朱娟娟　劉新宇　閆群民　郭陽

摘要：傳統(tǒng)最大功率點追蹤技術(shù)（Maximum Power Point Tracking，MPPT）存在收斂速度慢、精度差、易陷入局部最優(yōu)等缺點.針對上述問題，提出一種基于改進(jìn)布谷鳥算法（Improved Cuckoo Search，ICS）和電導(dǎo)增量法（Incremental Conductancemethod，INC）的聯(lián)合MPPT控制方式.首先對布谷鳥算法（Cuckoo Search，CS）中萊維步長和毀巢率進(jìn)行了自適應(yīng)變化增加了迭代收斂速度和全局尋優(yōu)能力，其次通過判斷鳥巢間最大位置差ξ切換INC防止其陷入局部極小值，最后分別進(jìn)行靜態(tài)對比和動態(tài)光照仿真實驗.靜態(tài)對比仿真結(jié)果表明此控制方式在追蹤速度和精度上更有優(yōu)越性；動態(tài)仿真測試結(jié)果證明該方法在復(fù)雜環(huán)境下具有魯棒性.

關(guān)鍵詞：太陽能發(fā)電； 最大功率點追蹤； ICS算法； INC算法

中圖分類號：TM615文獻(xiàn)標(biāo)志碼： A

Research on photovoltaic maximum power point tracking under

local shadow based on ICS-INC

ZHU Juan-juan， LIU Xin-yu， YAN Qun-min， GUO Yang（College of Electrical Engineering， Shaanxi University of Technology， Hanzhong 723001， China）

Abstract：The traditional maximum power point tracking technology has the disadvantages of slow convergence speed，poor accuracy and easy to fall into local optimum.Aiming at the above problems，a combined MPPT control method based on improved cuckoo algorithm and conductance increment method is proposed.Firstly，the iterative convergence speed and global optimization ability are increased by the adaptive change of Levy step size and nesting rate in CS algorithm.Secondly，the maximum position difference between nests is judged to switch INC to prevent it from falling into local minimum.Finally，static comparison and dynamic illumination simulation experiments are carried out.The static comparison simulation results show that this control method has more advantages in tracking speed and accuracy.The dynamic simulation test results show that this method is robust in complex environment.

Key words：solar power generation; maximum power point tracking; ICS algorithm; INC algorithm

0引言

太陽能因其能源豐富、無污染、易獲取等特性，成為了當(dāng)今主要能源之一［1］.光伏系統(tǒng)的輸出功率會隨光照強(qiáng)度及溫度等外界條件變化［2］，為了使輸出功率時刻保持在最大值，最大功率點追蹤（Maximum Power Point Tracking，MPPT）技術(shù)應(yīng)運(yùn)而生.通過控制電壓和電流值，使光伏電池能夠始終工作在一個最優(yōu)值點，以此提高光伏發(fā)電的效率［3］.

當(dāng)光伏電池處于同一個光照強(qiáng)度和溫度下時，光伏陣列的輸出P-V曲線呈現(xiàn)單峰值現(xiàn)象［4］.傳統(tǒng)追蹤方法例如：擾動觀察法［5］、電導(dǎo)增量法［6］等都可以在單峰情況下有效的追蹤到最大功率點（Maximum Power Point，MPP）處.而在實際生活中，存在陰云、樹枝陰影、遮擋物等情況，使得光伏陣列局部地區(qū)光照強(qiáng)度發(fā)生改變，導(dǎo)致P-V曲線輸出存在多個峰值點［7］.傳統(tǒng)的幾種方法判斷較為依賴斜率，使得在多峰值點容易陷入局部最優(yōu)解，無法追蹤到MPP處.針對此類問題，諸多學(xué)者對傳統(tǒng)的方法進(jìn)行了優(yōu)化改進(jìn)，在此基礎(chǔ)上提出了群體智能優(yōu)化算法加以控制.文獻(xiàn)［8］提出一種改進(jìn)粒子群（Particle Swarm Optimization，PSO）算法，在傳統(tǒng)的PSO算法基礎(chǔ)上引入了狀態(tài)因子δ，將慣性權(quán)重和學(xué)習(xí)因子由固定值變?yōu)榱司€性變化，這種方式使得PSO算法跳出局部最優(yōu)的能力大大增加，但是犧牲了其收斂速度.文獻(xiàn)［9］提出一種PSO和爬山法協(xié)同控制的方法，對比于傳統(tǒng)單一算法，跟蹤效果有所提高，但仍難以在確保精度的同時保證速度的提升.文獻(xiàn)［10］提出灰狼優(yōu)化算法控制，提高了跟蹤速度，但是追蹤最大功率過程中振蕩幅度過大，損失了較多能量，減少了功率轉(zhuǎn)換效率.文獻(xiàn)［11］將滑?？刂茟?yīng)用在MPPT系統(tǒng)中，有效提高了系統(tǒng)的抗擾動能力，但在最大功率點處有較大振蕩幅度.上述所提各種方法在解決多峰值最大功率點追蹤問題中，都對跳出局部最優(yōu)解問題進(jìn)行了一定的優(yōu)化，但很難在滿足追蹤速度的同時，兼顧精度和適用性.

