本發(fā)明屬于太陽能發(fā)電控制
技術(shù)領(lǐng)域：
，應(yīng)用在光照不均勻的情況下，具體涉及一種太陽能電池最大功率跟蹤控制方法。
背景技術(shù)：
：太陽能是一種綠色能源，具有無污染、無噪聲、資源豐富等優(yōu)點。作為最具前景的發(fā)電技術(shù)之一，太陽能發(fā)電已經(jīng)得到廣泛的應(yīng)用。為充分利用太陽能電池的發(fā)電能力，一般控制其工作在最大功率點處，這就是最大功率點跟蹤控制(MPPT，MaximumPowerPointTracking)。要實現(xiàn)最大功率跟蹤控制，一般在太陽能電池(組)后面接一個DC/DC變換器實現(xiàn)阻抗變換，調(diào)節(jié)輸出功率，對DC/DC變換器采用擾動觀察法或者增量電導(dǎo)法實現(xiàn)最大功率跟蹤控制，這些方法本質(zhì)上仍然是爬山方法，即給定一個占空比初值，然后改變占空比，使其向輸出功率變大的方向變化，直到功率不再增大為止。光照均勻情況下，太陽能電池具有唯一最大功率點，其功率-電壓曲線(P-U曲線)如圖1所示，傳統(tǒng)的方法如擾動觀察法或增量電導(dǎo)方法都能夠達(dá)到比較理想效果。但是在光照不均勻的情況下，比如云團飄過時太陽能電池局部被遮擋，其功率-電壓曲線(P-U曲線)將呈現(xiàn)出如圖2所示的多峰特性，此時，常規(guī)的MPPT方法，如擾動觀察法、增量電導(dǎo)法都容易陷入局部峰值，無法得到最大發(fā)電功率。技術(shù)實現(xiàn)要素：本發(fā)明的目的是提供了一種太陽能電池最大功率跟蹤控制方法，解決現(xiàn)有技術(shù)在光照不均勻時，常規(guī)算法失效的問題。本發(fā)明采用的技術(shù)方案是，一種太陽能電池最大功率跟蹤控制方法，按照以下步驟實施：步驟1、對期望輸出電壓進行初始化；步驟2、對初始化期望輸出電壓的性能進行評價采用步驟1初始化的期望輸出電壓為太陽能電池組的輸出電壓值，控制太陽能電池組連接的DC/DC變換器，采用閉環(huán)PI控制方法，使太陽能電池組輸出電壓達(dá)到目標(biāo)值，記錄穩(wěn)態(tài)時每個期望輸出電壓值對應(yīng)的太陽能電池組輸出功率為Pi＝Vin×Iin和對應(yīng)的DC/DC變換器的占空比為Di，Vin和Iin分別表示DC/DC變換器的輸入電壓及輸入電流值，當(dāng)2≤N≤5時，取值范圍i＝1,2,...2N+1；當(dāng)N>5時，取值范圍i＝1,2,...N；步驟3、對粒子群和算法參數(shù)進行初始化利用步驟2中各個初始化目標(biāo)電壓對應(yīng)的輸出功率計算平均功率值Pmean；步驟4、選出適應(yīng)值最大的粒子進行保留選取適應(yīng)值最大的粒子，不參與步驟5中的位置和速度更新，稱為最優(yōu)保留策略；步驟5、進行粒子群迭代；步驟6、對粒子適應(yīng)值進行評價，更新個體歷史最優(yōu)解位置Pbest_l和全局最優(yōu)解位置Xbest；步驟7、待所有3個粒子收斂到某一點附近時，i≠j，ε為一個設(shè)定的小正數(shù)，即認(rèn)為此時搜索到最大功率點，結(jié)束搜索，將Xbest作為DC/DC變換器的占空比D；否則，返回步驟4，重新搜索。