蒋川

摘 要：太阳能光伏发电研究中存在太阳能转换效率低的问题，国内外应用最为广泛的技术为最大功率点跟踪技术（MPPT）。本文首先分析了MPPT技术的基本工作原理，引出了其具有非线性化的特点，然后综述了国内外MPPT技术中的经典算法和最新智能算法的原理，并对算法的优劣势进行了分析，最后对光伏系统未来的发展趋势进行了展望。

关键词：光伏发电；最大功率追踪；太阳能发电；扰动观察法；群智能算法

中图分类号：TM615 文献标志码：A

0 引言

随着传统能源中化石燃料和石油资源的不断持续枯竭，同时传统能源对环境污染的日益加剧，可再生能源越来越受到学者们的关注。太阳能是最好的绿色能源之一，其具有广泛的覆盖范围、生态友好性、易于获取等特性，被学者们视为未来传统能源的最佳替代品。因此，如何提高太阳能的转换效率成了许多研究人员的重点。最大功率追踪技术（Maximum Power Point Tracking，MPPT）成了解决这一问题的关键技术。

1 最大功率点跟踪技术

最大功率点跟踪技术是通过将光伏阵列的外部负载阻抗和内部阻抗相匹配，使得光伏阵列输出最大功率的方法。传统的MPPT控制方法有扰动观察法、固定电压法、电导增量法等。随着智能算法的出现，控制方法出现了蚁群算法、萤火虫算法、人工蜂群算法等，本文综合介绍了这6种算法的基本原理及其优劣势。

1.1 MPPT技术的必要性

光伏发电系统输出功率可以看作是与温度和日照强度相关的非线性函数，其不仅受外界环境影响，还会随着外界负载的变化而改变。光伏电池的成本较高，对太阳能的转换效率低等缺陷，因此通过MPPT技术，实时调整光伏系统的工作点，使工作点不断在MPP附近，提高电能的转换效率。

1.2 MPPT技术的原理

光伏发电系统中，通过实验可知，光伏電池内阻一定时，可以通过调整外界负载阻抗，使得外阻抗与内阻抗相等，从而可以获得最大输出功率。但由于外界环境的影响，光伏电池内阻是在不断变化的，因此通过直接调整内外阻抗值来输出最大功率的方法难以实现。最常用的方法是在光伏阵列和外界负载中间加入DC/DC变换器，可以通过变换器中元件的占空比D来控制光伏电池的内阻大小，这样在外界环境的影响下，通过PWM技术来改变占空比，进而改变内阻大小，使其与外阻抗相等，实现光伏阵列在最大功率点工作，被称作为最大功率点跟踪（MPPT）算法。

MPPT算法的基本工作原理：当系统的工作电压比最大功率点处的电压小时，光伏系统的输出功率与电池的输出电压是成正比的关系；当系统电压超过最大功率点处的电压时，随着输出电压的增加，系统的输出功率反而减小。因此，实际上MPPT技术是一个自我寻优的过程，可以通过控制光伏电池的输入电压，使光伏系统在不同的温度与光照条件下，输出最大功率。

2 典型MPPT控制算法

MPPT控制算法有很多种，这里对工程中引用比较广泛的固定电压法、扰动观察法、电导增量法3种算法进行研究讨论。

2.1 固定电压法

固定电压控制算法CVT（Constant Voltage Tracking）中，当假设温度T保持不变，而光照强度改变时，不同情况下的MPP对应的电压可以近似看作是某一恒定电压。因此固定电压法的基本思路是将光伏阵列的输出电压控制在某个恒定电压附近，这个时候的光伏系统可以近似看作工作在MPP。

CVT的优势在于：

（1）控制简单、稳定性强。

（2）光伏系统不会在MPP附近出现震荡，能够保证工作点的输出电压稳定。

不足在于：

（1）CVT是在忽略了温度T对光伏系统的影响下获得恒定电压，在温度变化较大的区域，MPP容易出现较大误差。

（2）精度降低。

2.2 扰动观察法

扰动观察法P&O;（Perturbation and Observation）中，需要对每个周期T内的输出电压和输出功率进行采样，通过控制占空比来得到固定的步长，对光伏阵列的输出电压进行增大或减小，最终比较前后两个采样周期的输出功率大小。结果中的输出电压和输出功率的关系，决定下一次变化趋势。

P&O;算法的优势在于：

（1）复杂性较低。

（2）易于在硬件中实现。

（3）对最大功率点的追踪速度较快。

不足在于：

（1）P&O;算法是通过电压扰动连续不断的跟踪MPP，使得其在MPP的附近不断震荡，造成功率损失较大。

（2）当光照不断变化时，容易出现对MPP的位置误判，进而使得“干扰”方向出现偏差，影响跟踪速度。

2.3 电导增量法

电导增量法IC（Incremental conductance）中，利用光伏阵列的增量电导与瞬时电导值的比率，基于比率值，光伏特性的斜率，并进一步产生转换器的占空比。