對此本文提出一種基于改進(jìn)布谷鳥算法（Improved Cuckoo Search，ICS）和電導(dǎo)增量法（Incremental Conductancemethod，INC）的局部陰影下光伏最大功率點追蹤控制方法.通過分析標(biāo)準(zhǔn)布谷鳥算法（Cuckoo Search，CS）中飛行步長控制量和毀巢率兩個參數(shù)的變化對算法的影響規(guī)律，提出了一種非線性改進(jìn)方式，提高了算法的全局搜索能力和收斂速度.為近一步加強(qiáng)ICS算法的局部收斂能力，防止其陷入局部極小值，在算法后期通過鳥巢位置差改換INC進(jìn)行最大功率點追蹤.此方式在增強(qiáng)ICS算法跳出局部能力和收斂速度的同時減小了迭代后期振蕩大的缺點，得到一種更加貼合局部陰影MPPT尋優(yōu)控制方法.通過Simulink搭建光伏仿真系統(tǒng)，在靜止初始條件下進(jìn)行實驗，結(jié)果證明了該方法在追蹤速度和精度都較PSO算法和標(biāo)準(zhǔn)CS算法更有優(yōu)越性，并通過動態(tài)光照下的仿真驗證了該方法在復(fù)雜環(huán)境下的適用性.

1光伏電池特性

光伏電池用于將太陽能轉(zhuǎn)化為電能，原理是太陽能中光子通過撞擊硅片并被吸收，帶負(fù)電的電子從原子中分離出來，電子通過移動產(chǎn)生電流，從而轉(zhuǎn)換為電能.對其進(jìn)行建模，得到圖1為單光伏電池等效電路圖.

其輸出特性數(shù)學(xué)模型如下：

為了直觀感受光照強(qiáng)度和溫度分別對光伏出力的影響程度，由上文所述的數(shù)學(xué)模型，仿真出單個光伏電池出力情況.先將溫度T保持在25 ℃，光照強(qiáng)度由1 000 W/m2到400 W/m²逐漸遞減得到相應(yīng)的P-V曲線如圖2所示.

從圖2可以看出，當(dāng)光照強(qiáng)度降低每200 W/m2時，輸出功率減少了20%左右.再將光照強(qiáng)度保持在1 000 W/m2不變，改變環(huán)境溫度，得到輸出特性P-V曲線如圖3所示.

由圖3可以看出，溫度上升了5 ℃，其最大功率僅下降了2%，可見溫度的改變對輸出功率的影響較小.對于局部陰影條件下的光伏陣列，光照強(qiáng)度導(dǎo)致的環(huán)境溫差較小，因此在局部陰影條件下的輸出特性一般忽略了溫度的影響.

2局部陰影下的光伏陣列輸出特性

光伏組件有串聯(lián)和并聯(lián)兩種方式，其產(chǎn)生的局部影響情況如圖4所示.

圖4（a）為并聯(lián)光伏組件組成的光伏陣列.并聯(lián)情況下當(dāng)PV2和PV3受到不同程度遮擋后，正常工作的組件其短路電流和開路電壓都將大于其余兩個陰影光伏組件.選取25 ℃下，PV1、PV2、PV3光照強(qiáng)度分別為［1 000、800、600］W/m2，仿真當(dāng)并聯(lián)情況下發(fā)生局部陰影時，其P-V輸出特性變化情況，并與三個組件均處于1 000 W/m2對比，得到結(jié)果如圖5所示.由圖5可得，在此情況下整個光伏電池輸出峰值點有所下降，但仍然呈現(xiàn)為單峰.