本發(fā)明的有益效果是，與其它粒子群算法相比，該方法能夠更快地找到全局最大功率點，同時降低了陷入局部極小的概率，該方法創(chuàng)新點主要體現(xiàn)在以下三個方面：1)在太陽能電池數(shù)目滿足2≤N≤5時，采用2N+1初始電壓進行迭代，避免了現(xiàn)有方法采用N個粒子進行迭代，粒子太少，無法得到比較理想的分布，使得陷入局部極小的概率增大的問題；2)在第一代初始2N+1或N給粒子(輸出電壓值)后，只有適應(yīng)值大于平均適應(yīng)值的粒子之間插入部分新占空比后，經(jīng)過評估后，得到3個粒子作為粒子初始值，后面迭代粒子群的規(guī)模是3個粒子，而不是現(xiàn)有方法的N個粒子進行迭代，提高了算法效率；3)最優(yōu)保留策略，上一代最優(yōu)粒子不進入下一次迭代，節(jié)省了迭代時間，進一步提高了算法效率。附圖說明圖1是光照均勻情況下的太陽能電池P-U曲線；圖2是陰影遮擋情況下的太陽能電池P-U雙峰曲線；圖3是現(xiàn)有技術(shù)DC/DC(boost)變換器基本拓?fù)鋱D；圖4是本發(fā)明方法的工作流程圖；圖5是兩塊太陽能電池串聯(lián)產(chǎn)生兩個峰的原理圖；圖6本發(fā)明方法對3塊太陽能電池串聯(lián)出現(xiàn)3個峰時電壓初始化結(jié)果；圖7是本發(fā)明方法對圖6曲線(3個峰)的實驗結(jié)果；圖8是對比方法一對圖6曲線(3個峰)的實驗結(jié)果；圖9是對比方法二對圖6曲線(3個峰)的實驗結(jié)果；圖10是本發(fā)明方法對2塊電池2個峰的P-U曲線；圖11是本發(fā)明方法對3塊電池3個峰的實驗結(jié)果；圖12是本發(fā)明方法對4塊電池4個峰的P-U曲線；圖13是本發(fā)明方法對4塊電池4個峰的實驗結(jié)果；圖14是本發(fā)明方法對6塊電池5個峰的P-U曲線圖15是本發(fā)明方法對6塊電池5個峰的實驗結(jié)果。具體實施方式下面結(jié)合附圖和具體實施方式對本發(fā)明進行詳細(xì)說明。一、多峰產(chǎn)生的原因分析以兩塊太陽能電池串聯(lián)為例，當(dāng)兩塊電池受到的光照強度不同時，如圖5，兩塊電池的輸出電流大小不同，輸出電壓幾乎相等，兩塊電池串聯(lián)到一起，受到的光照強度不同時就會出現(xiàn)P-U曲線多峰。假設(shè)PV2受到遮擋光照強度低，則PV1輸出電流ipv1大于PV2輸出電流ipv2。圖5中顯示了電池組的輸出電流曲線，當(dāng)陣列電流istr小于ipv2，電池板PV1、PV2均處于工作狀態(tài)，輸出總電壓為PV1和PV2輸出電壓相加值。當(dāng)陣列電流istr大于ipv2，PV2會消耗能量，為了防止熱量集聚燒毀電池板，每塊電池在生產(chǎn)時會并聯(lián)一個二極管，此時二極管DP2導(dǎo)通，電池板PV2不提供能量，輸出電壓為PV1的電壓。已知單塊太陽能電池最大功率點電壓Vm≈0.8Voc，其中Voc為電池的開路電壓。在圖5中可看到Voc≈Voc_array/2，Vm1≈0.8*Voc，Vm2≈1.8*Voc，由此特性可以在初始化時直接計算出可能出現(xiàn)最大功率的目標(biāo)電壓。二、太陽能電池及boost變換器數(shù)學(xué)模型(1)建立太陽能電池的數(shù)學(xué)模型在任意太陽輻射強度R和環(huán)境溫度Ta條件下，太陽能電池溫度Tc的表達(dá)式為：Tc＝Ta+tc·R，(5)式中，tc為太陽能電池的溫度系數(shù)，單位為℃·m2/w；R為太陽輻射強度，單位為w/m2；Ta為環(huán)境溫度，單位為℃；Tc為太陽能電池溫度，單位為℃，假設(shè)在參考條件下，Rref＝1000w/m2，Tref＝25℃分別為參考日照強度和參考電池溫度，相關(guān)技術(shù)參數(shù)分別包括：短路電流Isc、開路電壓VOC、最大功率點電流Im、最大功率點電壓