专利名称：

发明

基于GA-PSO算法的分布式光伏最大功率跟踪系统及方法

申请公布号：

CN117891307A

申请公布日：

2024-04-16

申请号：

2023116720001

申请日：

2023-12-05

申请人：

湖北省电力规划设计研究院有限公司,

地址：

430040 湖北省武汉市东西湖区金银湖街新桥四路1号

发明人：

张云龙,康慨,阎瑞敏,李启宏,唐畅,郑开琦,施念,缪翼军,曹传胜,龚琦,董翰林,

分类号：

G05F1/67(2006.01);

专利代理机构：

武汉开元知识产权代理有限公司 42104

代理人：

李满

最终专利权人：

摘要：

本发明公开了一种基于GA‑PSO算法的分布式光伏最大功率跟踪系统，它的光伏阵列工程等效电路模型建立模块用于建立光伏阵列工程等效电路模型，确定光伏阵列的输出功率与输出电流的关系；分布式构架系统图构建模块用于构建光伏组串分布式构架系统图，采用分布式架构并网方式，保证每个光伏组串可以实现最大功率跟踪；GA‑PSO算法模块用于运用改进GA‑PSO算法迭代求解非线性方程得到总的光伏组件串输出功率函数最大值对应的输出电流；最大功率点跟踪模块用于实现光伏系统最大功率点跟踪。本发明够稳定准确追踪到不同光伏模块的最大功率跟踪点。

