基于虚拟阻抗特性扰动的光伏全局最大功率跟踪控制方法*
Global Maximum Power Point Tracking Method for Photovoltaic System Based on Virtual Impedance Characteristic Disturbance
收稿日期: 2022-10-24 修回日期: 2023-07-22
基金资助: |
|
Received: 2022-10-24 Revised: 2023-07-22
作者简介 About authors
张凤军,男,1999年生。主要研究方向为光伏发电运行控制技术。E-mail:
高长伟,男,1980年生,博士,副教授。主要研究方向为可再生能源发电。E-mail:
当光伏阵列表面光照不均匀时,其功率特性呈现多峰特征,增加了最大功率跟踪(Maximum power point tracking,MPPT)过程的复杂性。传统MPPT方法无法跟踪到全局最大功率点(Global maximum power point,GMPP),人工智能算法虽然在一定程度上能解决多峰情况下光伏MPPT问题,但该类算法实现过程较复杂、具有一定的局限性。对适用于非均匀光照条件下的光伏全局最大功率跟踪控制策略进行研究,提出基于虚拟阻抗特性扰动(Virtual impedance characteristic disturbance,VICD)的光伏全局最大功率跟踪控制方法,将全局搜索机制引入传统扰动观察法中。当光伏阵列表面光照不均匀时,首先通过虚拟阻抗特性对光伏阵列I-U特性曲线上最大功率点所处位置区域进行初步定位,然后利用传统扰动观察法进行准确跟踪,提高了传统MPPT控制方法的适用性,应用所提控制方法能准确搜索到光伏阵列全局最大功率点,且动态性能良好。仿真与试验结果验证了所提算法的可行性与有效性。
关键词:
When the surface illumination of the photovoltaic array is nonuniform, its power characteristic curve appears multi-peak phenomenon, which increases the complexity of the maximum power point tracking(MPPT) process. Traditional MPPT method cannot track the global maximum power point(GMPP). Although the artificial intelligence algorithm can solve the photovoltaic MPPT problem in the case of multiple peaks to a certain extent, the implementation process of this kind of algorithm is generally complicated and has certain limitations. In this paper, a photovoltaic global maximum power tracking control strategy for non-uniform lighting conditions is studied. Global maximum power point tracking method for photovoltaic system based on virtual load characteristic disturbance is proposed. The global search mechanism is introduced into the traditional perturbation observation method. When the illumination on the PV array surface is uneven, the location area of the maximum power point on the I-U characteristic curve of the PV array is initially located by the virtual impedance characteristics, and then the traditional perturbation observation method is used to accurately track, which improves the applicability of the traditional MPPT control method. The proposed control method can be used to accurately search the global maximum power point of the PV array, and the dynamic performance is good. Simulation and experiment results testify the feasibility and effectiveness of the proposed algorithm.
Keywords:
本文引用格式
张凤军, 高长伟, 黄翀阳, 郑伟强, 王伟.
ZHANG Fengjun, GAO Changwei, HUANG Chongyang, ZHENG Weiqiang, WANG Wei.
