基于PSO和变步长电导增量法的5G基站充电策略.pdf

2023 年第 7 期172信息技术与信息化电子与通信技术0 引言在“十四五”规划中，我国将 5G 网络规模化建设定为重点研究项目，经过近几年的不断发展，5G 网络的场景应用日益增多，5G 通信网络规模化发展取得明显进步12，全国正掀起 5G 产业的建设热潮。步入 5G 时代，人们对无线通讯的传输速度提出了更高的要求，5G 高频段部署要求使小基站成为破解宏基站高建设成本的利器，为实现 5G 深度覆盖提供了新的解决方案3。由于 5G 技术的通信频段和高带宽较高，单个 5G 基站覆盖范围小耗能较大，要满足 5G 信号全覆盖要求就会有安装在各处的 5G 基站，如村县、郊区、山区、戈壁沙漠等远离电网地区，由于地形道路限制及 5G 基站数量多且分布广等因素，采用电网架线的输电方式不仅维修成本高、维修困难，还会造成电缆接入困难、用电费用高昂等问题，所以寻求一种就地发电策略具有重要的经济效益和良好的社会效益，太阳能发电灵活性高、分布型好的特点刚好弥补了这一缺点，在 5G 基站充电控制系统中得到了广泛的应用。最大功率点跟踪控制技术是控制太阳能光伏阵列输出功率始终处于模块最大输出功率的技术4。最大输出功率控制，通过算法不断迭代最终搜索到太阳能电池的最大输出功率，从而达到最大化能量转换率的目的。目前可以实现最大功率点追踪的方法普遍存在效果不佳，容易陷入局部最优，所以研究快速追踪最大功率点且可跳出局部最优的 MPPT 技术具有很大的意义5。传统的最大功率点跟踪控制方法包括扰动观察法、电导增量法和恒定电压法5。其中常用的扰动观察法又称爬山法，这种方法通过扰动太阳能光伏阵列的输出电压6，再根据P=UI 计算出扰动前后太阳能光伏阵列的输出功率，再根据扰动前后输出功率确定下一步扰动方向的方法7，如果扰动后太阳能光伏阵列的输出功率增加了，则说明该扰动可以提高光伏阵列的输出功率，下一次将继续往相同的方向扰动光伏阵列的输出电压，如果扰动后太阳能光伏阵列的输出功率减小了7，则说明该扰动不能提高光伏阵列的输出功率，下一次则往相反的方向扰动；电导增量法的搜索规则与扰动观察法不同，如果输出电导的变化率与输出电导的负值相同，那么太阳能电池板此时工作在最大输出功率点，与零相比，若光伏阵列的瞬间电导与电导增量之和更大的话，按照 P-V特性曲线图，向右变化工作电压，与零相比，若光伏阵列的瞬间电导与电导增量之和更小的话，按照 P-V 特性曲线图，向左变化工作电压；恒定电压法依据不同日照条件下光伏电池的输出 P-V 曲线上最大功率点电压基本都位于某个恒定电压附近的原理，将太阳能电池的输出电压控制在这个电压处，保证整个工作过程都近似的工作在最大功率点处。以上三种方法的算法实现简单、设备精度要求低，但是存在功率损耗大，追踪精度低，以及易出现最大功率点附近震荡等问题。在搜索多峰值 P-V 特性曲线时,上面传统的 MPPT 控制方法容易陷入局部极值8,MPPT 跟踪无法完成最大输出功率点的追踪。其中，文献 9 采用传统的扰动观察法进行MPPT，但是在最大功率点附近有震荡现象；文献 10 将改进的海鸥优化算法应用在光伏 MPPT 系统中，能够在非线性、多极值的情况下增加全局搜索与跳出局部搜索能力，但是算法迭代次数过大，增加了运算量、降低了追踪速度；文基于 PSO 和变步长电导增量法的 5G 基站充电策略朱永生1 赵红丽1 卢 娜2 朱湘临2ZHU Yongsheng ZHAO Hongli LU Na ZHU Xianglin 摘要 在出现局部阴影的情况下，光伏阵列的输出特性具有高度的非线性、时变性以及功率极值点增加的特性，因此，导致传统的最大功率点跟踪(maximum power point tracking,MPPT)算法失效。针对这一问题，提出了一种基于粒子群优化算法和变步长电导增量法的改进 MPPT 算法。首先分析太阳能电池数学模型，选择 Simulink 的 PV Array 模块模拟太阳能电池，搭建完整仿真电路模型。然后编写基于粒子群优化算法和变步长电导增量法的改进 MPPT 算法程序。最后在温度为 25，光照强度为 1000 W/m2条件下，对比不同方法的仿真结果。