圖4（b）為串聯(lián)光伏組件組成的光伏陣列.當(dāng)出現(xiàn)此陰影現(xiàn)象，PV1的短路電流和開路電壓都大于陰影中工作的組件.設(shè)定PV1、PV2、PV3分別為［1 000、800、600］W/m2進(jìn)行仿真.得出串聯(lián)光伏陣列發(fā)生遮陰下的輸出特性并與正常工作下進(jìn)行了對比.得到結(jié)果如圖6所示.

由仿真結(jié)果圖6可知，當(dāng)串聯(lián)陣列出現(xiàn)局部陰影，使得光伏電池出現(xiàn)不同光照強(qiáng)度后，其P-V圖則會呈現(xiàn)多峰現(xiàn)象，且不同遮陰情況下，會出現(xiàn)至多串聯(lián)光伏組件數(shù)個峰值.這是由于當(dāng)串聯(lián)的光伏組件存在陰影時，被遮擋的組件所能產(chǎn)生的最大電流有可能小于系統(tǒng)工作電流，這時陰影組件將不再工作，致使P-V呈現(xiàn)多峰狀態(tài).

3ICS-INC算法在MPPT中的應(yīng)用

3.1布谷鳥算法

3.2改進(jìn)布谷鳥算法

3.3電導(dǎo)增量法

通過其斜率的變化來判斷工作點是否處于最大值，若工作在最大功率點右側(cè)時，此時變化值為負(fù)；若在左側(cè)，則變化值為正.通過此原理便可適當(dāng)?shù)恼{(diào)整光伏的出力點，最終穩(wěn)定在MPP附近.由于INC是根據(jù)斜率判斷的特性，其相較于其他算法具有良好的穩(wěn)定性.但是當(dāng)出現(xiàn)多峰值現(xiàn)象，其P-V圖像出現(xiàn)多個斜率為零點，這樣INC可能處于其中一個斜率零值點而產(chǎn)生最大值的誤判，跳不出局部最優(yōu)解，導(dǎo)致功率的損失.

3.4基于改進(jìn)布谷鳥算法和電導(dǎo)增量法MPPT

ICS-INC算法集中兩種算法的優(yōu)勢，在精確尋優(yōu)的同時保證了快速性.整個控制方式的基本原理為首先檢測整個光伏發(fā)電的電壓和電流，以其乘積功率作為ICS算法鳥巢的適應(yīng)度，通過萊維飛行和毀巢率不斷更新鳥巢適應(yīng)度，輸出最優(yōu)鳥巢所對應(yīng)占空比，當(dāng)轉(zhuǎn)換為INC算法后，以ICS算法迭代后的功率為起始量，通過斜率正負(fù)值判斷迭代方向，輸出占空比，通過占空比調(diào)節(jié)輸出對應(yīng)功率.

其基本流程為：

（1）初始化參數(shù)并且生成N個鳥巢，鳥巢的位置代表電壓值.

（2）計算鳥巢的質(zhì)量，其所體現(xiàn)的是相適應(yīng)的功率，記錄最佳鳥巢位置和質(zhì)量g_best.

（3）由式（6）設(shè)定P_a和α，通過式（3）（4）進(jìn)行Levy飛行更新并改善鳥巢的位置.

（4）評價更新后的鳥窩位置和質(zhì)量.

（5）根據(jù)P_a舍棄一定量鳥巢，同時由式（5）隨機(jī)產(chǎn)生新巢.

（6）更新鳥巢位置和質(zhì)量，記錄更新后的最優(yōu)位置和質(zhì)量.

（7）判斷是否達(dá)到最優(yōu)解附近，達(dá)到后根據(jù)式（7）啟動INC算法，否則返回步驟（3）.

（8）到達(dá)最優(yōu)解附近，利用INC控制進(jìn)行小步長局部尋優(yōu).

（9）判斷是否達(dá)到終止條件，如未達(dá)成則回到步驟（8），否則輸出最大功率點.

（10）當(dāng)改變的光照強(qiáng)度滿足式（8）即輸出功率變化量ΔP_b>0.1時，視為光照強(qiáng)度大幅改變，需要重啟MPPT.

4仿真實驗

為驗證所提方法相較于其他有優(yōu)越性，在Simulink中進(jìn)行仿真實驗.為了能夠更好貼合實際太陽能發(fā)電，光伏陣列采用10串4并的方式，共計40個光伏單元，單光伏單元模型的數(shù)據(jù)如表1所示.

