一種基于功率微分的光伏發(fā)電最大功率點跟蹤方法
【專利摘要】本發(fā)明公開了一種基于功率微分的光伏發(fā)電最大功率點跟蹤方法，本發(fā)明將Boost電路的占空比作為控制變量，首先通過對功率微分絕對值及其前后采樣時刻的關系判定找到最大功率點附近區(qū)域所對應的占空比區(qū)間，再采用改進量子遺傳算法尋優(yōu)求得最優(yōu)占空比，并將其輸出給Boost電路以實現(xiàn)對最大功率點的跟蹤。與現(xiàn)有技術相比，該發(fā)明具有搜索速度快，能克服外界環(huán)境發(fā)生劇烈變化時產(chǎn)生的誤判和跟蹤失效的問題。
【專利說明】一種基于功率微分的光伏發(fā)電最大功率點跟蹤方法

【技術領域】
[0001] 本發(fā)明涉及光伏發(fā)電技術，尤其是光伏電池最大功率點跟蹤【技術領域】。

【背景技術】
[0002] 太陽能是當前世界上最清潔、最現(xiàn)實、大規(guī)模開發(fā)利用最有前景的可再生能源之 一。其中太陽能光伏利用受到世界各國的普遍關注，太陽能電池在工作時，隨著日照強度、 環(huán)境溫度的不同，其端電壓將發(fā)生變化，使輸出功率也產(chǎn)生很大變化，故太陽能電池本身是 一種極不穩(wěn)定的電源。如何能在不同日照、溫度的條件下輸出盡可能多的電能，提高系統(tǒng)的 效率，這就在理論上和實踐上提出了太陽能電池陣列的最大功率點跟蹤問題，最大功率點 跟蹤環(huán)節(jié)是光伏發(fā)電系統(tǒng)的關鍵技術之一，此環(huán)節(jié)影響著整個系統(tǒng)的控制精度和光電轉化 效率，對降低發(fā)電成本、推進光伏發(fā)電技術深入發(fā)展具有重大意義。
[0003] 目前很多的最大功率點跟蹤方法都是基于擾動觀察法衍生出來的，擾動觀察法具 有控制策略簡單，容易實現(xiàn)，對參數(shù)檢測的精度要求也不是很高，在日照變化不是很劇烈的 情況下有較好的控制效果等優(yōu)點。但該方法有一較明顯的缺點，即需要始終判斷對電壓加 以干擾的系統(tǒng)是否工作在最大功率點處。因此即使是在穩(wěn)態(tài)時，系統(tǒng)工作電壓也不能穩(wěn)定 在一個特定值上，由此不可避免地會造成一定功率的損失。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的就是為了解決上述現(xiàn)有技術存在的缺陷而提供一種跟蹤速度快， 能夠有效克服外界環(huán)境發(fā)生劇烈變化時產(chǎn)生的誤判和跟蹤失效的基于功率微分的光伏 發(fā)電最大功率點跟蹤方法，該方法在系統(tǒng)初始階段通過對不同采樣時刻功率微分絕對值 P' (k-l)、p' (k)、P' (k+Ι)的關系判斷追蹤到最大功率點附近，而后引用改進量子遺傳 算法實現(xiàn)對最大功率點的跟蹤。
[0005] 本發(fā)明的目的可以通過以下技術方案來實現(xiàn)：
[0006] -種基于功率微分的光伏發(fā)電最大功率點跟蹤方法，具體包含以下步驟：
[0007] (1)調(diào)節(jié)占空比D使其在[0, 1]區(qū)間內(nèi)作連續(xù)的改變，實時采集占空比D(k) (k = 1，2,…，N)和功率P(k)的值并以數(shù)據(jù)陣列的形式保存，其中Λ'N為正整數(shù)，AD為 AD 實數(shù)，滿足AD < 0. 05且能被1整除。
[0008] (2)由步驟⑴所得占空比D(k)和功率P(k)值計算功率微分絕對值P' (k)的 大小并以數(shù)據(jù)陣列的形式保存。
[0009] (3)根據(jù)步驟⑵所得的功率微分絕對值P' (k)和占空比D(k)數(shù)據(jù)陣列，求出 功率微分絕對值P (k)的兩個極大值及其對應的最小占空比Dmin和最大占空比Dmax。
[0010] ⑷在步驟⑶所得區(qū)間[Dmin，Dmax]內(nèi)尋優(yōu)求得功率微分絕對值P' (k)的最小值 及其所對應的最優(yōu)占空比。
[0011] (5)將步驟⑷所得最優(yōu)占空比信號輸出給Boost控制電路，由該電路控制光伏陣 列使其工作在最大功率點。
[0012] 其中步驟⑵中由步驟⑴所得D(k)和P(k)值計算功率微分絕對值P' (k)的 大小并以數(shù)據(jù)陣列的形式保存的具體步驟為：
[0013] (2a)k = 1 時，P，（k) = 0 ;

