基于LGWO和擾動觀察復合算法的MPPT研究

張鐵晟,張鳳武，張明毅

(1.東北石油大學 電氣信息工程學院,黑龍江 大慶 163318；2.大慶油田有限責任公司 采油工程研究院，黑龍江 大慶 163453)

0 引 言

隨著鋰電池儲能、超導電容儲能技術的不斷突破以及個人用戶、家庭太陽能解決方案的不斷完善,光伏發電的應用達到了一個全新的高度[1-3],需要更優異的配套算法對最大功率跟蹤點技術進行優化。在實際生產生活中,光伏陣列的受光面積與受光強度受到烏云、高層樓房、樹葉與雜物遮擋等局部陰影情況的影響,其輸出功率的輸出特性曲線變化為多峰值狀態,傳統的最大功率點跟蹤方式以及一些基礎的神經網絡算法已不再適用。

傳統MPPT(Maximum Power Point Tracking)方法如恒壓法、擾動觀察法[4]、電導增量法[5]已經進入深度成熟期,可解決局部最優和改善收斂速度,通常用于溫度、光強恒定的條件下；而單一的高效算法如粒子群算法、灰狼算法以及布谷鳥算法等無法跳出局部最優陷阱,且收斂速度不如傳統方法,具有明顯的缺陷。郭昆麗等[6]提出了粒子群算法和遺傳算法相結合的復合算法,并通過模糊控制方法使系統在最大功率點處穩定,但模型過于復雜需要較高的算力,收斂速度也沒有明顯的提升。楊麗麗[7]提出了一種改進灰狼算法,通過調整動態權重將普通灰狼算法的收斂因子由線性因子變換為非線性,解決了全局搜索與局部搜索切換混亂的問題,但收斂速度過于緩慢,仍有較大的改進空間。趙其浩[8]詳細描述了局部陰影下的熱斑效應和多峰值效應,但對粒子群算法的優化不足,收斂速度較慢。……