺人，南昌大學副教授，碩導，博士，研究方向為電氣工程、電力電子，(E-mail)niexiaoh@163.com。

TH166;TG506

A