Vm、最大功率點Pm，太陽能電池電壓為V，其對應(yīng)點電流為I時，表達(dá)式為：I=Isc(1-C1(eVC2VOC-1)),---(6)]]>其中，C1=(1-ImIsc)e-VmC2·Voc,---(7)]]>C2=(VmVoc-1)·ln-1(1-ImIsc),---(8)]]>當(dāng)太陽輻射和溫度變化時，則有：I=Isc(1-C1(eV-ΔVC2VOC-1))+ΔI,---(9)]]>其中，ΔI=α·RRrefΔT+(RRref-1)ISC,---(10)]]>ΔV＝-β·ΔT-Rs·ΔI，(11)ΔT＝Tc-Tref，(12)其中α為在參考照度下電流變化的溫度系數(shù)，單位為A/℃；β為參考照度下電壓變化的溫度系數(shù)，單位為V/℃；Rs為太陽能電池的串聯(lián)電阻，單位為Ω；實施例中的參數(shù)設(shè)置為α＝0.0748V/℃、β＝0.001512A/℃、Rs＝0.2Ω；(2)建立boost電路數(shù)學(xué)模型參照圖3，根據(jù)能量守恒原理，在電感電流連續(xù)工作模式下建立boost電路數(shù)學(xué)模型如下：IL=I-c1dVdtIb=(1-D)IL-c2dVbdtV=(1-D)Vb+LdILdt⇒dVdt=1c1(I-IL)dVbdt=1c2[(1-D)IL-Ib]dILdt=1L[(1-D)Vb-V]---(13)]]>三、采用改進粒子群算法采用粒子群算法，克服了常規(guī)方法在不均勻光照條件下，即存在多個功率峰值情況下，易陷入局部功率峰值的問題，并對基本粒子群算法進行改進，提升了最大功率點的搜索速度，獲得了良好的效果。3塊(2≤N≤5)太陽能電池串聯(lián)，多峰P-U曲線如圖6所示。以下結(jié)合相關(guān)附圖以3塊太陽能電池串聯(lián)為例對本發(fā)明進行詳細(xì)說明。參照圖4，基于上述的理論，本發(fā)明的太陽能電池最大功率跟蹤控制方法，按照以下步驟具體實施：步驟1、對期望輸出電壓進行初始化將N塊太陽能電池串聯(lián)，當(dāng)N≥2，最多可能出現(xiàn)N個功率峰值；當(dāng)2≤N≤5時，初始化2N+1個期望輸出電壓；當(dāng)N>5時，初始化N個期望輸出電壓，首先根據(jù)太陽能電池組開路輸出電壓Uoc_array，計算得到單塊太陽能電池的輸出電壓Uoc≈Uoc_array/N，當(dāng)2≤N≤5時具體的方法是第1個初始期望輸出電壓為U1＝0.4Uoc，第i個初始期望輸出電壓為Ui＝0.8Uoc+0.5(i-2)Uoc，i＝2,...2N，第2N+1個初始期望輸出電壓為(N-0.1)Uoc；當(dāng)N>5時，第i個初始期望輸出電壓為Ui＝(i-1)Uoc+0.8Uoc，i＝1,2,...N；實施例選取N＝3，則初始化目標(biāo)電壓個數(shù)2N+1＝7，用占空比D＝0控制變換器，得到Uoc_array＝64V，Uoc＝Uoc_array/3＝21.3V，各個粒子(期望輸出電壓)位置分別為：X1＝0.4Uoc＝8.52V；X2＝0.8Uoc＝17.04V；X3＝1.3Uoc＝27.69V；X4＝1.8Uoc＝38.34V；X5＝2.3Uoc＝48.09V；X6＝2.8Uoc＝59.64V；X7＝2.9Uoc＝61.77V，如圖6所示；步驟2、對初始化期望輸出電壓的性能進行評價采用步驟1初始化的期望輸出電壓為太陽能電池組的輸出電壓值，控制太陽能電池組連接的DC/DC變換器，采用閉環(huán)PI控制方法，使太陽能電池組輸出電壓達(dá)到目標(biāo)值，記錄穩(wěn)態(tài)時每個期望輸出電