实验结果表明：所提算法能够在系统的快速启动以及光照情况发生变化时完成最大功率点的快速定位，并可以根据设定的情况将最大功率点稳定在一个较为精确的范围。关键词 PSO；MPPT；粒子群算法；变步长电导增量法；5G 基站；充电doi：10.3969/j.issn.1672-9528.2023.07.0431.江苏星鑫阳能源管理发展有限公司 江苏镇江 2121322.江苏大学电气信息工程学院 江苏镇江 212013 2023 年第 7 期173信息技术与信息化电子与通信技术献 11 将传统的最大功率点追踪方法与一种改进的粒子群算法结合，克服了太阳能光伏阵列 P-V 输出曲线多峰值特性，但在追踪最大功率点时仍然采用定步长追踪方法。因此本文提出一种基于粒子群与变步长电导增量法的5G基站充电策略研究，通过改变传统粒子群算法为随着过程的执行不断变化的学习因子和惯性权重相结合的方法，进行粒子群算法的改进，利用改进的粒子群算法在全局范围内追踪输出功率至 MPP 点附近，接着采用变步长电导增量法精确地到达 MPP 处，最终使用 MATLAB/Simulink 进行仿真和调参，仿真结果表明：（1）变步长电导增量法比传统电导增量法更早到达最大功率点，即上升时间更短，且稳态振幅较小，但是容易陷入局部最优；（2）将改进粒子群算法应用在变步长电导增量法中，弥补了变步长电导增量法的上述缺点，可以跳出局部最优且具有更佳的稳态性能。1 太阳能电池的数学模型1.1 太阳能电池的输出特性光伏电池的主要原材料是硅，半导体具有光生伏特效应可将太阳能转换成电能6。当太阳光照在伏板上时，一大部分被反射小电能，一小部分光能被光伏板吸收，半导体材料吸收光子产生电子空穴对，P-N 结两段会形成电场，当 P-N结短路时，会生成电流。光伏电池的输出特性曲线受光照强度和温度的影响，在 Matlab 中可得到25时，10个光伏电池阵列的输出特性关系：输出电压与输出电流关系和输出功率与输出电压关系，即 I-U特性曲线和 P-V 特性曲线，如图 1（a）（b）所示。由图 1（a）（b）可知，电池的输出电压自左向右从零不断增加时，在到达最大输出功率点电压之前，输出电流几乎没有变化，在达到最大输出功率点的电压之后，输出电流改变为迅速下降12；不同的光照强度光伏电池的输出特性曲线也不同，从上图可以看出随着光照强度的增加，短路电流的幅值有一个显而易见的增长；而开路电压虽然减少，但下降幅值并不明显；最大功率点电压发生的变化极小 12。1.2 太阳能电池数学模型光伏电池模型有两种，分别是单二极管和双二极管模型，本次研究使用了单二极管模型，其等效电路可以由图 2 所表示。单二极管模型数学模型公式如下所示：()exp1SSphoshq UIRUIRIAkTR+=（1）式中，Io表示二极管反向电流/A；q 表示一个电子的电荷量/C；U 表示光伏电池输出侧的电压/V；A 表示二极管质量因子；k 表示玻尔兹曼常数；T 表示绝对温度/。2 MPPT 控制策略2.1 传统电导增量法典型的电导增量法基本思想为：从光伏阵列检测当前工作状态参量，与经调节后的上一状态工作参量对比，由当前时刻的工作状态，预测并决定下一时间段的控制量。例如，检测到当前工作电压 U 与工作电流 I，经对比 dp不等于 0，且 du0,说明此时工作点仍在最大功率点的左侧，应该继续升高电压，如果经对比 dp不等于 0，且 du0，说明此时工作点在最大功率点的右侧，应该降低电压，图 3 为传统定步长电导增量法的算法流程图。图 3 定步长电导增量法工作流程图传统的电导增量法具有算法思想简单，易于编程实现的特点，但是由于步长固定往往造成在最大功率点追踪时速度与精度矛盾的问题，如果预测步长过大，虽然跟踪速度有较好的表现，但是也存在易错过最大功率点的风险。最大功率点附近振幅较大；如果步长较小，稳态振荡幅度小，但跟踪缓慢。（a）光伏电池 I-U 特性曲线 （b）光伏电池 P-V 特性曲线图 1 光伏电池输出特性图 2 单二极管模型等效电路2023 年第 7 期174信息技术与信息化电子与通信技术2.2 变步长电导增量法传统定步长电导增量法在跟踪最大功率点时，对于快速性与准确性的要求存在着许多矛盾13。针对这个问题，本文提出一种变步长电导增量法。