基于改進PSO算法的光伏發電最大功率追蹤研究

夏凌暢 鄭 巍

（國網安徽省電力有限公司黃山市黃山區供電公司，安徽 黃山 245700）

0 引言

為了應對日益突出的環境問題，加上碳成本不斷提高，中國制定了長期碳計劃，提出2030年碳達峰、2060年碳中和，而高效利用新型能源是實現該目標的必由之路。光伏發電涉及的技術問題在很早之前就成為研究的熱點，隨著“雙碳計劃”的不斷推進，相關技術正不斷優化。“雙碳計劃”旨在推動構建人類命運共同體，強調減少碳排放的重要性，促進綠色低碳發展，為實現全球氣候變化協議提供信心和新的動力。

結合當前形勢，可再生能源發電尤其是光伏發電受到了人們的持續關注，產業規模不斷擴大，技術不斷發展。

最大功率點跟蹤（Maximum Power Point Tracking，MPPT）作為光伏發電系統的必要技術之一，有著重要的研究價值和應用前景。已有學者進行了很多相關研究。

文獻[1]給出了光伏電池的物理模型和MPPT方法的基本邏輯；文獻[2]搭建了基于電導增量法的電路仿真模型；文獻[3]將電導增量法和PSO法有效結合，提出了一種改進后的PSO算法，但計算量大，收斂精度不理想；文獻[4]提出了一種改進PSO算法，能有效減少計算量并提高收斂精度。

綜上所述，現階段MPPT技術仍存在不足，有待進一步深入研究。

針對光伏發電最大功率追蹤，本文設計了光伏發電MPPT系統電路結構，給出了參數取值范圍，并搭建了對應的仿真模型，通過仿真結果驗證了所提MPPT控制系統的有效性。

1 改進PSO算法

PSO（粒子群算法）是智能算法的一種，該方法基于對鳥類尋食行為的模擬，每一只鳥在自己附近找尋最大值，多次迭代后尋找到極值。式（1）為經典PSO算法子代迭代速度公式：

式中：xidt、vidt、pidt為第t次迭代后第i個粒子在第d維的位置、速度和歷史最優位置；c1、c2為認知學習因子與社會學習因子；r1、r2為隨機數；ω為權重。

PSO算法中權重ω的取值影響算法的探索和開發能力，在工程實踐中，探索與開發的比重應隨著問題的發展而變化，于是自適應權重的PSO算法應運而生。本文使用的改進PSO算法屬于自適應權重策略方向。

1.1 群體趨勢因子

定義每一子代指向本代最優點的矢量與當前運動速度矢量之間的夾角為行為夾角，如圖1所示。容易看出，每代中平均行為夾角越大，算法越傾向于全局搜索能力；平均行為夾角越小，算法越傾向于局部開發能力。在實踐中發現，行為夾角以60°為分界，呈上述兩種不同的狀態。

圖1 行為夾角示意圖

定義群體趨勢因子r為每代中行為夾角小于60°的粒子占比。實踐中有經驗公式，r＞0.7，認為算法處于局部開發占優狀態；r＜0.7，認為算法處于全局探索占優狀態。

1.2 自適應權重設計

當r過大時，希望可以增大權重，提高算法的全局搜索能力；r過小時，希望可以減小權重，提高算法的局部開發能力。權重ω與r之間一個較好的對應關系，如式（2）所示[4]：

基于式（2）設計改進PSO算法可以達到局部開發能力與全局探索能力在算法的各時段內均較為優秀的設置，提高算法效率。

2 MPPT電路設計

2.1 電路拓撲結構

MPPT系統一般基于BOOST或BUCK斬波電路設計。本文選擇使用BOOST電路，電路拓撲結果如圖2所示[1]。

圖2 BOOST電路結構

其中，PWM信號是由MCU調制后經過驅動模塊后輸出的控制MOS或IGBT的信號，基于對電壓和成本的判斷，本文所設計電路開關管選用MOS管。

PWM信號的占空比D控制BOOST電路的放大倍數，計算公式如式（3）所示：

式中：Vout為輸出側電壓；Vin為輸入側電壓；Vd為二極管正向導通壓降。

MPPT系統工作流程圖如圖3所示。

圖3 MPPT系統框圖

2.2 電路參數計算

BOOST電路中電感和電容的取值嚴重影響電路性能，是后續仿真和實物設計的基礎，多數情況下使用經驗值不可靠，各元件的主要參數和各參數的約束范圍如下。

L1電感為儲能元件，在開關管打開時儲能，在開關管關閉時放能，是BOOST電路提高電壓的主要元件，主要技術參數為平均電流、飽和電流與電感值，計算公式如式（4）所示：

式中：IL為電感平均電流；ΔIL為紋波電流幅值；Iout為輸出電流，可以由輸入功率與輸出電壓共同求得；L為電感大小；f為開關頻率。

電感值過大會導致電路的動態響應能力降低，過小會導致電感電流過載，電路發熱異常甚至電磁環境異常。

C1、C2電容為濾波電容，作用是消除紋波，提高輸出直流電壓的穩定性與質量，便于接入逆變器并網或直接供給直流電機等電力設備使用，主要技術參數為電感值C0和ESR，計算公式如式（5）所示：

式中：ESR為等效串聯電阻值，使用陶瓷濾波電容時一般不用考慮ESR參數。

通過上述公式計算，可以求得BOOST的參數，指導器材選型。

3 數學模型構建與仿真

基于SIMULINK仿真軟件搭建數學模型，使用5塊光照強度不同的光伏組件串聯仿真局部過熱或光照不均時的多峰光伏電源，輸出特性曲線如圖4所示。

圖4 多峰輸出特性曲線

該特性曲線有5個局部最優點，全局最優點出現在最右側，局部最優點較多，適合使用智能算法尋優。

編寫改進PSO算法，搭建BOOST電路物理模型，基于SIMULINK設計電路，如圖5所示。

圖5 SIMULINK仿真模型

仿真系統開啟后的2 s內功率變化情況如圖6所示。

4 結論

分析仿真結果，得到以下結論：

1）針對光伏發電最大功率追蹤，研究提出的基于改進PSO算法的MPPT算法計算量小，硬件要求低，能實現光伏發電最大功率點的快速準確追蹤。

2）基于上文給出的BOOST參數計算公式設計的MPPT系統電路性能良好，能實現快速響應，并有效減小紋波輸出。

綜上所述，基于改進PSO算法的MPPT控制算法是一種適用于光伏發電最大功率跟蹤控制的有效方法，該算法簡單，動態追蹤快，穩態紋波小，能自動實現變步長追蹤。

圖6 仿真功率曲線

該算法還可以形成一種自尋優的MPPT動態控制系統，該控制系統易于實現，適合工程應用。