壓值對應(yīng)的太陽能電池組輸出功率為Pi＝Vin×Iin和對應(yīng)的DC/DC變換器(圖3)的占空比為Di，Vin和Iin分別表示DC/DC變換器的輸入電壓及輸入電流值(對應(yīng)太陽能電池組的輸出電壓和輸出電流值)，當(dāng)2≤N≤5時，取值范圍i＝1,2,...2N+1；當(dāng)N>5時，取值范圍i＝1,2,...N；實施例選取N＝3，則i＝7，仿真得到從給定期望輸出電壓到太陽能電池組功率穩(wěn)態(tài)輸出，PI調(diào)節(jié)器所用時間為0.3s，測量得到：P1＝60.64W；P2＝120.9W；P3＝168.1W；P4＝183.8W；P5＝205W；P6＝170.2W；P7＝75.39W；步驟3、對粒子群和算法參數(shù)進行初始化利用步驟2中各個初始化目標(biāo)電壓對應(yīng)的輸出功率計算平均功率值Pmean，當(dāng)2≤N≤5時，采用公式(1)計算：Pmean=(Σ12N+1Pi)/(2N+1),---(1)]]>當(dāng)N>5時，采用公式(2)計算：Pmean=(Σ1NPi)/N,---(2)]]>取輸出功率大于平均功率的初始化電壓值對應(yīng)的占空比記為dj，占空比dj按數(shù)值從小到大的順序排列，即滿足dj≥dj-1，j＝2,...,n；將每個dj對應(yīng)的輸出功率記為Pnew(2(j-1)+1)，此處Pnew(2(j-1)+1)表示集合Pnew的第(2(j-1)+1)個元素，在每兩個相鄰占空比之間增加一個新的占空比，得到占空比集合：Dnew＝{d1,d1+(d2-d1)r1,d2,...,dn-1+(dn-dn-1)rn-1,dn}，其中rk為[0,1]之間的隨機數(shù)，k＝1,2,...,n-1；將占空比集合中新增加的占空比Dnew(2k)分別作為太陽能電池組后面連接的DC/DC變換器占空比，得到采用該占空比時太陽能電池組的穩(wěn)態(tài)輸出功率記為Pnew(2k)，k＝1,2,...,n-1；取m是集合Pnew中最大值對應(yīng)的下標(biāo)，表示第g代時第i個粒子的適應(yīng)值，則對應(yīng)的適應(yīng)值，取至此得到3個初始化粒子的位置，該3個初始化粒子對應(yīng)的適應(yīng)值分別為設(shè)3個初始化粒子的初始速度均為0，迭代過程中最大速度限制為0.2，慣性權(quán)重ω＝0.3，學(xué)習(xí)因子c1＝1，學(xué)習(xí)因子c2＝2，當(dāng)前迭代次數(shù)設(shè)為g＝0；初始化個體歷史最優(yōu)解位置Pbest_l為第l個粒子的當(dāng)前位置，l＝1,2,3，即個體歷史最優(yōu)適應(yīng)值全局最優(yōu)解位置Xbest設(shè)為全局最優(yōu)適應(yīng)值Gmax為實施例選取N＝3，由式(1)計算得步驟2功率均值Pmean＝151W，如圖6，取高于平均適應(yīng)值Pmean的粒子對應(yīng)的占空比d，得到占空比分別為d1＝0.8143，d2＝0.7743，d3＝0.7254，d4＝0.6208，n＝4；在每兩個占空比之間再加入一個占空比，需要再加入3個新的占空比如下：d2+(d1-d2)*r1＝0.7956；d3+(d2-d3)*r2＝0.7303；d4+(d3-d4)*r3＝0.6465；得Dnew＝[d1，d2+(d1-d2)*r1，d2，d3+(d2-d3)*r2，d3，d4+(d3-d4)*r3，d4]＝[0.8143，0.7956，0.7743，0.7303，0.7254，0.6465，0.6208]