1 引言
太阳能是绿色可再生能源,光伏发电作为太阳能开发利用的典型方式受到了世界各国研究人员的普遍关注。然而,在现有技术条件下光伏电池的光电转换效率不高,并且输出呈现非线性[1⇓-3],为有效提高光伏阵列发电效率,需要采用最大功率点跟踪(Maximum power point tracking,MPPT)控制技术使其工作在最大功率点处。实现全局最大功率跟踪(Global maximum power point tracking,GMPPT)是提高光伏发电系统工作效率的基本措施[4⇓-6]。理想环境条件下,光伏阵列功率-电压(P-U)特性曲线呈现单峰值特征,采用传统的MPPT控制方法(如扰动观察法、电导增量法等)即可实现最大功率跟踪控制。但在实际工作过程中,光伏电池会因为光照不均匀、积尘覆盖、老化等原因,使得光伏阵列的电流-电压(I-U)特性曲线呈现阶梯状,同时其功率-电压(P-U)特性曲线具有多个峰值[7]。在多峰值情况下,传统最大功率跟踪控制方法无法准确搜索到全局最大功率点(Global maximum power point,GMPP),易收敛于局部最大功率点(Local maximum power point,LMPP),从而导致跟踪失败,使得光伏阵列工作效率降低,输出功率显著减小[8]。
为了有效提高光伏发电系统光电转换效率,国内外学者对多峰值MPPT控制方法进行了深入研究,产生了诸多有益研究成果。文献[9]提出利用神经网络控制技术实现全局最大功率点跟踪,该算法具有良好的非线性拟合能力,能够实现较好的多峰最大功率点跟踪效果,但是采集神经网络所需的可靠训练数据是一个关键问题,算法依赖于大量的光伏阵列数据信息。文献[10]提出了基于Fibonacci搜素的全局最大功率点跟踪控制方法,该方法跟踪精度高、动态性能好,但跟踪速度较慢,同时,其对于光伏阵列结构以及峰值点分布规律等信息依赖较为严重。文献[11]提出了一种改进电导增量法的多峰值MPPT算法,具有较快的扫描速度,但在单峰值条件下效率较低、算法重启频繁。文献[12-13]对基于等功率线扫描的全局最大功率点跟踪控制方法进行了研究,该类算法可以有效避免陷入局部极值的问题,但其具体控制性能往往易受峰值点分布情况影响。文献[14⇓⇓-17]研究了基于粒子群(Particle swarm optimization,PSO)算法的MPPT方法,该方法的突出优点是不存在稳态功率振荡问题,稳态跟踪精度高,但存在收敛时间较长、容易收敛于局部功率峰值点等问题。文献[18-19]对基于细菌觅食算法的全局最大功率点跟踪控制方法进行了研究,该类算法具有较高的求解精度与较好的动态性能,但算法实现过程较复杂且在静态环境条件下跟踪速度较慢。
综上所述,现有全局MPPT控制方法实现过程普遍较为复杂,控制性能易受环境因素影响,具有一定的局限性。本文提出一种基于虚拟阻抗特性扰动(Virtual impedance characteristic disturbance,VICD)的光伏全局最大功率跟踪控制方法,将全局搜索机制引入到传统的扰动观察法中,以提高算法的适用性。该方法首先通过虚拟阻抗特性来对光伏阵列I-U特性曲线上最大功率点所处的位置区域进行初步定位,然后利用传统的扰动观察法进行准确跟踪。该算法在其具体实施过程中只需要对光伏阵列的输出电压和电流进行实时测量,无需附加其他测量电路,流程简单易实现。
2 局部阴影下光伏阵列非线性特征
光伏阵列通常由一系列的光伏电池组件串并联组成,以维持预期的输出电压与电流,当光伏阵列表面光照强度一致时,其输出的P-U特性曲线呈现单峰值特征。光伏电池输出特性方程为
式中,Iph为光生电流;Is为饱和电流;A为与PN结材料特性相关的参数;q为电子电荷量;K为波尔兹曼常数;T为绝对温度;Rs为串联等效电阻;Rsh为并联电阻;I、U为光伏电池输出电流和端电压。
对于由n行m列的光伏电池构成的光伏组件(行数n为某条支路中所串联光伏电池的数量,列数m为光伏组件所包含并联支路的个数),其输出特性可表示为
式中,Uz、Iz、Uocz、Iscz分别为光伏组件的输出电压、输出电流、开路电压、短路电流;Uoc、Isc为光伏电池的开路电压与短路电流。将光伏阵列中光伏组件输出特性叠加可得光伏阵列整体输出特性,如图1所示。
图1
对于一个包含i行j列光伏组件的光伏阵列,当光照均匀时,其输出特性为
式中,Ur、Ir、Uocr、Iscr分别为光伏阵列的输出电压、输出电流、开路电压、短路电流;Rsr为光伏阵列串联等效电阻;Rsz为光伏组件串联等效电阻。
均匀光照条件下光伏阵列输出电流可表示为
若图1中每列有h个光伏组件被遮挡,当旁路二极管导通压降为零时,光伏阵列输出电流为
3 基于VICD的光伏GMPPT控制法