IC算法的优势在于：

（1）对MPP的跟踪速度较快。

（2）保证光伏系统的动态稳定性。

（3）相对于P&O;算法，在MPP附近的震荡减小。

不足在于：

（1）复杂性较高，不易于在硬件中实现。

（2）硬件实现成本高。

3 智能MPPT控制算法

随着群智能算法的发展，研究者们将最大功率跟踪技术看作是个多峰值的优化问题，结合群智能算法的优良的寻优特性，使得光伏系统工作在MPP。这里对蚁群算法、萤火虫算法、人工蜂群算法3种算法在MPPT中的应用做了介绍。

3.1 蚁群优化算法

蚁群优化算法ACO（Ant Colony Optimization algorithm）中，蚁群通过“信息素”来实现信息的交流与传递。在光伏发电中，蚁群寻找食物的过程被模仿并用于寻找光伏阵列中的MPP，ACO算法的目标函数中，关键参数就是占空比D。通过随机产生占空比并计算相应的功率值，然后和特定占空比的功率值相比较，进而实现寻优。

ACO算法的优势在于：

（1）更快的收敛速度。

（2）稳定性较强。

不足在于：

（1）跟踪速度一般，容易造成小部分功率损失。

（2）控制方法复杂度高，难以在控制器上实现。

3.2 萤火虫算法

萤火虫算法FA（Firefly algorithm）中，萤火虫群通过闪光来相互交流信息，萤火虫的吸引力与自身光亮度成正比。在光伏系统中，代替每个萤火虫的位置都代表一个不同的转换器占空比D，每一个萤火虫的亮度代表输出功率的大小，通过不同占空比获得不同的每个萤火虫的位置，通过重复试验，可得到MPP。

FA算法的优势在于：

（1）控制方法简单，易于实现。

（2）收敛速度快。

（3）能够在低成本微控制器上的实现。

不足在于：

（1）易陷入局部最优解。

（2）对高维寻优效果不理想。

3.3 人工蜂群算法

人工蜂群算法ABC（Artificial Bee Colony algorithm）中，通過蜂群寻找蜜源的行为提出的一种智能算法。在光伏系统中，每个蜜源所在的位置代表转换器的占空比D，每个蜜源的多少代表光伏阵列的输出功率的大小。通过改变不同的占空比，来实现对输出功率最大点的追踪。最终算法保留蜜源最优的点，即输出功率最大点。

ABC算法的优势在于：

（1）跟踪速度快。

（2）收敛速度快。

不足在于：

（1）随机初始化时，容易丢失功率的极值点。

（2）增加了系统的复杂度。

（3）硬件实施难度较高。

结语

MPPT技术作为提高光伏系统输出效率的重点，在电能生成中起着至关重要的作用。本文介绍了最大功率跟踪技术的重要意义与基本原理，并从传统MPPT技术和加入了群智能算法的MPPT技术两个大的方面，重点对6种不同的MPPT技术进行了分类描述，并讨论了各种方法的优势和不足。在实际工程中，最广泛使用的技术是P&O;和IC，因为它们结构简单，成本低，但是随着人工智能技术的不断发展，相信群智能算法在MPPT中的应用的比重将会越来越大。光伏发电作为新能源，越来越受到关注，而如何将先进的群智能算法低成本的应用到MPPT技术中，将是未来发展的重要方向之一。

参考文献

[1]Karami N，Moubayed N，Outbib R.General review and classification of different MPPT Techniques[J].Renewable & Sustainable Energy Reviews，2017（68）：1-18.

[2]Saravanan S，Babu N R.Maximum power point tracking algorithms for photovoltaic system–A review[J].Renewable & Sustainable Energy Reviews，2016，57（May）：192-204.

[3]Liu L，Meng X，Liu C.A review of maximum power point tracking methods of PV power system at uniform and partial shading[J].Renewable & Sustainable Energy Reviews，2016（53）：1500-1507.

[4]Anurag A，Bal S，Sourav S，et al.A review of maximum power-point tracking techniques for photovoltaic systems[J].International Journal of Solar Energy，2014，35（5）：478-501.

[5]Sundareswaran K，Peddapati S，Palani S.MPPT of PV Systems Under Partial Shaded Conditions Through a Colony of Flashing Fireflies[J].IEEE Transactions on Energy Conversion，2014，29（2）：463-472.

[6]武玉晶，刘宁，吕恒琪.基于蚁群优化的MPPT算法研究[J].数学的实践与认识，2017，47（5）：120-124.

[7]薛飞.基于萤火虫算法的光伏全局最大功率追踪控制研究[D].天津：天津大学，2017.

[8]盛四清，陈玉良，张晶晶.基于差分进化人工蜂群算法的光伏最大功率跟踪策略研究[J].电力系统保护与控制，2018，46（11）：23-29.