权利要求书：

1.一种基于GA‑PSO算法的分布式光伏最大功率跟踪系统，其特征在于：它包括光伏阵列工程等效电路模型建立模块、分布式构架系统图构建模块、GA‑PSO算法模块、最大功率点跟踪模块；所述光伏阵列工程等效电路模型建立模块用于根据采集的场址区域的光照强度及光伏阵列中光伏组件运行温度数据，建立光伏阵列工程等效电路模型，并根据光伏阵列工程等效电路模型利用光生伏特效应，确定光伏阵列的输出功率与输出电流的关系；分布式构架系统图构建模块用于确定每个光伏组串中光伏组件串联的数量，所有相应的光伏组串构成光伏阵列，并构建光伏组串分布式构架系统图，采用分布式架构并网方式，保证每个光伏组串可以实现最大功率跟踪；GA‑PSO算法模块用于将光伏阵列的输出功率定为非线性方程的因变量，把不同光伏组件串的输出电流作为非线性方程的自变量，运用改进GA‑PSO算法迭代求解非线性方程，将光伏组串分布式构架系统中多个光伏组串的MPPT控制问题，转变为多变量非线性方程的求解问题，得到总的光伏组件串输出功率函数最大值对应的输出电流；最大功率点跟踪模块用于根据光伏组件串输出功率函数最大值对应的输出电流，以通过电压闭环调节生成Boost电路开关元件的PWM占空比，使等效负载与光伏阵列阻抗匹配，从而实现光伏系统最大功率点跟踪。2.根据权利要求1所述的基于GA‑PSO算法的分布式光伏最大功率跟踪系统，其特征在于：建立光伏阵列工程等效电路模型的具体方法为：首先确定光伏阵列的规模，即构成光伏阵列的光伏电池数量，并搭建光伏列阵仿真平台；分析影响光伏阵列输出功率的因素，从而建立相应的光伏阵列工程等效电路模型。3.根据权利要求1或2所述的基于GA‑PSO算法的分布式光伏最大功率跟踪系统，其特征在于：所述光伏阵列工程等效电路模型为：I＝Iph‑Id‑Ir                (1.1)在式(1.1)中，I为光伏电池输出电流，Iph是光生电流源电流，Id、Ir分别为二极管电流、支路电阻电流，在式(1.2)中U为光伏电池输出的电压，I0为二极管饱和电流，q为电子电荷，T为工作环境的绝对温度；K为波尔兹曼常数，A为二极管因子常数，串联电阻Rs和并联电阻Rsh模拟SC内部实际损耗，e为自然常数。4.根据权利要求2所述的基于GA‑PSO算法的分布式光伏最大功率跟踪系统，其特征在于：确定光伏阵列工程等效电路模型的输出功率与输出电流的关系的具体方法为：根据实际工程应用，建立光伏电池工程模型，得到标准温度和光照环境下光伏电池的短路电流Isc、开路电压Uoc、最大功率电压Um和最大功率电流Im；在外电路短路时，短路电流Isc＝Iph，令I0＝C1ISC,AKT＝qC2Uoc，则等效方程式(1.3)可为：将最大功率点处的电压Um和电流Im带入上式，得在标准温度和光照环境下有由式(1.3)和式(1.4)可求出在参数Isc、Uoc、Um和Im已知下，带入1.6和1.7可以求出C1、C2，最后代入式(1.4)得到光伏阵列的电流电压特性，进而确定光伏阵列的输出功率与输出电流的关系。5.根据权利要求4所述的基于GA‑PSO算法的分布式光伏最大功率跟踪系统，其特征在于：当温度和光照条件改变时，需要对标准环境下光伏电池的短路电流Isc、开路电压Uoc、最大功率电压Um和最大功率电流Im，进行修正，分别得到修正后的光伏电池的短路电流Isc1、开路电压Uoc1、最大功率电压Um1和最大功率电流Im1，将修正后的光伏电池的短路电流Isc1、开路电压Uoc1、最大功率电压Um1和最大功率电流Im1替换原来的标准环境下光伏电池的短路电流Isc、开路电压Uoc、最大功率电压Um和最大功率电流Im，代入公式1.3～1.7计算，确定当前环境条件下的光伏阵列的输出功率与输出电流的关系；修正后的光伏电池的短路电流Isc1、开路电压Uoc1、最大功率电压Um1和最大功率电流Im1的计算方式为：ΔT＝T‑Tref                                    (1.8)ΔS＝S/Sref‑1                                 (1.9)Um1＝Um(1+cΔT)In(1+bΔS)                        (1.10)Im1＝Im(S/Sref)(1+aΔT)                          (1.11)Isc1＝Isc(S/Sref)(1+aΔT)                           (1.12)Uoc1＝Uoc(1‑cΔT)In(1+bΔS)                        (1.13)上述表达式中，Tref、Sref为现场温度和光照强度的采集值，T为标准温度，ΔT为修正后温度差值，S为光照强度，ΔS为修正后光照强度的差值，a为第一预设补偿系数，b为第二预设补偿系数，c为第三预设补偿系数。6.根据权利要求1所述的基于GA‑PSO算法的分布式光伏最大功率跟踪系统，其特征在于：所述分布式构架系统图构建模块设计每个光伏组串中光伏组件串联的数量的具体方法为：在光伏阵列工程等效电路模型的基础上，需要根据光伏组件标称最佳工作电压，光伏组件标称开路电压，光伏组件电压温度系数，结合光伏场区气象历史数据中的历史最低和最高工作温度计算太阳电池工作电压及开路电压范围，带入公式1.14进而得到每个光伏组串中光伏组件串联的数量。7.