，用增加的三個新的占空比分別控制DC/DC變換器，設(shè)從給定占空比到功率穩(wěn)態(tài)輸出所需時間為0.1s；求得新增加占空比對應(yīng)的功率，再選取其中適應(yīng)值最好的粒子，稱為初始速度V1、V2、V3均為0，迭代過程中最大速度限制為0.2，慣性權(quán)重ω＝0.3，學(xué)習(xí)因子c1＝1，學(xué)習(xí)因子c2＝2，不設(shè)置最大迭代次數(shù)，當(dāng)前迭代次數(shù)g＝0；則有J1max＝207.1；J2max＝168.1；J3max＝170.2；Gmax＝J1max＝207.1。步驟4、選出適應(yīng)值最大的粒子進行保留選取適應(yīng)值最大的粒子，不參與步驟5中的位置和速度更新，稱為最優(yōu)保留策略；步驟5、進行粒子群迭代除適應(yīng)值最大的粒子外，將其余兩個粒子根據(jù)粒子群算法的位置按照公式(3)、(4)更新速度Vlg+1和位置表達(dá)式如下：Vlg+1=ωVlg+c1r1(Pbest_l-Xlg)+c2r2(Xbest-Xlg),---(3)]]>Xlg+1=Xlg+Vlg+1,---(4)]]>其中，g為迭代次數(shù)；Vlg為粒子l在第g次迭代時的速度；為粒子l在第l次迭代時的位置；Xbest是全局最優(yōu)解位置；ω為慣性權(quán)重；c1、c2均為學(xué)習(xí)因子，c1對應(yīng)自身學(xué)習(xí)部分，c2對應(yīng)社會學(xué)習(xí)部分；r1和r2均為[0,1]之間的隨機數(shù)；Pbest_l是個體l的歷史最優(yōu)解位置；迭代過程中g(shù)＝g+1；對于上述的實施例，本步驟得到兩個新的粒子占空比，分別記為步驟6、對粒子適應(yīng)值進行評價，更新個體歷史最優(yōu)解位置Pbest_l和全局最優(yōu)解位置Xbest，把3個粒子位置作為太陽能電池組連接的DC-DC變換器的占空比，記錄其對應(yīng)的太陽能電池組穩(wěn)態(tài)輸出功率值表示粒子l在第g次迭代時的適應(yīng)值，l＝1,2,3，6.1)更新個體歷史最優(yōu)解位置Pbest_l對于當(dāng)前第g代中的第l個粒子，比較其對應(yīng)的適應(yīng)值與其自身歷史最優(yōu)位置對應(yīng)的適應(yīng)值，如果該粒子的適應(yīng)值大于該粒子的歷史最優(yōu)位置對應(yīng)的適應(yīng)值，那么用該粒子的適應(yīng)值替換個體歷史最優(yōu)適應(yīng)值，同時將該粒子位置設(shè)為個體歷史最優(yōu)位置，具體過程是：若則其中Jlmax表示粒子l的個體歷史最優(yōu)適應(yīng)值，l＝1,2,3；6.2)更新全局最優(yōu)解位置Xbest比較當(dāng)前種群中所有l(wèi)個粒子歷史最優(yōu)適應(yīng)值，取其中最大的為全局最優(yōu)適應(yīng)值，同時將適應(yīng)值最大的粒子位置設(shè)為全局最優(yōu)解位置，即m為最大歷史適應(yīng)值對應(yīng)的下標(biāo)，Xbest＝Pbest_m；對于上述的實施例3個新粒子，在上一代中的適應(yīng)值最高，不參與迭代；在本代g＝1時，均高于個體歷史最優(yōu)適應(yīng)值；更新個體歷史最優(yōu)適應(yīng)值J1max＝207.1，J2max＝171.5，J3max＝175.7，同時更新個體歷史最優(yōu)解位置Pbest_1＝0.6465，Pbest_2＝0.6304，Pbest_3＝0.6357；更新全局最優(yōu)適應(yīng)值Gmax＝J1max＝207.1，同時更新全局最優(yōu)解位置Xbest＝Pbest_1＝0.6465。