论文部分内容阅读
随着化石能源的消耗殆尽,太阳能作为一种理想的可再生能源,具有重要的研究价值。光伏发电系统是一种将太阳能转换成电能的发电系统,是目前最具发展前景的发电方式之一。最大功率点跟踪(MPPT)技术是光伏发电系统中的一项关键技术,对提高系统的能量转换效率具有重要的作用。但在复杂多变的外界环境下,光伏阵列常会出现局部遮阴的情况,这时传统MPPT算法难以取得较好的控制效果。鉴于此,为了提高太阳能的利用效率,论文以多阵列光伏系统作为研究对象,提出了一种适用于多种光照状态的集群MPPT控制算法,该算法包含并行MPPT控制和独立MPPT控制。在光伏系统中为了解决局部遮阴的问题,常利用粒子群优化(PSO)算法对单个阵列进行MPPT控制,但该算法存在跟踪速度慢,系统震荡较大的不足。为了解决该问题,论文根据阵列间相似的输出特性,提出了一种基于改进PSO算法的并行MPPT控制算法。该算法将系统中每一个阵列作为PSO算法种群中的一个粒子,基于PSO算法的寻优特点,利用阵列间的信息交互,使每一个阵列都能得到更有效的信息,进而加快MPPT的速度。论文结合并行MPPT控制的特点,对PSO算法中惯性权重、加速因子等参数作了自适应的改进,减小了并行MPPT控制过程中的震荡。并行MPPT控制还为阵列后续独立MPPT控制提供有效信息。对于均匀照度的阵列,其子控制器直接将对应阵列的个体最优位置作为初始参考电压,采用修正变步长电导增量法(MR-INC)进行独立MPPT控制;而对于局部遮阴的阵列,其子控制器将对应阵列的个体最优位置作为PSO算法的全局最优位置,采用改进PSO算法结合MR-INC重新进行独立MPPT控制。为了更高效地进行独立MPPT控制,需准确识别阵列的光照状态,故论文提出了一种基于SOM神经网络的光照状态识别算法。该算法通过对并行MPPT控制过程中每个阵列在每个采样时间的个体最优值进行聚类得到不同阵列的光照状态。针对MR-INC、PSO和本文提出的集群MPPT算法在MATLAB/Simulink中建立了系统仿真模型,并在四种不同的光照状态下进行了对比实验。实验结果表明论文提出的MPPT算法相较于其他控制算法,能够有效解决局部遮荫下的多峰值寻优问题,并能提高系统的最大功率点跟踪速度,减少系统在跟踪过程中产生的震荡。