光伏發電系統最大功率點跟蹤仿真

盧耀文 羅天健

（國網甘肅省電力公司武威供電公司，甘肅 武威 733000）

0 引言

該文介紹了國內外光伏發電系統最大功率跟蹤仿真方法研究的發展現狀，介紹了光伏電池的運行原理和光伏發電系統的運行原理及運行等效模型的設計，最后通過仿真系統MATLAB 仿真器[1]對2 種改進算法的仿真過程進行了分析，得出了光伏發電系統最大功率跟蹤仿真算法的最有效結論[2]。對傳統與改進后的控制算法的算法設計、運行過程等進行了比較分析，結果表明，2 種改進算法比傳統算法具有更高的效率[3]。

1 光伏發電系統最大功率點跟蹤方法

光伏發電系統是能通過太陽能電池直接將太陽能轉變成電能的系統[4]。太陽能電池輸出特性受光照強度、環境溫度和負載情況影響，具有明顯的非線性特征。當外界環境發生變化時，其工作電壓和輸出功率會發生變化，因此，利用最大功率跟蹤控制技術，實時調整太陽能電池的工作點，使其始終工作在最大功率點附近，提高光伏發電系統效率[5]。目前已經有較為完善的研究，下面介紹3 種方法。

1.1 傳統方法

所謂傳統的算法即MPPT 控制算法[6]。該算法主要包括恒壓方法、短路電流方法等，此算法根據規范規定的參數信息對參數進行設計，通過計算獲得相似的速度，對獲得的相似速度進行對比分析，進而得出結論。同時，此控制算法可以快速穩定光伏系統的最大功率點，整個穩定過程簡單便捷且十分實用，可以有效跟蹤光伏發電的最大功率值，但是，該方法受到溫度等外界因素的影響較大，溫度等外界因素會導致跟蹤的精度變差，直接導致追蹤的最大功率點誤差較大，因此，該方法在實際工作中很少使用[7]。另一種方法對于光伏電池的參數的要求較小，該算法稱為自尋優算法。主要包括微擾觀測法和電導增量法2 種方法[8]。一些研究者改進了恒定電壓法和電導增量法。赫廷、張超等學者將短路電流法與擾動觀察法相結合，形成了傳統的光伏發電系統最大功率點跟蹤方法[9]。

1.2 蟻群算法

Marco Dorigo 在1992 年提出了蟻群算法[10]。信息素反饋和均勻計算方法由于其本身的優點，已經廣泛應用于交通、通信和無人機等領域。

蟻群算法顧名思義是利用螞蟻蟻群進行的一項算法研究，其原理是螞蟻蟻群在出去尋找食物之前，對食物位置的感知是未知的，根據覓食路上的蹤跡可以避免覓食路徑的重復。螞蟻覓食的過程中是沒有信息素存在的，這也就是說在演算法開始的時候，路徑上的信息基本為零，當所有尋找食物的螞蟻個體在不同的路徑上移動，并在每條路徑上留下相應地信息時，信息的濃度就會隨時間而持續下降。同時，當其他螞蟻重新開始覓食時，會在之前螞蟻覓食的路徑上重復留下信息素，間接提高了信息素的濃度，從而可以通知其他螞蟻，尋找到最佳的覓食路徑。該算法的原理同上，當算法得到優化時，螞蟻覓食的最優路徑就是現實問題優化后的最優解，而在光伏發電系統中，光伏為螞蟻，在尋找最大功率的路徑上留下信息素，從而進行跟蹤仿真研究，也就是所謂的發電系統最大功率的跟蹤仿真，我們常見的蟻群算法有以下3 類。1）蟻量算法Antquantity。2）蟻密算法Ant-density。3）蟻周算法Ant-cycle。

這3 類算法在蟻群算法中較為常用，分別對螞蟻覓食的數量，螞蟻覓食聚集的數量和螞蟻覓食的范圍進行綜合研究，尋找到螞蟻覓食的最優路徑，同時，將類似的原理轉化到發電系統最大功率的跟蹤仿真中，最終也能得到最優解。

其中，蟻周算法所使用的的方法是全局搜索模式，因此蟻周算法的最大功率跟蹤效果最好，其決定因素有4 個方面。1）檢索出重復訪問的路徑，總結重復訪問的路徑列表。2）能見度指數的大小。3）虛擬狀態下的信息素實時更新情況以及訪問時的及時信息。4）概率轉換即光能轉化率。

1.3 粒子群算法

粒子群算法是Kennedy 和Eberhart 在1992 年提出的算法。該算法類似于鳥類尋找到最佳的覓食路徑，該路徑被其他鳥類運用的現象的模擬。具體分析就是在鳥兒尋找到食物之前，食物的位置是未知的，覓食開始后鳥類在初始階段為分散開的狀態。一段固定時間以后，鳥兒在找到食物后逐漸聚集。此時，每只鳥都可以將自己視為粒子群算法中的任何粒子單位，每只鳥的位置和速度對應粒子群算法中每個粒子的屬性以及它自己的位置和速度特性，最終形成擬合函數。使用粒子群算法時，粒子的相對位置在運行算法之前是隨機的。通過目標需求設定的自適應值來評估顆粒的質量、傳遞速度，并確定移動方向和移動距離。