当有局部阴影产生时,首先利用光伏阵列的虚拟阻抗特性对其I-U特性曲线上最大功率点所处的位置区域进行初步定位,然后利用传统的扰动观察法对局部遮荫条件下光伏阵列的全局最大功率点进行精确搜索。当光伏阵列中的某块光伏电池被遮挡时,由于其所受光照强度下降,致使输出电流减小;同时,由于遮挡使得光伏电池阻抗增大、温度升高,又会导致输出电压有所减小[20]。基于上述结论,本文所提算法利用式(6)、(7)对光伏阵列的光照情况进行判断,当两条件成立时,说明光伏阵列表面产生局部阴影。
式中,ΔUset、ΔIset为设定的光伏阵列电压、电流波动阈值,该值由用户或厂家根据实际环境条件进行设定。
当式(6)、(7)成立时,可根据式(8)基于光伏阵列虚拟阻抗特性对其最大功率点所处的位置区域进行初步定位,确定新的光伏阵列工作点参考电压,在此基础之上再利用扰动观察法进行准确跟踪。
式中,Uref为光伏阵列工作点参考电压;Ipv(k)为当前输出电流;Zr为光伏阵列虚拟阻抗线。
图2
图3
图4
图5
如图3所示,在全局最大功率点坐落于光伏阵列输出电压较高区域的情况下,当光照均匀时,光伏阵列工作点位于A点,当有局部阴影产生后,其工作点迅速移动到B点。本文所提算法经式(6)、(7)判断得知有局部阴影产生,然后利用式(8)对光伏阵列最大功率点所处的位置区域进行初步定位,令Ipv(k)=IB,得UC=Uref=Zr×IB,从而可根据新的参考电压UC将工作点从B点移至C点,最后再利用扰动观察法对全局最大功率点进行准确跟踪,使工作点最终稳定在全局最大功率点D点附近。此种情况对所提控制方法最为不利,因为全局最大功率点D坐落在初始功率点B附近,而算法根据式(8)对光伏阵列最大功率点所处的位置区域进行初步定位得到的工作点C距离全局最大功率点相对较远。
由上述理论分析可见,当外部环境条件变化使得光伏阵列表面光照不均匀时,采用本文所提MPPT控制法只需要对光伏阵列的输出电压与电流进行测量,无须附加任何其他测量电路,即可实现光伏阵列的全局最大功率跟踪,有利于提高光伏发电系统在不均匀光照条件下的工作效率。算法具体实现流程如图6所示。
图6
4 仿真分析
为了验证所提光伏MPPT控制策略的可行性,基于Matlab/Simulink平台,搭建如图7所示拓扑结构的光伏MPPT控制系统模型。
图7
仿真模型中光伏阵列特性曲线,如图8所示,包括均匀光照条件(S=1,1,1,1,1 kW/m2)和局部阴影条件(S=1,1,1,0.3,0.2 kW/m2)两种情况。
图8
由图8可见,均匀光照条件下,光伏阵列最大功率点电压为186 V,对应的最大输出功率约为3 300 W。局部阴影条件下,光伏阵列有一个全局最大功率点和两个局部最大功率点,全局最大功率点电压约为110 V,与之对应的全局最大输出功率约为1 750 W。分别采用本文所提出的基于虚拟阻抗特性扰动全局最大功率点跟踪控制方法与扰动观察法对光伏阵列进行MPPT控制,对控制结果进行比较。
4.1 扰动观察法控制结果
图9
4.2 虚拟阻抗特性扰法控制结果
采用所提出的基于虚拟阻抗特性扰动全局最大功率点跟踪控制方法对光伏阵列输出进行MPPT控制,图10为最大功率跟踪控制过程中光伏阵列输出的I-V、P-V特性曲线的变化轨迹。
图10
5 试验验证
图11
5.1 扰动观察法控制结果
图12
5.2 虚拟阻抗特性扰动法控制结果
图13
6 结论
针对光伏阵列P-U特性曲线在多峰值情况下传统最大功率跟踪控制方法无法准确搜索到全局最大功率点的问题,本文提出了一种基于虚拟阻抗特性扰动的光伏全局MPPT控制方法。
(1) 当光伏阵列表面光照不均匀时,首先利用光伏阵列的虚拟阻抗特性对其I-U特性曲线上最大功率点所处的位置区域进行初步定位,确定光伏阵列工作点参考电压值。以上述参考电压为起始工作电压,再利用传统的扰动观察法对光伏阵列P-U特性曲线上的全局最大功率点实施准确跟踪。该方法将全局搜索机制引入到传统的扰动观察法中,提高了传统MPPT算法在非均匀光照条件下的适用性。
(2) 采用所提出的基于虚拟阻抗特性扰动全局最大功率点跟踪控制方法只需对光伏阵列输出电压与电流进行测量,无需附加任何其他测量电路即可实现光伏阵列的全局最大功率跟踪,方法控制流程简单易实现。
参考文献
光伏接入对电网的影响研究
[J].
Research on the influence of photovoltaic access on a power grid
[J].
Annual performance analysis of different maximum power pointtracking techniques used in photovoltaic systems
[J].
基于改进型非奇异终端滑模控制的光伏MPPT实现
[J].
Photovoltaic MPPT based on improved non-singular terminal sliding mode control
