局部遮挡下光伏组件MPPT复合算法.pdf

江苏大學学报（自然科学版）JOURNALOFJIANGSUUNIVERSITY(Natural Science Edition)D0I:10.3969/j.issn.1671 7775.2023.05.0082023年9月第44卷第5期Sept.2023Vol.44No.5开放科学（资源服务）标识码（OSID）：局部遮挡下光伏组件MPPT复合算法葛?强，李振志，仇宝云，徐?金，徐逍帆（扬州大学电气与能源动力工程学院，江苏扬州2 2 512 7）摘要：当光伏组件受到局部阴影遮挡时，其最大功率点跟踪（maximumpowerpointtracking，M PPT）过程常出现误跟踪、跟踪速度慢、光伏组件输出功率低等问题.为使局部阴影下光伏组件保持快速、稳定、准确地最大功率输出，基于电导增量法（incremental conductancealgorithm，INC），结合全局比较算法（global comparison algorithm，G CA），提出一种基于电导增量/全局比较的复合MPPT算法（INC-GCA），并通过搭建Simulink仿真模型和设计光伏试验平台，验证该算法的可行性.结果表明：基于电导增量/全局比较的复合MPPT算法在光伏组件受到局部阴影遮挡时可准确追踪到最大功率，且跟踪速度快、可靠性高，完全避免了误跟踪问题；相较于电导增量法，该算法可有效提高光伏系统的发电效率，提升光伏电站的经济效益。关键词：光伏组件；电导增量法；全局比较；局部遮挡；最大功率点追踪中图分类号：TM914.4引文格式：葛强，李振志，仇宝云，等。局部遮挡下光伏组件MPPT复合算法J.江苏大学学报（自然科学版）,2 0 2 3，44（5）：547 553.MPPT composite algorithm of photovoltaic modules under文献标志码：A文章编号：16 7 1-7 7 7 5（2 0 2 3)0 5-0 547-0 7partial occlusion conditionGE Qiang,LI Zhenzhi,QIU Baoyun,XU Jin,XU Xiaofan(College of Electrical and Energy Power Engineering,Yangzhou University,Yangzhou,Jiangsu 225127,China)Abstract:When the photovoltaic module is partially shaded,the problems of false tracking,slowtracking speed and low output power usually appear in the process of maximum power point tracking(MPPT).To make the maximum power output process of photovoltaic modules fast,stable and accurateunder partial shading condition,a composite MPPT algorithm(INC-GCA)was proposed based onincremental conductivity algorithm(INC)and global comparison algorithm（G CA).T o v e r i f y t h ealgorithm,a Simulink simulation model was built,and a photovoltaic experimental platform wasdesigned.The results show that when the photovoltaic module is partially shaded,the compositealgorithm based on INC algorithm and GCA can accurately track the maximum power with fast trackingspeed and high reliability,and the problem of false tracking is completely avoided.Compared with theincremental conductance method,the proposed algorithm can effectively improve the power generationefficiency of the photovoltaic system and improve the economic benefits of the photovoltaic power station.Key words:photovoltaic modules;incremental conductance algorithm;global comparison;partialocclusion;MPPT收稿日期：2 0 2 1-0 9-2 5基金项目：国家自然科学基金资助项目（516 7 92 0 8）作者简介：葛强（196 5一），男，江苏南通人，教授（），主要从事光伏发电系统设计与故障诊断的研究.