基于細菌覓食算法的光伏系統(tǒng)MPPT仿真研究

鞏瑞春 盧彩萍

摘 要：本文首先介紹了光伏系統(tǒng)最大功率點跟蹤實現(xiàn)方法，并確定了算法仿真設計方案，然后對各個模塊進行仿真搭建，最后在不同光照強度和溫度下，對光伏電池輸出特性進行MPPT仿真，有效地證明了細菌覓食算法的跟蹤精度和可行性。

關鍵字：細菌覓食算法;光伏系統(tǒng);MPPT;仿真

中圖分類號：TM914.4文獻標識碼：A文章編號：1003-5168（2018）32-0138-03

MPPT Simulation of Photovoltaic System Based on

Bacterial Foraging Algorithm

GONG Ruichun LU Caiping

（School of Information Science and Technology，Baotou Teachers College，Baotou Inner Mongolia 014031）

Abstract： This paper first introduced the realization method of the maximum power point tracking of photovoltaic system， and determined the algorithm simulation design scheme， then simulated each module， and finally performed MPPT simulation on the output characteristics of photovoltaic cells under different light intensity and temperature. The tracking accuracy and feasibility of the bacterial foraging algorithm were proved.

Keywords： bacterial foraging algorithm;photovoltaic system;MPPT;simulation

最大功率點跟蹤（MPPT）技術可有效提高光伏系統(tǒng)轉換率。傳統(tǒng)MPPT研究方法有很多，如恒定電壓法、擾動觀察法以及電導增量法，但這些算法在光伏系統(tǒng)被遮蔽情況下試驗效果不是很理想，而且在實際復雜環(huán)境中，光伏系統(tǒng)輸出特性曲線存在多極值問題，因此，為了進一步提高MPPT精度，將太陽能轉化成電能，是MPPT技術未來發(fā)展與研究的主要方向。隨著人工智能的發(fā)展，研究人員提出了一種新的群體智能優(yōu)化算法——細菌覓食算法。其能擺脫局部最優(yōu)值約束，具有跟蹤速度快、全局尋優(yōu)能力強和控制精度高的優(yōu)點，被成功應用于光伏系統(tǒng)MPPT技術研究中。

1 最大功率點跟蹤實現(xiàn)方法介紹

1.1 最大功率點跟蹤原理

太陽能光伏電池陣列的MPPT控制通常是由DC/DC變換器完成，其原理如圖1所示。

最大功率跟蹤裝置對光伏電池陣列輸出電壓、電流的變化進行實時檢測，并將輸出參考電壓與調制波進行比較，生成PWM信號，控制Boost升壓斬波電路中開關管的通斷，使其占空比改變，從而改變輸出電壓，達到光伏陣列輸出最大功率的目的[1]。

2.2 Boost升壓斬波電路

Boost電路由電感、電容、電阻、二極管和IGBT組成，電路圖如圖2所示。

Boost電路實現(xiàn)升壓原理如下：當開關管IGBT導通時，光伏并網發(fā)電系統(tǒng)輸出直流電流過電感，電感電流上升，二極管處于斷開狀態(tài)，電容C向負載供電;當IGBT斷開后，電感電流會產生感應電動勢，電動勢左負右正，迫使二極管導通，輸入電壓和電感兩端電壓疊加導致輸出端電壓高于輸入端，通過改變脈沖的占空比獲得想要的輸出電壓，實現(xiàn)了電壓升壓，達到輸出功率最大的目的[2]。

2.3 PWM控制器的原理

PWM控制器是用來控制開關管IGBT的導通和關斷，當脈寬發(fā)生變化時，IGBT輸入信號占空比就會發(fā)生改變，從而改變輸出電壓，達到輸出最大功率的目的。PWM控制器原理如圖3所示。