步驟7、待所有3個粒子收斂到某一點附近時，i，j∈[1,2,3]，i≠j，ε為一個設(shè)定的小正數(shù)，在此ε＝0.5，即3個粒子之間功率誤差小于0.5W時，即認(rèn)為此時搜索到最大功率點，結(jié)束搜索，將Xbest作為DC/DC變換器的占空比D；否則，返回步驟4，重新搜索。上述的實施例中，最終所有粒子在程序運行第3代時收斂至d＝0.708，則最大功率為217W，實驗結(jié)果如圖7。對比實驗圖8、圖9為兩種現(xiàn)有技術(shù)基于粒子群的MPPT方法的實驗結(jié)果。對比方法一[朱艷偉，石新春，但揚清等.粒子群優(yōu)化算法在光伏陣列多峰最大功率點跟蹤中的應(yīng)用[J].中國電機工程學(xué)報.2012，32(4)：42-48.]提出串聯(lián)N塊太陽能電池初始化N個粒子，并按照P-U特性把粒子位置初始化到最大功率點附近，該方法的缺點是串聯(lián)太陽能電池個數(shù)多時，種群數(shù)量太大，收斂時間長，串聯(lián)電池數(shù)量少時，粒子數(shù)少，容易陷入局部極小，對圖6多峰情況實驗結(jié)果如圖8所示。對比方法二[VPhimmasone,YKondo,NShiota,MMiyatake.TheEffectivenessEvaluationofthenewlyImprovedPSO-basedMPPTControllingMultiplePVArrays[C].inProceedingsof1stInternationalFutureEnergyElectronicsConference,2013:81-86]文獻(xiàn)提出一種IR-PSO(InitializationandRepulsionPSO)方法，其主要創(chuàng)新是在粒子群進化公式(3)中加入排斥項，公式(3)變?yōu)槭?14)：vin+1=ωvin+c1r1(Pin-sin)+c2r2(Gn-sin)-c3r3(centxi-xik)|centxi-xik|3+d,---(14)]]>排斥項中c3為權(quán)重系數(shù)，取正常數(shù)，r3為0-1之間的隨機數(shù)；d是一個很小的常數(shù)確保排斥項分母不為0，centx是所有粒子的中心位置，通過下式計算得到：centk=Σi=1NsikN,---(15)]]>其他按照標(biāo)準(zhǔn)粒子群方法迭代，該方法對圖6多峰情況實驗結(jié)果如圖9所示。最大功率點跟蹤有幾項重要指標(biāo)，包括收斂時間、跟蹤精度、成功概率，設(shè)經(jīng)過k次適應(yīng)值評價跟蹤到最大功率點，收斂時間T的計算方法是：當(dāng)2≤N≤5，T＝(2N+1)*0.3+(k-(2N+1))*0.1，其中的2N+1為初始化目標(biāo)電壓個數(shù)，k-(2N+1)是粒子為占空比時的適應(yīng)值評價次數(shù)；當(dāng)6≤N，T＝N*0.3+(k-N)*0.1，其中的N為初始化目標(biāo)電壓個數(shù)，k-N是粒子為占空比時的適應(yīng)值評價次數(shù)。對比方法一與對比方法二均采用PI調(diào)節(jié)的方法，取值T＝k*0.3；跟蹤精度以最終跟蹤到的最大功率點做對比；跟蹤成功概率，同一種方法對同一多峰連續(xù)運行1000次，確定跟蹤成功概率。以下是采用不同方法跟蹤圖6中最大功率點的實驗結(jié)果。