基本原理為：在假設空間D里面，尋找隨機的一系列群體，假設粒子數為N，尋找i個粒子的坐標，Xi為粒子編號，則：

其每個粒子的速度為vi，則：

該粒子經歷的位置的點為P，則將該位置稱為全局最優值Pbest為：

其中，個體最優值代表粒子能找到食物的最佳位置。全局最佳值是一組單獨的最佳值，即通過類似方法，確認每個粒子即為曾經最優解。這類似于分段間隔。通過篩選比較確定每個區間的極值和最大值。

2 蟻群算法的跟蹤仿真分析

蟻群算法是對混合蟻群的模擬并觀察示波器顯示的擾動數值的方法。最大功率點的跟蹤方式分為前后和上下跟蹤方式，因為螞蟻類型的啟動算法較慢，所以所有跟蹤啟動后都不會立即跟隨，而是上下跟蹤。直觀的來看，軌道曲線混合蟻群算法達到50 W 和100 W 時，曲線波動的十分明顯，這可以說明在這2 個時間點，系統判斷發生錯誤。錯誤的判斷使這2 個時間點可以得到最大功率點，準備并最終達到穩定狀態，之后通過蟻群算法的正面反饋值繼續跟蹤最大功率點。但一般來說，當混合蟻群算法跟蹤的最大功率超過300 W 時，該跟蹤方法為新型傳輸擾動觀測方法，當混合蟻群算法跟蹤的最大功率小于300 W 時，該跟蹤方法為傳統的擾動觀測方法。因此仿真結果表明，混合蟻群算法優于傳統的擾動觀測方法。

該段介紹了蟻群算法的基本原理，設計了在光照均勻的條件下，蟻群算法在2 種情況下的跟蹤過程，同時增加了2-Opt 算法，并利用仿真軟件MATLAB 進行了仿真分析。結果表明，該算法與傳統算法相比，啟動速度雖然稍有延遲，但是在啟動最大功率點跟蹤后，跟蹤值的優化和跟蹤所需時間均有明顯的優勢。

3 粒子算法的跟蹤仿真分析

為了完成基于自適應慣性權重粒子群算法的全系統仿真，在MATLAB 下面建立了一個具有MPT 功能的模型，該仿真模型系統可以作為粒子算法的跟蹤仿真研究依據。

用于控制汽車電路的空間比的信號由PWM 脈沖觸發信號模塊產生，該PWM 脈沖觸發信號模塊，繼而接收由自適應權重模塊產生的控制信號。在找到最大電壓點之后，將最大電壓點處的相應電壓與光伏系統的輸出電壓進行比較，形成控制信號，該信號的控制方式可施加到PWM 模塊的端部，同時，控制信號由閉環電壓調節。PV 陣列的輸出電壓值為粒子群發現并得出的最佳電壓。

為達到跟蹤仿真的目的，光伏系統的輸出電壓需要與所需電壓相匹配，此過程由增壓電路完成。利用改進的粒子群算法得到了所需要的電壓值，從經常采取的數值跟蹤分析方法和電壓穩定性分析方法來看，粒子群算法在陰影階段進行改進后的仿真實驗分析結果，與增加電導方法相比具有明顯優勢。

通過改進粒子群算法，搜索光伏陣列最大功率點對應的最優電壓，然后利用PWM 電壓閉環反饋和助推電路使系統在最優電壓下工作，輸出最大功率。將仿真模型的輸出曲線與電導增量法的輸出曲線進行比較，可以看出改進算法與傳統算法相比具有明顯優點。

4 結語

光電系統是目前最綠色、最環保的能源系統之一，也是我國目前大力發展的新能源，具有良好的發展前景。該文介紹了目前運用最多的2 種光伏發電系統最大功率點跟蹤的常用方法，可以較好地跟蹤并獲取光伏發電的最大功率值，更好地利用能源。首先，介紹了蟻群算法的基本原理，運用螞蟻覓食的仿真模擬，設計了均勻光照條件下的混合蟻群算法流程圖，并用仿真軟件MATLAB 進行了仿真分析。結果表明，該算法與傳統算法相比，啟動速度雖然稍有延遲，但是在最大功率點的啟動跟蹤后，跟蹤值和跟蹤所需時間均有明顯優勢。其次，介紹了粒子群算法的基本原理和設計過程，分析了一種自適應的權重粒子算法在跟蹤最大功率點時的應用，確保可以實現最大功率的輸出。綜上所述，運用以上2 種方法對光伏發電的粒子最大功率進行追蹤仿真分析有顯著成效。