图4 为算法流程图，算法的基本思想为：在距离最大功率点较远的区间里使用大步长对最大功率点进行跟踪搜索，增加收敛速度；在距离最大功率点较近的区间使用小步长对最大功率点进行追踪搜索，减少震荡幅度14。由图 1（b）可知，光伏阵列 P-V 特性曲线越靠近最大功率点斜率越接近零，因而设计步长 U=Kdp/dU，K 为比例系数，取最大功率变化率的 2%为大小步长的边界，斜率的阈值 A=120。3 粒子群算法3.1 传统粒子群算法PSO 算法从鸟类捕食的模型中得到启示，用于求解一般优化问题。执行 PSO 算法首先要在算法的开始赋值给一些粒子数、粒子位置、粒子速度等必要的参数，然后计算粒子的适应度值，在 PSO 算法中，每一个粒子都有一个适应度值，该适应值是由优化的目标函数 f(x)所决定。在特定的搜索空间中最优适应度值的某个粒子就是优化问题的解。对比筛选出个体最优值和全局最优值，通过公式计算出粒子当前的位置和速度信息，重复对比筛选出最优的个体最优值和全局最优值，不断重复上述步骤进而找到最优解。算法的位置、速度更新公式可以由式(2)表示：()()()()()()()()()()()11 12 211ccttttttttijijijijgjijtttijijijvwvrpxrpxxxv+=+=+（2）式中，t 表示当前迭代的次数；w 表示惯性权重系数；c1表示粒子群体的自身学习因子；c2表示粒子群体的社会学习因子；r1、r2表示大小为 0,1 的随机数。3.2 改进粒子群算法在光伏 MPPT 的应用本文采用的变化权重粒子群算法将太阳能光伏阵列输出功率作为目标函数，电压的更新步长作为速度信息，太阳能光伏电池输出电压值作为位置信息，因此电压示全局最优解就是最大功率点对应的最优解，最大功率点电压通过 PI 调节器控制最终输出升压电路控制量占空比 D。送入 Boost 升压电路，让光伏电池工作在所求出的最大功率点。图 5 为复合算法流程图。PSO 算法中自身学习因子 c1、社会学习因子 c2的大小分别决定了粒子的自我学习能力和社会学习能力15，分别决定粒子搜索个体极值和全局极值能力。算法学习前期粒子的自我学习能力影响较大，算法学习后期社会学习能力取代自身学习能力起主要作用16；所以变化权重的粒子群算法在传统粒子群算法基础上，将随迭代次数变化的异步学习因子与线性变化的惯性权重结合起来17。使 c2随着算法的迭代逐渐增大，c1缓慢减少。学习因子异步时变公式：()()()()11max1minmaxmax1max22max2minmaxmax2maxccctttcccctttc=/+=/+（3）式 中：c1max、c2max、c1min和 c2min均 为 常 数，c1min=c-2min=0.5，c1max=c2max=2.5。w 表示随算法迭代不断变化的能力权重，若 w=0 则表示粒子群体不具有上次迭代自身速度的保留18，此时离子会在局部进行搜索，削弱了全局查找的能力；反之若 w 越大，则粒子的全局搜索能力越强。惯性权重线性变化公式：()()maxmaxmaxminwwttww=/（4）4 仿真实验4.1 仿真结果为验证本文提出控制策略的可行性，在 Matlab/Simulink环境下搭建仿真结构模型，模型主要包括太阳能光伏电池模块、MPPT 控制器模块、Boost 升压电路模块和负载，仿真步长设为 5 微秒，选择 ode45 解算器，图 6 为 5G 基站太阳能电池充电系统的仿真模型图。图 6光伏系统仿真模型图在温度为 25，光照强度为 1000 W/m2条件下，分别比较大步长电导增量法、小步长电导增量法、变步长电导增量法以及复合算法的控制性能，并在 0.1 s 时将光照强度为图 4 变步长电导增量法流程图图 5复合算法流程图 2023 年第 7 期175信息技术与信息化电子与通信技术1000 W/m2修改为 500 W/m2，检测三种控制方法的动态跟踪性能。结果如图 7 所示。4.2 仿真分析由图 7 可见，相同的仿真条件下，改进粒子群算法大约在 0.016 s 找到最大功率点 9.998104，实际最大功率点为10.02104 W，相对误差为 0.021 9%；而大步长电导增量法在稳态时震荡明显，小步长电导增量法追踪速度缓慢，变步长电导增量法则陷入局部最优。