一种基于功率微分的光伏发电最大功率点跟踪方法
【专利摘要】本发明公开了一种基于功率微分的光伏发电最大功率点跟踪方法，本发明将Boost电路的占空比作为控制变量，首先通过对功率微分绝对值及其前后采样时刻的关系判定找到最大功率点附近区域所对应的占空比区间，再采用改进量子遗传算法寻优求得最优占空比，并将其输出给Boost电路以实现对最大功率点的跟踪。与现有技术相比，该发明具有搜索速度快，能克服外界环境发生剧烈变化时产生的误判和跟踪失效的问题。
【专利说明】一种基于功率微分的光伏发电最大功率点跟踪方法
【技术领域】
[0001] 本发明涉及光伏发电技术，尤其是光伏电池最大功率点跟踪【技术领域】。
【背景技术】
[0002] 太阳能是当前世界上最清洁、最现实、大规模开发利用最有前景的可再生能源之 一。其中太阳能光伏利用受到世界各国的普遍关注，太阳能电池在工作时，随着日照强度、 环境温度的不同，其端电压将发生变化，使输出功率也产生很大变化，故太阳能电池本身是 一种极不稳定的电源。如何能在不同日照、温度的条件下输出尽可能多的电能，提高系统的 效率，这就在理论上和实践上提出了太阳能电池阵列的最大功率点跟踪问题，最大功率点 跟踪环节是光伏发电系统的关键技术之一，此环节影响着整个系统的控制精度和光电转化 效率，对降低发电成本、推进光伏发电技术深入发展具有重大意义。
[0003] 目前很多的最大功率点跟踪方法都是基于扰动观察法衍生出来的，扰动观察法具 有控制策略简单，容易实现，对参数检测的精度要求也不是很高，在日照变化不是很剧烈的 情况下有较好的控制效果等优点。但该方法有一较明显的缺点，即需要始终判断对电压加 以干扰的系统是否工作在最大功率点处。因此即使是在稳态时，系统工作电压也不能稳定 在一个特定值上，由此不可避免地会造成一定功率的损失。
【发明内容】
[0004] 本发明的目的就是为了解决上述现有技术存在的缺陷而提供一种跟踪速度快， 能够有效克服外界环境发生剧烈变化时产生的误判和跟踪失效的基于功率微分的光伏 发电最大功率点跟踪方法，该方法在系统初始阶段通过对不同采样时刻功率微分绝对值 P' (k-l)、p' (k)、P' (k+Ι)的关系判断追踪到最大功率点附近，而后引用改进量子遗传 算法实现对最大功率点的跟踪。
[0005] 本发明的目的可以通过以下技术方案来实现：
[0006] -种基于功率微分的光伏发电最大功率点跟踪方法，具体包含以下步骤：
[0007] (1)调节占空比D使其在[0, 1]区间内作连续的改变，实时采集占空比D(k) (k = 1，2,…，N)和功率P(k)的值并以数据阵列的形式保存，其中Λ'N为正整数，AD为 AD 实数，满足AD < 0. 05且能被1整除。
[0008] (2)由步骤⑴所得占空比D(k)和功率P(k)值计算功率微分绝对值P' (k)的 大小并以数据阵列的形式保存。
[0009] (3)根据步骤⑵所得的功率微分绝对值P' (k)和占空比D(k)数据阵列，求出 功率微分绝对值P (k)的两个极大值及其对应的最小占空比Dmin和最大占空比Dmax。
[0010] ⑷在步骤⑶所得区间[Dmin，Dmax]内寻优求得功率微分绝对值P' (k)的最小值 及其所对应的最优占空比。
[0011] (5)将步骤⑷所得最优占空比信号输出给Boost控制电路，由该电路控制光伏阵 列使其工作在最大功率点。
[0012] 其中步骤⑵中由步骤⑴所得D(k)和P(k)值计算功率微分绝对值P' (k)的 大小并以数据阵列的形式保存的具体步骤为：
[0013] (2a)k = 1 时，P，（k) = 0 ;
【权利要求】
1. 一种基于功率微分的光伏发电最大功率点跟踪方法，其特征在于包含以下步骤： (la) 调节占空比D使其在[0, 1]区间内作连续的改变，实时采集占空比D(k)(k= 1，2,…，N)和功率P(k)的值并以数据阵列的形式保存，其中
N为正整数，AD为 实数，满足AD< 0. 05且能被1整除； (lb) 由（Ia)所得占空比D(k)和功率P(k)值计算功率微分绝对值P' (k)的大小并 以数据阵列的形式保存； (lc) 根据步骤（Ib)所得的功率微分绝对值P' (k)和占空比D(k)数据阵列，求出功 率微分绝对值P' (k)的两个极大值及其对应的最小占空比Dmin和最大占空比Dmax ; (ld) 在步骤（Ic)所得区间[Dmin，DnJ内寻优求得功率微分绝对值P' (k)的最小值及 其所对应的最优占空比； (le) 将步骤（Id)所得最优占空比信号输出给Boost控制电路，由Boost控制电路控制 光伏阵列使其工作在最大功率点。
