1、第 卷 第期 年月 ，收稿日期：；修回日期：作者简介：王津（），男，在读硕士研究生，研究方向为新能源控制技术、电池控制、电网决策规划。：新能源基于 的光伏发电系统最大功率点跟踪算法研究王津（西交利物浦大学 智能工程学院，江苏苏州 ）摘要：基于 软件建立光伏发电系统模型来研究环境对光伏电池输出功率的影响，并且提出一种最大功率点跟踪（）算法，同时模拟真实的环境条件验证该控制算法的可行性。结果表明：光照强度的变化，尤其是光照强度的减弱，对光伏发电系统跟踪最大功率点的影响最大。关键词：光伏发电系统；光照强度；输出功率中图分类号：文献标志码：文章编号：（）：（，）：，（），：；目前，全球气温不断升高，随
2、着化石燃料等消耗性资源的过度使用，使可再生能源的利用得到重视，因此各国加大对可再生能源技术的投入。同时，相关政策对可再生能源的重视程度不断提高。印度截至 年底的光伏发电装机容量约为亿。我国高度重视可再生能源的发展，截至 年底，我国光伏发电并网装机容量达到 亿，突破亿，连续年稳居全球首位。光伏发电技术主要利用光伏效应的发电技术，是利用可再生能源的最佳方式之一。太阳能是目前可再生能源中最具潜力的选择之一，但是利用其进行发电很容易受到光照、温度等因素的影响，这也是光伏发电系统的输出功率会存在波动和损失的原因。系统可以通过时刻采用最大功率点跟踪（），提升光伏发电系统的利用效率。高效的 算法可以优化光伏
3、发电的输出功率，最大化地利用太阳能。目前，国内外已有很多优化光伏发电系统效率的 算法，其中许多算法已经被应用于实际的工业生产中。李畸勇等提出了一种改进鲸鱼算法，与电导增量法相结合用于 的控制。商立群等为了使光伏发电系统输出功率第期王津：基于 的光伏发电系统最大功率点跟踪算法研究最大化，提出了一种全局学习自适应细菌觅食算法，将全局学习机制和自适应步长策略引入到传统的算法中，最大化地提高了算法的精度和速度。等开发了一种辐射感知混合算法来自动选择不同辐射水准下合适的 算法方案和控制方法。提出了一种可变扰动的自适应扰动和观测 算法。刁 明 君提 出 了 一 种 基 于 软件改进的扰动观察法来实现对光伏
4、电池最大输出功率点的跟踪。朱泓晖等 提出了一种基于储能型准 源光伏并网逆变器的改进型自适应粒子群 算法，极大地提高了光伏发电效率。以上研究都提出了经过优化的效果较好的 算法，提高了算法的精度和速度，极大地提高了光伏发电效率。笔者在以上研究的基础上，提出了一种改进的根据误差进行调整的 算法，以期提高跟踪最大功率点的效果。光伏电池特性单个光伏电池电路见图。光生电流；二极管正向电流；分流电阻；漏电流；串联电阻；右侧电压。图单个光伏电池电路光伏电池的输出电流为：（）（）（）（）（）（）式中：为光伏电池输出电流，；为短路电流，；为短路电流的温度系数；为光照强度，；为反向饱和电流，；为电荷常数；为二极管理
5、想因数；为玻尔兹曼常数；为光伏电池温度，。经过推导得到：（）（）（）通过式（）可以得到光伏电池的输出电流不是呈线性变化的，会受到温度、光照强度等因素的影响而产生波动。因此，需要采用电压变换器来改变输出电压，以使其达到特定电流下的最大功率。光伏电池 仿真模型建立稳定输入条件下的仿真模型，光伏电池各项参数见表。表光伏电池的各项参数参数数值光生电流 二极管饱和电流 二极管理想因数 分流电阻 串联电阻 光照强度为 时，不同温度下的电流 电压、功率 电压曲线见图。温度的增加会使电压和最大功率降低，与文献 的结果相一致。图不同温度下的电流 电压、功率 电压曲线温度为 时，不同光照强度下的电流 电压、功率