根据权利要求6所述的基于GA‑PSO算法的分布式光伏最大功率跟踪系统，其特征在于：每个光伏组串中光伏组件串联的数量应按下列公式计算：式中，K'V为光伏组件的工作电压温度系数，N为光伏组件的串联数，N取整数，t为光伏组件工作条件下的历史最低温，t'为光伏组件工作条件下的历史最高温，Vmpptmax为MPPT电压最大值，Vmpptmin为MPPT电压最小值，Vpm为光伏组件工作电压。8.根据权利要求7所述的基于GA‑PSO算法的分布式光伏最大功率跟踪系统，其特征在于：实现光伏系统最大功率点跟踪的具体方法为：将光伏电池的短路电流Isc、开路电压Uoc、最大功率电压Um和最大功率电流Im带入公式(1.4)后目标函数表达式为：fit＝i1*PVprog(i1,Sun1,T1)+i2*PVprog(i2,Sun2,T2)+iN*PVprog(iN,SunN,TN)  (1.15)其中，所述目标函数用于计算总的光伏组件串输出功率函数最大值对应的输出电流，i1、i2、in为光伏组串中第一、第二、第三、第N光伏组件的输出电流，fit为光伏阵列的输出功率之和，PVprog(i1,Sun1,T1)为第一个光伏组件输出电压，PVprog(i2,Sun2,T2)为第二个光伏组件输出电压，PVprog(iN,SunN,TN)为第n个光伏组件输出电压，Sun为光照强度T为环境温度，I0为二极管的反向饱和电流；PVprog(I,Sun,T)为光伏组件输出电压，i1、i2、in与PVprog(i1,Sun1,T1)、PVprog(i2,Sun2,T2)、PVprog(iN,SunN,TN)乘积代表对应光伏组串的输出功率；根据光伏阵列的输出功率与输出电流的关系，采用以输出电流为粒子位置，以光伏阵列输出功率为适应度函数值的自适应权重的GA‑PSO算法，跟踪光伏阵列的最大功率点，具体包括每个优化问题的潜在解都是搜索空间中的一个粒子，所有粒子都存在一个目标函数决定的适应度值；初始化粒子的速度和位置，采集场址区光照、温度参数，确定目标函数，然后对每个粒子计算目标函数功率之和，评估每个粒子适应值，计算每个粒子个体最优解和全局最优解，更新GA‑PSO方程的惯性权重系数，将最优的前N1/2个个体保留，N1表示粒子的总数，后N1/2个个体去除，对这N1/2个个体按照位置和速度公式进行更新，进入下一代；复制进化过的N1/2个个体，采取目标最优竞争选择方法的竞争选择方法得到下一代剩下的N1/2个个体，最后重新计算阵列的输出功率，评估每个粒子的适应值，设定迭代次数是否输出最优解，判断是否满足设定的迭代次数，否则退回至初始状态、是则输出最大功率点对应的电流，以通过电压闭环调节生成Boost电路开关元件的PWM占空比，使等效负载与光伏阵列阻抗匹配，从而实现光伏系统最大功率点跟踪。9.根据权利要求8所述的基于GA‑PSO算法的分布式光伏最大功率跟踪系统，其特征在于：所述GA‑PSO方程为：vid(r+1)＝wvid(r)+Q1×Rand()×[pid(r)‑xid(r)]+Q2×Rand()×[pgd(r)‑xid(r)] (1.17)xid(r+1)＝xid(r)+vid(r+1)      (1.18)式中，i表示种子数；d表示维数；r表示进化代数；Q1表示个体认知因子，Q2表示群体认知因子，vid(r+1)表示r+1代第i个进化粒子速度，vdi(r)表示r代第i个进化粒子速度，Rand()表示在[0,1]之间的随机数值；w表示惯性权重因子，pdi(r)表示第i个计划粒子最优经历位置，xid(r)表示r代第i个进化粒子位置，pgd(r)表示群体最优经历位置,，xid(r+1)表示r+1代第i个进化粒子位置；式中，式中，w表示惯性权重因子，wmax、wmin表示惯性权重系数的最大值、最小值，fitavg表示当前所有粒子的平均目标函数值，fitmin表示当前所有粒子的最小目标函数值，fit表示当前粒子的目标函数值；每一个粒子都具有速度矢量v和位置矢量x两个核心属性，首先确定粒子群数量i和维数d，并设置每一个粒子核心属性变化范围，随后在变化范围内为所有粒子随机生成初始位置和初始速度，采集场址区光照、温度参数，根据公式(1.14)确定光伏组件的串联数量，进而构建光伏组串分布式构架系统图，将光伏组串的短路电流、开路电压、最大功率电压和最大功率电流等参数带入公式(1.4)确定目标函数表达式，公式(1.15)和(1.16)。10.一种基于GA‑PSO算法的分布式光伏最大功率跟踪方法，其特征在于：它包括如下步骤；步骤1：根据采集的场址区域的光照强度及光伏阵列中光伏组件运行温度数据，建立光伏阵列工程等效电路模型，并根据光伏阵列工程等效电路模型利用光生伏特效应，确定光伏阵列的输出功率与输出电流的关系；步骤2：确定每个光伏组串中光伏组件串联的数量，所有相应的光伏组串构成光伏阵列，并构建光伏组串分布式构架系统图，采用分布式架构并网方式，保证每个光伏组串可以实现最大功率跟踪；步骤3：将光伏阵列的输出功率定为非线性方程的因变量，把不同光伏组件串的输出电流作为非线性方程的自变量，运用改进GA‑PSO算法迭代求解非线性方程，将光伏组串分布式构架系统中多个光伏组串的MPPT控制问题，转变为多变量非线性方程的求解问题，得到总的光伏组件串输出功率函数最大值对应的输出电流；步骤4：根据光伏组件串输出功率函数最大值对应的输出电流，以通过电压闭环调节生成Boost电路开关元件的PWM占空比，使等效负载与光伏阵列阻抗匹配，从而实现光伏系统最大功率点跟踪。

主视图

日期	最新法律状态	描述
2024-04-16	公开	公开