李振志（1997 一），男，山东潍坊人，硕士研究生（157 8 0 7 510 2 ），主要从事光伏发电系统设计与故障诊断的研究.548江苏大学学报（自然科学版）第44卷随着当前工业生产向着低碳化方向发展以及绿色生产生活观念的日渐普及，光伏发电作为一种典型的绿色能源，具有广阔的研究空间和市场潜力，预计到本世纪末全球电力供应中光伏发电占比可达6 0%以上，当前我国光伏发电装机容量世界第一.由于光伏电池的发电效率不高，一般仅为15%20%2,且其输出呈明显的非线性特征,受光照等环境因素影响较大，因此为最大化地利用能量，在硬件方面可通过DC-DC变换电路保持稳定和可控的系统输出，在软件方面可通过改进最大功率点追踪(maximum power point tracking，M PPT)算法提升系统发电的效率3。传统的MPPT控制方法诸如扰动观察法、电导增量法、固定电压法等4,其测量参数少，且控制系统简单,适用于外界条件变化不大的情况5，而局部阴影下光伏输出复杂且呈多峰特性，此时传统算法可能陷入局部最大功率点6 .为此，国内外研究学者提出了多种智能控制算法，文献6 提出了基于复杂多极值光伏系统的改进粒子群算法；文献7-8提出了功率追踪稳定性高、适合复杂工况的模糊控制算法；文献9 进一步提出适用范围广、系统稳定性高的多项式模糊模型算法;文献10 将布谷鸟搜索算法与扰动观测法相结合以提升追踪速度、减小功率波动；文献11提出通过引人混沌算法以解决“早熟”问题的改进猫群算法.这些智能控制MPPT算法虽然适合于光伏这种非线性的复杂系统，但通常在仿真中实现，其软硬件结合尚有一定的难度,成本较高，因此实际应用不多.文中通过研究阴影遮挡下光伏组件的输出特性,针对性地提出一种基于电导增量/全局比较的复合MPPT算法，解决误跟踪及功率损失的问题，提升局部阴影遮挡下光伏组件的发电效率，最后通过00电池串光伏组件图1光伏组件多峰输出特性示意图假设光伏组件由3个电池串a、b、c 串联构成，IcIcbIce则随着光伏组件整体输出电流的增每个电池串由若干电池单元串联构成，且均并联一大，会出现以下3种工作状态.个旁路二极管，如图1所示.各电池串的光照强度分1）工作状态1:3个电池串均输出功率，如图2别为 Sa、Sb、S。,定义 S。S,S。,则对应光照强度下所示.当光伏组件输出电流I较小，即0 I%，此时允许通过电流范围最小的电池串足以容许电试验验证该算法跟踪速度快、输出效率高、环境适应性强，在工程实际中有较大的研究和应用价值.1阴影遮挡下光伏组件的输出特性1.1阴影遮挡下光伏组件工作过程通常情况下光伏组件的输出电流可表示为g(U+IR。)_ U+IR。I=I pv-I/exp-1nkT式中：U、I、Ip l 分别为光伏组件的输出电压、输出电流、光生电流和反向饱和电流;R。、R,分别为串联电阻和并联电阻,常数参量q、n、k、T 分别为电子电量、二极管因子、玻尔兹曼常数和绝对温度.为便于分析阴影下光伏组件的工作过程，将任意光照强度S和任意温度T下的光生电流I近似为短路电流I，则I%可表示为I%=I%=Is 1+入(T-Trer)式中：参考温度Trer=25,参考强度 Sref=1000W/m，温度补偿系数入取0.0 0 2 5.忽略流经并联电阻的电流Ib，将串联电阻R。近似为0,则式（1）简化为I=Ir,-IoL exp(kr)(qU)-1由式(2)可知任意光强下短路电流I与光强S成正比，因此阴影遮挡下光伏组件中各电池串的光强不一致,导致其可通过的电流范围也不一致,输出特性较为复杂,如图1所示.由于所有电池串串联连接，各电流范围以其当前光强对应的短路电流1%c为上限，一旦整体输出电流超过某电池串的上限Ic，则对应的旁路二极管将导通续流，下面详细分析该工作过程电池单元aUbUC0,(1)R,(2)SreP0U(3)549第5期葛强等：局部遮挡下光伏组件MPPT复合算法流通过,因此Ua、U,、U。均大于O,二极管尚未达到导通的条件，此时所有电池串均正常工作，3个电池串对外均输出功率.由于各电池串串联连接，故整体输出电压U为各电池串电压之和，即U=U,+U,+U.UU本HU。图2 工作状态1示意图2）工作状态2：仅2 个电池串输出功率，如图3所示.U.本随着光伏组件输出电流I的增大，当IcIIscb时，光伏组件的工作状态如图3所示.此时电池串a、b 可通过的电流范围较大，足以容纳电流通过，而电池串c无法容许电流中超出Isc。的部分通过,此刻(I-Isc）部分将被电池串c消耗掉,此时电池串c中的各电池单元相当于负载消耗能量，其两端的电压将反向且随着电流的增大而反向变大.直到U。=-U,时电池串c的并联二极管达到导通续流的条件，（I-Isc）部分将由并联二极管续流，防止电池串c耗能而过热，实际上该并联二极管的导通过程极为迅速.此状态下电池串a、b 正常工作并对外输出功率，而电池串c严格意义上并未被完全旁路,存在二极管导通压降而产生微功耗，光伏组件整体输出电压U变为U=U.+U,-Up.3）工作状态3:仅1个电池串单独输出功率,如图4所示.U(I-Icb)sc(4)U,=-U,图4工作状态3示意图U当IcbIA且 B(切换条件）香是mod(t,M-0(M为切换周期）导通关断MOSFET一次采样(a).U(a)并计算P(a)采样N组数据比较得出Pmx与对应工作电压UmxPmax=P(k)输出Pmx返回图6 复合MPPT算法流程图比较法两部分.