【權利要求】
1. 一種基于功率微分的光伏發(fā)電最大功率點跟蹤方法，其特征在于包含以下步驟： (la) 調(diào)節(jié)占空比D使其在[0, 1]區(qū)間內(nèi)作連續(xù)的改變，實時采集占空比D(k)(k= 1，2,…，N)和功率P(k)的值并以數(shù)據(jù)陣列的形式保存，其中
N為正整數(shù)，AD為 實數(shù)，滿足AD< 0. 05且能被1整除； (lb) 由（Ia)所得占空比D(k)和功率P(k)值計算功率微分絕對值P' (k)的大小并 以數(shù)據(jù)陣列的形式保存； (lc) 根據(jù)步驟（Ib)所得的功率微分絕對值P' (k)和占空比D(k)數(shù)據(jù)陣列，求出功 率微分絕對值P' (k)的兩個極大值及其對應的最小占空比Dmin和最大占空比Dmax ; (ld) 在步驟（Ic)所得區(qū)間[Dmin，DnJ內(nèi)尋優(yōu)求得功率微分絕對值P' (k)的最小值及 其所對應的最優(yōu)占空比； (le) 將步驟（Id)所得最優(yōu)占空比信號輸出給Boost控制電路，由Boost控制電路控制 光伏陣列使其工作在最大功率點。
2. 根據(jù)權利要求1所述的一種基于功率微分的光伏發(fā)電最大功率點跟蹤方法，其特征 在于，所述的步驟（Ib)中計算功率微分絕對值P' (k)的大小并以數(shù)據(jù)陣形的形式保存的 具體步驟為：
(2a)k= 1 時，P' (k) = 0 ； (2b)令k=k+1,如果k>N則轉步驟（2d)，否貝U，計_ 的大小，其 中：I?I表示求絕對值； (2c)轉步驟（2b); (2d)以數(shù)據(jù)陣列的形式保存P' (k)。
3. 根據(jù)權利要求1所述的一種基于功率微分的光伏發(fā)電最大功率點跟蹤方法，其特征 在于，所述的步驟（Ic)中求出P' (k)的兩個極大值及其所對應的最小占空比Dmin和最大 占空比Dmax的具體步驟為： (3a)初始化，令k=I,Dmin = 0,Dmax = 0,Imin = 0,Imax = 0,flag= 0,其中，1 和flag為非負整數(shù)，Imin為1的最小值，為1的最大值； (3b)令k=k+1，如果k>N或flag>2,轉步驟（3h); (3c)若P，（k) >P' (k-1)且P，（k) >P' (k+1)，則flag=flag+1 ; (3d)若flag= 0,轉步驟（3f); (3e)若flag=I，則Dmin =D(k)，Imin =k，轉步驟（3f); (3f)轉步驟（3b); (3g)若flag= 2,則Dmax =D(k),Imax =k; (3h)保存Dmin和Dmax的值。
4. 根據(jù)權利要求I所述的一種基于功率微分的光伏發(fā)電最大功率點跟蹤方法，其特征 在于，所述步驟（Id)在步驟（Ic)所得區(qū)間[DniWDmax]內(nèi)尋優(yōu)求得功率微分絕對值P' (k) 的最小值及其所對應的最優(yōu)占空比所采用的方法為改進量子遺傳算法，其具體步驟為： (4a)從數(shù)據(jù)陣列中讀入P' (k)和D(k)的值； (4b)設置量子遺傳算法種群規(guī)模popsize，運行總代數(shù)gen，運行代數(shù)g= 1，變異概率Pm，其中，P〇Psize，gen,g為正整數(shù)，pm為實數(shù)； (4c)種群初始化：隨機產(chǎn)生一個種群規(guī)模為popsize的量子種群，量子染色體的長度 為m，其中m為正整數(shù)，并將全部染色體的量子概率幅初始化為
； (4d)種群測量：對每個個體進行一次坍塌測量，使每個個體從不確定的概率狀態(tài)轉換 為確定狀態(tài)，即觀測態(tài)，測量方法是：隨機產(chǎn)生[〇，1]之間的一個數(shù)，若隨機數(shù)大于量子概 率幅的平方，則測量值為1 ;反之，測量值為〇 ; (4e)計算個體適應度，并對測量值進行適應度評估，記錄最優(yōu)適應度值的個體為下一 步進化的目標值；其中：個體適應度J采用以下公式計算：
其中：
(4f)對步驟（4e)所得最優(yōu)個體進行混沌搜索，如果所得個體適應度值小于原最優(yōu)適 應度值，則更新最優(yōu)個體和對應的適應度值； (4g)令g=g+1，如果g>gen，則轉步驟（4k); (4h)種群更新，利用量子旋轉門對個體實施調(diào)整，得到新的種群； (4i)種群變異，對每個個體產(chǎn)生一個（0, 1)之間的隨機數(shù)r，若Kpni，則對該個體進行 量子變異操作； (4j)返回步驟（4d); (4k)輸出最優(yōu)個體及其適應度值； (41)由步驟（4k)所得最優(yōu)個體計算并輸出對應的最優(yōu)占空比。
5.根據(jù)權利要求4所述的一種基于功率微分的光伏發(fā)電最大功率點跟蹤方法，其特征 在于，所述步驟（4h)中種群更新，利用量子旋轉門對個體實施調(diào)整所采用的方法為動態(tài)調(diào) 整量子門旋轉角的方法，其調(diào)整公式為：
其中，Ui, 代表染色體中的第i個量子比特，i為正整數(shù)，（a/ ,￠/ )T代表 更新后的量子比特，QiS旋轉角，可由下面公式求得： Qi =S(Oi^i)A0J (4) 其中，S(CiJi)是0^勺符號，A0可表示為： AQ=A0fflax-(ABfflax-A0fflin)-f (5) 其中，A0max、A0min分別為A0取值范圍內(nèi)的最大值和最小值，
其中，fx為當前個體的適應度值，fbest為已搜索到的最優(yōu)個體的適應度值。
【文檔編號】G05F1/67GK104267778SQ201410476803
【公開日】2015年1月7日 申請日期:2014年9月17日 優(yōu)先權日:2014年9月17日
【發(fā)明者】薛云燦, 李彬, 王思睿, 蔡昌春, 鄧立華 申請人:河海大學常州校區(qū)