表1、本發(fā)明方法與現(xiàn)有控制方法收斂時間(s)比較實驗一實驗二實驗三實驗四實驗五平均值本發(fā)明方法3.13.43.43.63.13.32對比方法一5.45.163.64.24.86對比方法二6.665.75.76.36.06表2、本發(fā)明方法與現(xiàn)有方法搜索精度(跟蹤到的最大功率(W))比較實驗一實驗二實驗三實驗四實驗五平均值本發(fā)明方法217217217217217217對比方法一217217217217217217對比方法二217217217217217217表3、本發(fā)明方法與現(xiàn)有控制方法跟蹤成功概率比較方法本發(fā)明方法對比方法一對比方法二跟蹤成功概率99％82％87％從以上對比實驗?zāi)軌蚩闯?，在收斂時間上本發(fā)明方法明顯快于其他兩種方法，在搜索精度上三種方法均能準(zhǔn)確的找到最大功率點，跟蹤成功的概率本發(fā)明方法明顯高于其他兩種對比方法。為了充分驗證本發(fā)明方法的高效性，以下分別以串聯(lián)2塊電池2個峰、串聯(lián)4塊電池4個峰和串聯(lián)6塊電池5個峰為例，進行分析比較，其中的圖10、圖12、圖14分別為陰影下的多峰P-U曲線；其中的圖11、圖13、圖15分別為實驗結(jié)果；其中的表4、表5、表6中的結(jié)果是通過1000次仿真實驗結(jié)果得到的概率和平均值。表4、2塊太陽能電池串聯(lián)2個峰曲線實驗結(jié)果對比收斂時間(s)功率(W)搜索成功概率本發(fā)明方法2.9204.498％對比方法一3.0204.464％對比方法二3.0204.478％表5、4塊太陽能電池串聯(lián)4個峰曲線實驗結(jié)果對比收斂時間(s)功率(W)搜索成功概率本發(fā)明方法4.1234.8100％對比方法一4.8234.892％對比方法二4.5234.893％表6、6塊太陽能電池串聯(lián)5個峰曲線實驗結(jié)果對比收斂時間(s)功率(W)搜索成功概率本發(fā)明方法3.1337.7100％對比方法一10.2337.7100％對比方法二9.7337.7100％從以上對比實驗結(jié)果可以看出，相對于其它兩種方法，本發(fā)明方法具有較明顯的優(yōu)勢。對比方法一，當(dāng)串聯(lián)電池板個數(shù)少時，該方法能快速收斂，但是跟蹤成功的概率低，隨著電池板個數(shù)增多收斂速度降低，這就導(dǎo)致該方法實用性變差。對比方法二，加入排斥項，一定程度上加快收斂速度，避免陷入局部最優(yōu)，同時又使曲線產(chǎn)生了不必要的振蕩，會降低IGBT的使用壽命，當(dāng)串聯(lián)電池板個數(shù)少時可以快速收斂，當(dāng)電池組數(shù)量增多時同樣會有收斂慢的問題。本發(fā)明方法從仿真結(jié)果看，電池板個數(shù)較少時可快速跟蹤到最大功率點且跟蹤成功概率高于兩種對比方法。隨著電池板個數(shù)增加，需要初始化的目標(biāo)電壓個數(shù)增多，兩種對比方法收斂速度明顯下降，本發(fā)明方法依舊可在3s左右跟蹤到最大功率點，收斂速度不受串聯(lián)電池板個數(shù)N影響。從迭代波形來看，迭代過程中波形變化幅度小，尋優(yōu)波形沒有大范圍的振蕩。多次實驗結(jié)果證明，在不同的陰影下，尋優(yōu)波形基本一致，證明本發(fā)明方法的穩(wěn)定性高、適應(yīng)性強。同時，收斂速度快，跟蹤到的功率精度高，且應(yīng)用電路簡單易于實現(xiàn)，提高了太陽能電池的能源利用率，適合在實際工程中應(yīng)用。當(dāng)前第1頁1 2 3