仿真结果表明，改进粒子群算法在动态条件下成功搜索到全局最大功率点，并且可以稳定输出功率。5 结语本文针对传统 MPPT 控制方法无法兼顾追踪最大功率点时对于准确性和快速性之间的要求，提出一种变步长电导增量法，但易陷入局部最优，又引入改进的粒子群算法同变步长电导增量法相结合，在全局范围内搜索最大功率点，避免了单一变步长电导增量法的不足。MATLAB/Simulink 的仿真结果表明:（1）本文引进了改进粒子群算法，MPPT 算法在多极值 P-V 特性曲线下能够较好地实现；（2）粒子群算法中较传统电导增量法和变步长电导增量法，追踪速度和追踪精度有所提高；（3）改进的粒子群算法同变步长电导增量法相结合，在全局范围内搜索最大功率点，避免了单一变步长电导增量法的不足；（3）通过中国铁塔股份有限公司镇江分公司的 5G 基站上使用，效果明显。参考文献：1 李正.我国每万人 5G 基站数超过 12 个 网络建设与应用场景双齐下 N.证券日报,2022-7-14(A03).2 李正.5G 网络规模化应用场景广阔 N.企业家日报,2022-7-18(005).3 徐勇.小基站撑起大格局 5G 网络建设迎来新主角 N.人民邮电,2022-3-24(005).4 张军波.基于 MPPT 算法的汽车尾气温差发电系统能量回收效率研究 D.江苏大学硕士论文,2021.5 周志勇.基于新型鲁棒下垂控制方法的光伏发电系统并网研究 闫 振彬;郑柏超 J.电子科技,2021,34(08):79-86.6 郭玲.新型跟踪控制方法在微型光伏并网逆变系统中的应用研究 D.西安：西安工程大学硕士论文,2012.7 徐小勇.交流光伏水泵系统控制策略 J.电机与控制应用,2017,44(06):113-119.8 郑俊观，王硕禾，齐赛赛.改进粒子群优化穿法在光伏多峰 MPIT 中的应用 J.电器与能效管理技术,2018(6)：53-59.9 王桥莉，张文浪.太阳能发电系统 MPPT 控制策略 J.科技与创新,2022(09):70-72.10 李大华,聂前,田禾,等.改进海鸥优化算法在光伏系统MPPT 中的应用 J.电源技术,2022,5(46):556-559.11 詹龙海,李少刚,郑益田.一种改进粒子群算法在光伏MPPT 中的应用 J.电器与能效管理技术,2020(11):17-21.12 徐善智，丁宇，刘泽禹，等.基于改进扰动观察法的光伏MPPT 控制策略研究 J.集成电路应用 2022,39(05):6-8.13 卫东，王央康，常亚文.一种基于增量电导法的变步长 MPPT 算法 J.太阳能学报，2018,39(05):1277-1283.14 赵鉴,袁渤巽,倪凌凡,等.基于改进粒子群算法在多功能互补微网中的应用 J.电子科技,2022,35(10):72-78.15 高佳俊,李维波,李齐,等.基于变步长扰动逼近法的移动式在线光伏充电 MPPT 技术 J.中国舰船研究,2021,16(4):208-216.16 周卫琪,张军波,罗丁,等.基于 MPPT 算法的温差发电回收效率研究 J.电源技术,2021,45(8):1066-1069.17 邵伟明，程树英,林培杰,等局部阴影下光伏阵列MPPT 算法及实现(J)电源学报,2016,14（1):27-34+42.18 王云平.局部阴影条件下光伏阵列结构、MPPT 方法及阻抗匹配变换器研究 D.南京：南京航空航天研究生院,2018.【作者简介】朱永生（1970），男，江苏省镇江人，学士，江苏星鑫阳能源管理发展有限公司总工程师，研究方向：计算机建模与仿真、光伏发电系统策略的研究。赵红丽（1979），女，江苏省镇江人，学士，江苏星鑫阳能源管理发展有限公司总经理，研究方向：为计算机软件设计、光伏发电 MPPT 控制策略。卢娜（1997），女，黑龙江黑河人，硕士，江苏大学电气信息工程学院研究生，研究方向：光伏发电系统充电策略优化研究。朱湘临（1963），男，湖南省岳阳人，硕士，江苏大学电气信息工程学院教授，研究方向：软测量建模、光伏发电系统控制策略算法研究。（收稿日期：2022-12-28 修回日期：2023-02-25）（a）大步长电导增量法 （b）小步长电导增量法 （c）变步长电导增量法 （d）复合算法图 7 4 种不同算法的仿真结果