首先在电导增量法的驱动下，系统进行最大功率点跟踪.当达到切换条件之后，引入一次全局比较，驱动整个电路实现一个从开路到短路的过程,并采集此过程中的电流与电压数据，经过处理后供下一个周期使用.该算法具体工作流程如下：系统初始化.设定算法切换周期M、功率波动阈值A及对应启动时间阈值B.算法切换（切换条件）.采样实时电流I（k）和电压U（k），并计算实时功率P(k），当与上一时刻功率差的绝对值超过阈值B时,如果此时时间t大于启动时间阈值A,则启动一次全局比较，否则将继续进行电导增量法来追踪最大功率，直至时间t到达算法切换周期M时再启动全局比较.电导增量法过程。在此过程中，计算电流、电压的变化量dI和dU,通过判断公式dI/dU+I/U的正负，确定下一周期电压的扰动方向,当dI/dU-I/U时,则U0香U-U-dUU-U+duU-U-duI(k-1)-I(k)U(k-1)-U(k)得输出电压稳定在最大功率点处.考虑到DC-DC电路的转换效率和硬件成本,文中选取Boost升压电否路,主要由电容C、电感L、二极管D、电压传感器是VM、电流传感器CM、场效应管MOSFET、PW M 波发dI/dU=-I/U生模块等组成,其拓扑结构如图7 所示,其中Upv与否ULp分别为光伏输出电压和负载电压.香d/dU-I/U是U-U+dUU-UCMVM6433+CUpvOLMPPTHPWM图7 Boost升压电路拓扑结构DMOSFETC2ULD551第5期葛强等：局部遮挡下光伏组件MPPT复合算法以Boost电路为升压电路，在Simulink中搭建31串联结构光伏组件的MPPT仿真模型.MPPT控制器采用S函数,分别将电导增量法和复合算法的程序写人其中进行跟踪性能的仿真，并设计基于memory模块的计量系统获取系统输出的电能.仿真中光伏组件基本参数参照第1.2 节设置.2.3仿真分析为验证静态局部遮阴情况下复合算法跟踪结UIVUIV010250200150100500通过比较图8 中输出功率曲线，可知局部阴影下INC算法容易陷人局部最大功率点，而INC-GCA算法通过全局比较过程准确追踪到最大功率点.而在光伏系统实际工作过程中，局部阴影通常是变化的.为验证局部阴影动态变化情况下复合算法的控制效果,给予光伏组件变化的光照强度：t=0s时，光照情况为SAo强度；t=1.3s时施加阴影，光照情况变为SA3强度;t=3.7s时撤去部分阴影,光照情况变为SA2强度.仿真中算法切换周期为1s,仿真时间设为6 s.在局部阴影动态变化情况下，光伏组件输出功率曲线如图9所示.试验开始时无阴影遮挡，两种算法均跟踪到了最大功率，约为2 6 0 W.当t=1.3s时,由于光照强度突变，两种算法的输出功率均直线下降，由于本次光照突变带来的功率变化超过INC-GCA算法设定的值，且满足切换条件，故INC-GCA算法启动一次全局比较,将输出功率纠正为7 5W左右，而INC算法则跟踪到50 W左右.当t=3.7s时，光照强度再次变化,INC算法跟踪到6 0 W左右，但此次光照突变带来的功率变化较小，不满足切换条件，故未启动全局比较，INC-CCA算法在原来的基础上进行电导增量法,直到t=4.0s时,时间达到INC-GCA算法设定的定时时间，启动一次全局比较,将输出功率纠正为10 8 W左右.通过电能计量系统,得到INC算法与INC-GCA算法的输出电能分别为58 5和7 10 J.果的准确性，给予光伏组件3个电池串不同的光照强度，模拟局部遮阴的情况.在标准温度2 5下，分别在第1.2 节所列的SA1、SA 2、SA 33种光照情况下进行仿真试验.同时采用电导增量法和复合算法两种算法作对比，得到其最大功率跟踪结果，仿真时间设为1.3s，初始占空比设为0.1.SAI、SA 2、SA 33种光照强度下光伏组件输出功率曲线如图8 所示.2030INC-GCAINC参考P-U特性0.20.4t/s(a)光照强度SA1U/V40500.60.8图8 不同光照强度下光伏组件输出功率3002502006150100500图9动态阴影下光伏组件输出功率曲线图3试验验证搭建基于TMS320C6713DSP的光伏试验平台验证复合算法的可行性.基于对比试验思想,INC和INC-GCA两种算法做横向对比，SBi和SB2两种光照强度做纵向对比.试验时长为10 0.0 s，试验过程：将光伏组件放在无阴影遮挡的恒光照强度SBl（SB2）下进行试验；t=25.0s时，在光伏组件面板施加1/6局部阴影遮挡；t=55.0s时，进一步施加阴影至1/3局部阴影遮挡.试验中光伏组件为6 行12列7 2 块电池单元组件，其中1/6 与1/3局部阴影遮挡分别为遮挡右上角12 块和2 4块电池单元.光伏组件基本参数：开路电压U=44.0V,短路电流Isc=5.49A，最大工作点电压Um=24.5V，最大工作点电流Im=4.14A.算法中参数设定：电压扰动步长d=1V,采样频率f=5000Hz,扰动周期0150125100755025010INC-GCAINC一参考P-U特性0.20.4t/s(b)光照强度SA2203040500.60.810100%75502501200.20.4t/s(c)光照强度SA3INC一INC-GCA23t/s300.64540INC-GCAINC参考P-U特性0.8650552江苏大学学报（自然科学版）第44卷为1.0 s,算法切换周期M=30s.Boost电路参数：电感L=10mH,电容C=470F,负载端采用50 V恒压电子负载.