由圖3可知，調制波為三角波，輸出為PWM信號，當參考電壓變小時，脈寬變大，占空比變大，輸出電壓變大;當參考電壓變大時，脈寬變小，占空比變小，輸出電壓變小。

3 基于細菌覓食算法的光伏系統(tǒng)MPPT的設計思路

細菌覓食算法是基于人體腸道內大腸桿菌覓食行為而提出的一種新型仿生類群體智能全局尋優(yōu)算法，主要依靠三種行為尋找最優(yōu)解，即趨化行為、復制行為和遷移行為[3]。細菌覓食算法算法總流程如圖4所示。

圖4中Ned代表遷移的最大次數(shù);Nre代表復制的最大次數(shù);Nc代表趨化行為最大次數(shù);j、k、l分別表示細菌第j次趨化、第k次復制和第l次遷移。

旋轉和游動是細菌的兩種趨化行為，通過這兩種行為，細菌可以獲得更好的生存環(huán)境。在MPPT跟蹤中，為了快速搜索到最優(yōu)解，當細菌旋轉后，如果新位置適應度值變差，就向相反方向進行游動，直到達到規(guī)定步數(shù)或者適應度值不再改變[4]。

4 基于細菌覓食算法的Simulink的仿真

筆者在MATLAB/Simulink軟件中搭建了MPPT仿真模型，如圖5所示。PV_Model為光伏電池模型，算法是在S-Fuction文件程序中實現(xiàn)的。設計的總體思路如下：記錄每個個體當前功率，作為初始化比較功率判定運動方向，如果新的功率值大于等于當前功率值，就讓這個細菌向該方向游動一步，并且更新當前功率值和占空比;否則就向相反方向游動[5]。然后再對細菌種群功率值進行排序，功率值高的種群排到前面，功率值低的種群排到后面，然后對功率值高的種群進行復制，淘汰掉功率值低的細菌種群。細菌進行遷移操作，如果隨機產生的遷移概率小于設定遷移概率，則設置當前功率為0;反之，細菌隨機在新位置輸出一個占空比。

接下來，在不同光照強度下進行細菌覓食算法的MPPT仿真。當光照強度為1 000W/m2和800W/m2時，仿真結果如圖6所示。

輸出功率波形圖

當光照強度為800W/m2、500W/m2時，仿真結果如圖7所示。

當光照強度為500W/m2、350W/m2時，仿真結果如圖8所示。

由圖6～圖8可知，大約在0.43秒時，輸出功率達到了最大值，在短時間內實現(xiàn)了收斂，跟蹤到了最大功率點。

5 結論

本文針對光伏陣列在復雜環(huán)境下輸出功率多極值的

問題，提出了利用細菌覓食算法跟蹤光伏陣列最大功率點的解決方法。根據光伏電池電路模型以及算法流程設置相應參數(shù)，并對算法進行程序編寫以及Simulink模塊化控制，最終仿真試樣表明，該算法可以在短時間內跳出局部最優(yōu)值約束，準確找到最大功率點，提高光伏陣列輸出效率。本次設計的目的是提高太陽能利用率，所以算法是以高收斂性、高輸出效率為原則進行編寫，最終達到了預期效果。

參考文獻：

[1]楊淑瑩，張樺.群體智能與仿生計算：Matlab技術實現(xiàn)[M].北京：電子工業(yè)出版社，2012.

[2]鄭意，趙志剛，茍向峰.基于Simulink的太陽能光伏電池的建模及其輸出特性仿真研究[J].蘭州交通大學學報，2013（1）：99-100.

[3]彭志輝，姜銳，和軍平，等.一種新型光伏系統(tǒng)最大功率點跟蹤研究[J].太陽能學報，2013（6）：991-996.

[4]楊大煉，李學軍，蔣玲莉.一種細菌覓食算法的改進及其應用[J].計算機工程與應用，2012（13）：31-34.

[5]郭海霞，石明磊，李娟.基于MATLAB光伏發(fā)電系統(tǒng)的MPPT控制與仿真[J].山西農業(yè)大學學報（自然科學版），2013（1）：76-82.