通過改變模塊的光照強(qiáng)度和溫度兩個輸入?yún)?shù)，即可模擬出光伏電池出力情況，輸出實時電壓和電流值.ICS-INC算法通過電壓和電流值控制占空比，以PWM連接標(biāo)準(zhǔn)的Boost升壓電路，從而實現(xiàn)光伏陣列功率的實時控制［19，2］.其結(jié)構(gòu)框圖如圖9所示.

4.1靜態(tài)光照仿真

由于并聯(lián)不改變峰值個數(shù)只改變峰值大小，因此并聯(lián)每組采用與第一組相同初始條件，要改變串聯(lián)光照強(qiáng)度即會改變峰值個數(shù).考慮模擬局部陰影下的仿真分析，設(shè)置環(huán)境一為環(huán)境溫度T=25 ℃，串聯(lián)10組的光照強(qiáng)度分別為前4組1 000 W/m²，中間4組800 W/m²，后面2組為400 W/m²，此光照強(qiáng)度最大功率點為5 761 W.表2光照強(qiáng)度場景圖.

采用PSO算法、CS法以及本文提出ICS-INC算法三種算法進(jìn)行MPPT仿真實驗.對比三種算法的追蹤速度、追蹤精度以及成功率.得到仿真如圖10所示.

將上文所提條件設(shè)定為仿真參數(shù)并保持不變，對三種算法均進(jìn)行了靜態(tài)光照強(qiáng)度MPPT仿真實驗.由仿真結(jié)果圖10可知，靜態(tài)光照下三種控制方式均可以追蹤到MPP.由于算法具有隨機(jī)性，為了仿真結(jié)果更加具有準(zhǔn)確性，在三種環(huán)境光照強(qiáng)度下將以上三種控制方法分別進(jìn)行20次實驗，記錄其相關(guān)數(shù)據(jù)如表3所示.

其中，PSO算法到0.48 s左右追蹤到MPP處，追蹤最大功率點為5 750 W.CS算法在0.2 s左右追蹤到MPP區(qū)間附近，但存在較大振蕩一直到0.46 s才穩(wěn)定追蹤到最大功率點5 753 W.ICS-INC算法在0.16 s左右追蹤到最大功率點，最大功率為5 761 W，相比較于PSO和CS，ICS-INC算法明顯提高了追蹤時間；解決了CS算法局部振蕩較大的問題，將振蕩幅度大量減小，快速收斂到MPP處.

4.2動態(tài)光照仿真

上文仿真實驗體現(xiàn)了ICS-INC算法在靜態(tài)光照條件下最大功率追蹤的優(yōu)勢.而現(xiàn)實情況下光照強(qiáng)度是不斷改變的，為了驗證ICS-INC算法在復(fù)雜光照下的適用性和光照改變的魯棒性，設(shè)置一組實驗驗證在改變光照強(qiáng)度后，ICS-INC算法能否依然追蹤到最大功率點處.初始光照強(qiáng)度設(shè)為理想環(huán)境下即環(huán)境二光照，在t=1 s和t=2 s時改變光照強(qiáng)度，t=1 s光照強(qiáng)度變?yōu)榄h(huán)境一；t=2 s時變?yōu)榄h(huán)境三.仿真結(jié)果如圖11所示.

由圖11可知，在光照突變時，ICS-INC算法依然可以有效的追蹤到MPP.并且具有較快速度.這表示本文所提的ICS-INC算法有效的改善了MPPT問題，不管在靜態(tài)光照條件下還是復(fù)雜的動態(tài)光照條件中，都可以快速的追蹤到最大功率點.減小了光伏發(fā)電的損耗，提高了效率，并且具有普適性.

5結(jié)論

局部陰影會改變光伏發(fā)電系統(tǒng)的輸出特性，并且出現(xiàn)多峰值功率點，影響了MPPT算法的追蹤速度和精度，因此本文提出了基于ICS-INC的局部陰影下光伏最大功率點追蹤方法.通過在MATLAB/Simulink中搭建10串4并光伏陣列模型，進(jìn)行了穩(wěn)定光照下的光伏追蹤仿真實驗，仿真結(jié)果表明ICS-INC控制方式在追蹤速度上較PSO提升了67%，較CS算法振蕩時間減少了65%，輸出最大功率更加接近MPP，證明了該方法在追蹤速度和精度都具有一定優(yōu)越性；并且動態(tài)光照下的光伏追蹤仿真實驗結(jié)果表明，該方法在光照強(qiáng)度改變的情況下依舊能穩(wěn)定的追蹤到最大功率點，證明了該方法具有普適性.