环境条件：光照强度SBl=405W/m、50c4030E20100120100遮挡806040200不同光照下两种算法的试验数据如表1所示.表1不同光照强度下两种算法的试验数据遮挡动作算法INC遮挡INC-GCAINC遮挡INC-GCA遮挡?INCINC-GCAINC遮挡INC-GCA注：U。为遮挡后追踪到的工作点电压；P。为此时对应的输出功率；W为INC算法追踪时间内两者分别产生的电能.由图10、表1可知：突然施加阴影后INC算法以1V的步长缓慢追踪最大工作点，而INC-GCA算法经一次全局比较过程迅速追踪到了最大工作点处.4次遮挡中INC算法追踪用时t分别为5.1、5.1、9.2 和5.1s,INC-GCA算法用时tic均为0.8 s,INC-GCA算法追踪更快.INC算法的追踪过程为低功率输出，输出效率不高.4次遮挡的t时段内INC-GCA算法比INC算法多产生电能分别为2 5.4、18.2、8 5.5和12 9.2 J,弥补了INC算法追踪过程效率低的不足.第4次遮挡中INC算法和INC-GCA算法工作电压分别为7.3和15.5V，输出功率分别为2 3.1和46.6 W，说明此时INC算法出现误跟踪.SB=830W/m,环境温度为33.图10 为不同光照强度下（SBi或S）两种算法最大功率和电压跟踪对比试验结果.遮挡60INC50-INC-GCA40遮挡33020102040t/s(a)SBl光照强度下系统输出功率曲线一INC-INC-GCA遮挡2040t/s(c)SB2光照强度下系统输出功率曲线图10 不同光照强度下两种算法最大功率和电压跟踪对比数据的提升高达2 9.5%.U./VPo/W14.024.214.125.09.117.69.317.913.559.813.459.57.323.115.546.6-INC-INC-GCA60806080W/J118.2143.676.394.5460.8546.387.1216.31001000605040S3020F0-00M100SB光照强度下的局部遮阴试验中INC-GCA算法产生的电能比INC算法提升5.2%.SBz光照强度下由于长时间出现误跟踪，INC-CCA算法比INC算法4结 论1）在光伏组件受到局部遮挡时，利用功率对电压的微分值和光伏工作电压进行扰动调整.在系统满足切换条件启动全局比较纠正跟踪偏差，同时兼顾了跟踪过程中的跟踪速度和效率。2）局部遮挡下，系统出现多个最大功率点，复合算法相较于电导增量法可准确、快速地追踪到全局最大功率点，避免了误跟踪并提升系统输出效率,尤其是严重局部遮挡下的效率提升更明显.3）I NC-G C A 复合算法环境适应性较强，在较宽的光照强度范围内以及变化的光照环境中均有效，适合于阴影及光照变化较大的复杂情况.4）I NC-G CA 复合算法跟踪速度快且不存在误跟踪问题，环境适应性强，在局部阴影遮挡情况下INC-GCA复合算法产生的电能比INC算法多、输出效率高（长时间误跟踪情况下效率提升更高），有效提升了光伏电站的发电效率和经济效益，参考文献(References)1蔡纪鹤，孙玉坤，黄永红光伏并网发电与无功补偿20(b)SBl光照强度下系统工作电压曲线-INC-GCAF0-0-020(d)SB2光照强度下系统工作电压曲线40t/s一INC4060t/s608080100100553第5期葛强等：局部遮挡下光伏组件MPPT复合算法的一体化控制J江苏大学学报（自然科学版），2014,35(3):324-328.CAI J H,SUN Y K,HUANG Y H.Integrative controlof PV grid connected generation and reactive power com-pensation J.Journal of Jiangsu University(NaturalScience Edition),2014,35(3):324-328.（i n Ch i-nese)2王平，倪磊，王林泓，等透明隔热膜对改善光伏组件温度和发电效率的研究J.太阳能学报，2 0 2 1，42(2):396 402.WANG P,NI L,WANG L H,et al.Study on transpa-rent insulating film improving temperature and generatingefficiency of photovoltaic modules J.Acta EnergiaeSolaris Sinica,2021,42(2):396-402.(in Chinese)3行徐金，葛强，李娟，等基于全局比较的光伏电池MPPT实验研究J电源技术，2 0 2 1，45（1）：39-42.XU J,GE Q,LI J,et al.Experimental study of photo-voltaic cell MPPT based on global comparison J.Chi-nese Journal of Power Sources,2021,45(1):39-42.