[J].
遮荫条件下光伏发电最大功率的智能跟踪方法综述
[J].
Review of maximum power tracking methods for photovoltaic power generation under shading conditions
[J].
阴影光照条件下光伏阵列的最大功率点跟踪方法
[J].
Maximum power point tracking method for photovoltaic arrays under partial shading conditions
[J].
光伏发电出力预测技术研究综述
[J].
Review of photovoltaic power output prediction technology
[J].
局部阴影下光伏组件的Matlab/Simulink仿真模拟与特性分析
[J].
Matlab/Simulink simulation model and characteristic analysis of PV module under partial shadow
[J].
一种高效光伏多峰MPPT控制算法
[J].
An efficient photovoltaic multi-peak MPPT control algorithm
[J].
基于RBF神经网络的光伏系统MPPT研究
[J].
MPPT study of solar PV power system based on RBF neural network algorithm
[J].
Modified Fibonacci search based MPPT scheme for SPVA under partial shaded conditions
[J].
Modified incremental conductance algorithm for photovoltaic system under partial shading conditions and load variation
[J].DOI:10.1109/TIE.2014.2304921 URL [本文引用: 1]
A real maximum power point tracking method for mismatching compensation in PV array under partially shaded conditions
[J].
基于等功率曲线法的多峰值MPPT算法研究
[J].
Research on multipeak MPPT algorithm based on equal power curve method
[J].
An improved particle swarm optimization (PSO) based MPPT for PV with reduced steady-state oscillation
[J].DOI:10.1109/TPEL.2012.2185713 URL [本文引用: 1]
基于改进粒子群优化算法光伏阵列多峰值MPPT的研究
[J].
Research on multi-peak MPPT of PV array based on improved PSO algorithm
[J].
A deterministic particle swarm optimization maximum power point tracker for photovoltaic system under partial shading condition
[J].
基于粒子群优化神经网络光伏并网最大功率点跟踪技术研究
[J].
Study on maximum power tracking for photovoltaic array grid-connected system based on PSO neural network
[J].
基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法
[J].
Large-capacity photovoltaic array’s GMPPT technology based on the immune bacterial foraging optimization algorithm
[J].
基于全局学习自适应细菌觅食算法的光伏系统全局最大功率点跟踪方法
[J].
Photovoltaic system global maximum power point tracking method based on the global learning adaptive bacteria foraging algorithm
[J].
/
〈 |
|
〉 |