參考文獻(xiàn)

［1］ 張明銳，蔣利明，孫華，等.基于免疫細(xì)菌覓食算法的大容量光伏陣列GMPPT算法［J］.中國電機(jī)工程學(xué)報，2016，36（1）：104-111.［2］ 李畸勇，張偉斌，趙新哲，等.改進(jìn)鯨魚算法優(yōu)化支持向量回歸的光伏最大功率點跟蹤［J］.電工技術(shù)學(xué)報，2021，36（9）：1 771-1 781.

［3］ 花赟昊，朱武，郭啟明.光伏發(fā)電系統(tǒng)MPPT算法研究綜述［J］.電源技術(shù)，2020，44（12）：1 855-1 858.

［4］ 郭昆麗，閆東，付建哲.基于改進(jìn)擾動觀察法的光伏系統(tǒng)MPPT研究［J］.電源技術(shù)，2021，45（1）：56-59.

［5］ 王偉，戴朝華，陳維榮，等.改進(jìn)功率預(yù)測變步長擾動法在光伏MPPT中的研究［J］.太陽能學(xué)報，2022，43（2）：217-225.

［6］ 魏立明，吳揚(yáng)昀.基于改進(jìn)INC的光伏MPPT策略研究［J］.電源技術(shù)，2021，45（6）：791-796.

［7］ 韓鵬，李銀紅，何璇，等.結(jié)合量子粒子群算法的光伏多峰最大功率點跟蹤改進(jìn)方法［J］.電力系統(tǒng)自動化，2016，40（23）：101-108.

［8］ 姜萍，欒艷軍，張偉，等.局部遮陰下基于改進(jìn)PSO的多峰值MPPT研究［J］.太陽能學(xué)報，2021，42（8）：140-145.

［9］ 馬昊，張慶超.基于粒子群優(yōu)化算法和變步長擾動觀察法的局部陰影情況下MPPT控制［J］.電源學(xué)報，2016，14（3）：94-101.

［10］ Guo Ke，Cui Lichuang，Mao Mingxuan，et al.An improved gray wolf optimizer MPPT algorithm for PV system with BFBIC converter under partial shading［J］.IEEE Access，2020，8：103 476-103 490.

［11］ 邵文權(quán)，王猛，吳朝俊，等.基于改進(jìn)滑?？刂频墓夥到y(tǒng)MPPT控制策略［J］.太陽能學(xué)報，2021，42（10）：87-93.

［12］ 鐘慶，石泉，王鋼，等.基于擾動式MPPT控制的光伏并網(wǎng)系統(tǒng)間諧波分析模型［J］.中國電機(jī)工程學(xué)報，2018，38（22）：6 533-6 542.

［13］ 鄭洪清，周永權(quán).一種自適應(yīng)步長布谷鳥搜索算法［J］.計算機(jī)工程與應(yīng)用，2013，49（10）：68-71.

［14］ 趙帥旗，肖輝，劉忠兵，等.基于CSA-IP&O的局部遮陰下光伏最大功率點追蹤［J］.電力系統(tǒng)保護(hù)與控制，2020，48（5）：26-32.

［15］ 周東寶，陳淵睿.基于改進(jìn)型變步長電導(dǎo)增量法的最大功率點跟蹤策略［J］.電網(wǎng)技術(shù)，2015，39（6）：1 491-1 498.

［16］ 董密，楊建，彭可，等.光伏系統(tǒng)的零均值電導(dǎo)增量最大功率點跟蹤控制［J］.中國電機(jī)工程學(xué)報，2010，30（21）：48-53.

［17］ 張永革，石季英，張文，等.復(fù)雜遮陰條件下光伏系統(tǒng)MPPT控制改進(jìn)PSO算法仿真研究［J］.中國電機(jī)工程學(xué)報，2014，34（S1）：39-46.

［18］ 商立群，李帆.基于自適應(yīng)布谷鳥搜索和擾動觀察法的光伏最大功率點跟蹤［J］.電力系統(tǒng)保護(hù)與控制，2022，50（8）：99-107.

［19］ 周天沛，孫偉.不規(guī)則陰影影響下光伏陣列最大功率點跟蹤方法［J］.電力系統(tǒng)自動化，2015，39（10）：42-49.

【責(zé)任編輯：陳佳】