6、电压曲线见图。光照强度越大，最大功率越大。图不同光照强度下的电流 电压、功率 电压曲线以上结果说明该模型的仿真结果与实际情第 卷况相吻合，具有一定的准确性，不会影响后续的仿真。电路为实现光伏 电 池的 输 出 电 压 随 着 设 计 的 算法而改变，采用 电路改变光伏电池的输出电压，其电路图见图。输入电压；输出电压；二极管导通系数。图 电路的电路图通过图可以得到输出电压 为：（）算法原理与模型采用类似于扰动观察法 的控制算法，通过每次对某个采样点进行次采样得到的采样值来确定该值与设定值的误差，进而采取相应的措施来尽可能地减弱误差的影响，最终使得最大功率点始终保持在设定值附近，实现光伏电池板的最
7、大化利用。稳定输入条件下 算法图为稳定输入条件（光照强度和 温度）下 算法模型总布局，仿真时间步长是 。基本设计思路为：上半部分的核心是一个 电路，下半部分是 算法控制部分。采样的电压、电流通过当前采样点之后采样的 采样模组和当前采样点之前采样的 采样模组分别进行采样（见图）。电压误差值；功率误差值；电流误差值。图稳定输入条件下 算法模型总布局图 和 模组的采样模式使用 模组后产生功率，再将电压、电流、功率连接到对应的加减模组的减功能部分，并且使用 采样模组延时采集上一次的采样值（电压、电流、功率）分别输出到个加减模组的加功能部分，经过加减模组的计算就可以得到电压、电流和输出功率与实际值的误差
8、，然后需要进行条件判断。在 模组中，只要判断出电压、电流和功率各自的误差大于，就将此值减去 （需要根据实际干扰情况进行设定）后输出；反之，只要判断出电压、电流和功率各自的误差小于，就将此值加上 后输出。利用此种补偿误差的方法就可以尽快地锁定最大功率点，并进行保持。因为是同一时间段进入的采样值，所以可以将输出的、分别与比第期王津：基于 的光伏发电系统最大功率点跟踪算法研究较判断后输出，然后再根据情况进行合并再输出，通过这种方式可以减少模组数量，从而提高仿真速度。图为稳定输入条件下 算法的仿真结果。由图可得：算法的控制效果是比较不错的，基本上是经历一个峰和一个谷后就将最大功率控制在 左右，而且之后
9、的功率曲线基本上是一条平滑的直线。图稳定输入条件下 算法的仿真结果 光照强度的影响在自然环境中，光伏阵列板可能会由于天空的云朵、大的树叶等被遮挡光线，造成局部阴影的情况出现，此时需要系统快速地跟踪当前光照强度下的最大输出功率点，以保持最高的效率。当云朵不再遮挡光伏阵列板或时间从早上变为正午时，光照强度会变强。模拟真实的环境变化（即光照强度变化），验证该 算法是否仍然保持良好的控制效果，具体模型布局在原先的基础上将输入的光照强度接到信号倍率变化的模组，模 拟 光 照 强 度 变 化 的 输 入。建 立 模组将光照强度从最开始的 进行变化（见图，信号倍率为 对应光照强度为），并且将其输至光伏模块的
10、光照强度输入口，同时为 模组设置变化的百分比。图光照强度随时间变化的信号倍率在 温 度 的 条 件 下，光 照 强 度 变 化 时 算法的仿真结果见图。由图可得：电流、电压、功率都随光照强度的变化而变化；同时，算法的控制效果仍是不错的，始终在跟踪最大功率。仔细观察每条曲线的每个转折点的变化，每条曲线基本也是在个峰后就趋于平缓，控制效果与稳定输入条件下的变化基本一致。尽管光伏发电系统中出现了光照强度变小的情况，但是该系统可以较为迅速地进行跟踪；同时，对于光照强度陡增的情况，该系统跟踪最大功率点的速度会更快（相比于光照强度变小的情况）。图光照强度变化时 算法的仿真结果 温度的影响在原先仿真模型的基
11、础上，不改变输入光照强度的条件下，通过改变输入温度验证 算法在不同温度下的控制效果。在 光照强度的条件下，温度变化（信号倍率改变与图相同，信号倍率为 对应温度为）时 算法的仿真结果见图。由图 可得：电流、电压、功率都随温度输入的变化而变化，但是电压的变化不是很明显。温度的变化对于该系统存在一定的影响，可以发现在温度陡然升高时电流波动很大，需要一定的时间才能慢慢地减小这种波动，进而导致该部分的 算法的控制曲线也会呈现出一定程度的小波动，此时需要通过优化电路元件参数减小这种波动。图 温度变化时 算法的仿真结果第 卷在 光照强度的条件下，不同温度下 算法的仿真结果见图。由图 可得：较低温度对于输出功