2. 根据权利要求1所述的一种基于功率微分的光伏发电最大功率点跟踪方法，其特征 在于，所述的步骤（Ib)中计算功率微分绝对值P' (k)的大小并以数据阵形的形式保存的 具体步骤为：
(2a)k= 1 时，P' (k) = 0 ； (2b)令k=k+1,如果k>N则转步骤（2d)，否贝U，计_ 的大小，其 中：I?I表示求绝对值； (2c)转步骤（2b); (2d)以数据阵列的形式保存P' (k)。
3. 根据权利要求1所述的一种基于功率微分的光伏发电最大功率点跟踪方法，其特征 在于，所述的步骤（Ic)中求出P' (k)的两个极大值及其所对应的最小占空比Dmin和最大 占空比Dmax的具体步骤为： (3a)初始化，令k=I,Dmin = 0,Dmax = 0,Imin = 0,Imax = 0,flag= 0,其中，1 和flag为非负整数，Imin为1的最小值，为1的最大值； (3b)令k=k+1，如果k>N或flag>2,转步骤（3h); (3c)若P，（k) >P' (k-1)且P，（k) >P' (k+1)，则flag=flag+1 ; (3d)若flag= 0,转步骤（3f); (3e)若flag=I，则Dmin =D(k)，Imin =k，转步骤（3f); (3f)转步骤（3b); (3g)若flag= 2,则Dmax =D(k),Imax =k; (3h)保存Dmin和Dmax的值。
4. 根据权利要求I所述的一种基于功率微分的光伏发电最大功率点跟踪方法，其特征 在于，所述步骤（Id)在步骤（Ic)所得区间[DniWDmax]内寻优求得功率微分绝对值P' (k) 的最小值及其所对应的最优占空比所采用的方法为改进量子遗传算法，其具体步骤为： (4a)从数据阵列中读入P' (k)和D(k)的值； (4b)设置量子遗传算法种群规模popsize，运行总代数gen，运行代数g= 1，变异概率Pm，其中，P〇Psize，gen,g为正整数，pm为实数； (4c)种群初始化：随机产生一个种群规模为popsize的量子种群，量子染色体的长度 为m，其中m为正整数，并将全部染色体的量子概率幅初始化为
； (4d)种群测量：对每个个体进行一次坍塌测量，使每个个体从不确定的概率状态转换 为确定状态，即观测态，测量方法是：随机产生[〇，1]之间的一个数，若随机数大于量子概 率幅的平方，则测量值为1 ;反之，测量值为〇 ; (4e)计算个体适应度，并对测量值进行适应度评估，记录最优适应度值的个体为下一 步进化的目标值；其中：个体适应度J采用以下公式计算：
其中：
(4f)对步骤（4e)所得最优个体进行混沌搜索，如果所得个体适应度值小于原最优适 应度值，则更新最优个体和对应的适应度值； (4g)令g=g+1，如果g>gen，则转步骤（4k); (4h)种群更新，利用量子旋转门对个体实施调整，得到新的种群； (4i)种群变异，对每个个体产生一个（0, 1)之间的随机数r，若Kpni，则对该个体进行 量子变异操作； (4j)返回步骤（4d); (4k)输出最优个体及其适应度值； (41)由步骤（4k)所得最优个体计算并输出对应的最优占空比。
5.根据权利要求4所述的一种基于功率微分的光伏发电最大功率点跟踪方法，其特征 在于，所述步骤（4h)中种群更新，利用量子旋转门对个体实施调整所采用的方法为动态调 整量子门旋转角的方法，其调整公式为：
其中，Ui, 代表染色体中的第i个量子比特，i为正整数，（a/ ,￠/ )T代表 更新后的量子比特，QiS旋转角，可由下面公式求得： Qi =S(Oi^i)A0J (4) 其中，S(CiJi)是0^勺符号，A0可表示为： AQ=A0fflax-(ABfflax-A0fflin)-f (5) 其中，A0max、A0min分别为A0取值范围内的最大值和最小值，
其中，fx为当前个体的适应度值，fbest为已搜索到的最优个体的适应度值。
【文档编号】G05F1/67GK104267778SQ201410476803
【公开日】2015年1月7日 申请日期:2014年9月17日 优先权日:2014年9月17日
【发明者】薛云灿, 李彬, 王思睿, 蔡昌春, 邓立华 申请人:河海大学常州校区