(in Chinese)4MAO M X,CUI L C,ZHANG Q J,et al.Classificationand summarization of solar photovoltaic MPPT tech-niques:a review based on traditional and intelligent con-trol strategiesJ.Energy Reports,2020,6(5):1312-1327.5 李志军，张奕楠，王丽娟，等基于改进量子粒子群算法的光伏多峰MPPT研究J.太阳能学报，2 0 2 1，42(5):221-229.LI Z J,ZHANG Y N,WANG L J,et al.Study of pho-tovoltaic multimodal maximum power point trackingbased on improved quantum particle swarm optimizationJ.Acta Energiae Solaris Sinica,2021,42（5:221-229.(in Chinese)6IBNELOUAD A,KARI A E,AYADH,et al.Improvedcooperative artificial neural network-particle swarm opti-mization approach for solar photovoltaic systems usingmaximum power point tracking J.International Tran-sactions on Electrical Energy Systems,DOI:org/10.1002/2050-7038.12439.7LI X S,WEN H Q,HU Y H,et al.A novel beta pa-rameter based fuzzy-logic controller for photovoltaicMPPT applicationJ.Renewable Energy,2018,130(1):416-427.8MOSTAFAB,AHMEDA,MOSTAFAA,etal.PVsystems control using fuzzy logic controller employing dy-namic safety margin under normal and partial shadingconditionsJ.Energies,2021,14(4):841.9RAKHSHAN M,VAFAMAND N,KHOOBANM H,etal.Maximum power point tracking control of photovoltaicsystems:a polynomial fuzzy model-based approach J.IEEE Journal of Emerging and Selected Topics in PowerElectronics,2018,6(1):292-299.10马永翔，王雨阳，闫群民，等.基于CSA算法的光伏阵列多峰最大功率跟踪研究J电源技术，2 0 2 1，45(1):51-55.MA Y X,WANG Y Y,YAN Q M,et al.Research onmulti-peak maximum power tracking of photovoltaic arraybased on CSAJ.Chinese Journal of Power Sources,2021,45(1):51-55.(in Chinese)11聂晓华，王薇.混沌改进猫群算法及其在光伏MPPT中的应用J中国电机工程学报，2 0 16，36（2 2）：6103-6110.NIE X H,WANG W.Chaos improved cat swarm opti-mization and its application in the PV MPPTJ.Pro-ceedings of the CSEE,2016,36(22):6103-6110.(in Chinese)12蔡纪鹤，孙玉坤，黄永红，基于占空比干扰观测法的MPPT控制J.江苏大学学报（自然科学版），2 0 14，35(1):75 79.CAI JH,SUN Y K,HUANG Y H.MPPT control basedon duty cycle perturbation and observation method J.Journal of Jiangsu University(Natural Science Edition),2014,35(1):75-79.(in Chinese)13WIJAYA B H,SUBROTO R K,LIAN K L,et al.Amaximum power point tracking method based on a modi-fied grasshopper algorithm combined with incrementalconductanceJ.Energies,2020,13(17):4329.14ZAND S J,HSIA K H,ESKANDARIAN N,et al.Im-provement of self-predictive incremental conductance al-gorithm with the ability to detect dynamic conditionsJ.Energies,2021,14(5):1234-1247.（责任编辑祝贞学）