12、率的影响不是很大（与 的对比），输出功率曲线基本没有大的波动；当温度较高时，会对电路的电流、电压和光伏阵列板的输出功率产生比较大的影响（与 的对比），并且温度越高，影响越大。总体上，算法的控制效果仍是不错的，始终在跟踪最大功率。图 不同温度下 算法的仿真结果 光照强度和温度同时变化的影响同时改变光照强度和温度，在双重外界天气条件的影响下，采用 算法对最大功率点的跟踪效果仍较好（见图），但是主要的影响因素是光照强度。图 光照强度和温度同时变化的 控制效果 快速多变化光照强度的影响光照强度是光伏发电系统跟踪最大功率点的最大影响因素。模拟快速多变化的恶劣天气条件来进行系统仿真，验证所提出的 算法的可
13、行性。利用 软件中的 模组模拟的信号倍率（见图）模拟快速多变化的恶劣天气。图 快速多变化的信号倍率快速多变化光照强度是光伏发电系统最大功率点跟踪面临的最大挑战之一，图 为快速多变化光照强度的 算法的控制效果。信号倍率为 的区间是跟踪时间最长的一段，其次是在信号倍率为 时的跟踪时间会较长一些。在 时进行光照强度陡增的仿真设计，输出功率在不到 就实现了对最大功率点的跟踪；在 时进行光照强度陡降，相同温度下跟踪最大功率点的时间超过了 。因此，通过分析得出：在光照强度陡降时，更加容易使光伏发电系统在跟踪最大功率点时的输出功率曲线产生波动，从而延长跟踪最大功率点的时间。图 快速多变化光照强度条件下 算法
14、的仿真结果第期王津：基于 的光伏发电系统最大功率点跟踪算法研究结语对光伏发电系统的特性进行了分析，建立了仿真控制模型，对其输出的电流、电压和功率特性进行了分析，采用经过优化的去除误差的方法，利用 电路设计 算法，研究后可以得到以下结论：（）通过设置稳定输入条件、变化光照强度、变化温度和同时变化光照强度及温度，验证所提出的 算法是可行的，并且具有一定的应用效果。（）光照强度的减弱会更加容易使光伏发电系统在跟踪最大功率点时的输出功率曲线产生波动，从而延长跟踪最大功率点的时间。（）温度较低时，其对于光伏发电系统跟踪最大功率点的影响较微弱。虽然提出的 算法在控制效果上更加优越，但是仍然存在需要完善的地
15、方，需要根据实际的环境情况，逐渐优化电路元件的参数设置，使得该控制算法在温度陡然上升时也能很快地实现对最大功率点的跟踪。在工程实际应用中，可以参考所提出的仿真模型，预先进行仿真测试，实地验证光伏发电系统的可行性，根据测试情况进行优化并实施，以提升光伏发电系统的利用率。参考文献：，：，：，（）：国家能源局我国光伏发电并网装机容量突破亿千瓦分布式发展成为新亮点 （）：王梦犀太阳能光伏技术在国家公园中的应用分析电气技术，（）：，李畸勇，张伟斌，赵新哲，等改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪电工技术学报，（）：商立群，朱伟伟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电工技术学报，（）：，（）：，（）：刁明君光伏电池建模以及 仿真分析通信电源技术，（）：朱泓晖，屈艾文，周扬忠基于储能型准 源光伏并网逆变器的改进型自适应粒子群最大功率点跟踪算法研究电气技术，（）：张健，车进，刘毅基于 的太阳能电池 仿真宁夏工程技术，（）：孙向东，张琦，吴迎丰，等一种用于光伏发电系统的 和 组合变换器研究西安理工大学学报，（）：尹涛，刘倩倩基于 的太阳能电池特性和 仿真研 究 工 业 控 制 计 算 机，（）：
