丁然

（池州职业技术学院 机电与汽车系，安徽池州，247100）

0 引言

在对光伏发电系统进行建模时,通常需要先建立一个数学模型来描述其运行过程中的各种参数和约束条件。但是由于实际情况复杂多变且难以直接获得精确的物理量数据,因此往往采用数值模拟或其他近似计算等方式来解决问题。其中最为常见的是使用灰狼算法作为优化算法。在传统的灰狼算法中,每次只有一个狼群来寻找食物、配偶及后代,而且这个狼群是随机生成的;当新加入的狼群数量超过了原来的狼群数量后,就会被淘汰出局。这样虽然可以保证群体的稳定性,但却无法使得整个群体始终保持在较高的效率值上。为了提高算法的收敛速度以及跳出局部极值的能力,本文针对这一问题做出相应的调整。另外,当狼群数量过多时,会导致算法早熟甚至出现早熟现象,从而降低了算法的寻优能力。此外,在狼群数量过少或者没有狼群存在的时候,也无法保证算法具有良好的稳定性与鲁棒性。另一方面,如果某个狼群被淘汰出局,那么它们也就无法再继续生存下去。这样一来,整个群体的多样性将大大降低,并且还会有很多个体没有位置可以选择,从而导致了算法的早熟收敛问题。本文提出一种新的狼群算法——改进灰狼算法,其主要思想就是通过引入一个随机游走机制来解决上述问题。具体来说,该算法首先需要确定狼群规模和每只狼的适应度函数、各狼群之间的距离等相关信息,然后根据这些信息制定相应的优化策略。最后,利用遗传算法对狼群算法进行求解,得到最终的结果。

1 跟踪算法研究概述

1.1 光伏电池最大功率跟踪原理

最大功率点追踪的原理是对光电器件的输出电压、电流进行实时监测，然后利用MPP算法对阻抗变流器（电路）进行自优化调整，使其电压增益与占空比不成线性关系，并且在转换器的工作循环增大或减小时，电压也会随之增大或减小。通过移动工作点至I-U特征的右边或左边，可以提高或降低转换器的工作循环，从而使当量阻抗与光电阵阻抗相匹配，根据最大功率传送理论，在这个时候，最大功率输出。即便是因为温度和光线的变化，导致了输出功率的变化，系统也能保持在最好的状态下。

1.2 常用最大功率点跟踪算法

目前,MPPT主要有两种实现方式:第一种是使用最大值最小化原则来确定逆变器的最大功率点;第二种则是采用最大功率点跟踪策略。

对于前者而言,首先需要将光伏电池的实际运行情况输入到模型中,然后再利用MATLAB软件对模型进行仿真分析,得到相应的结果。但是由于受到光伏电池自身结构的限制,无法直接应用于实际工程中。因此本文提出一种基于改进灰狼算法(Greywolf)的光伏电池最大功率点跟踪算法。该算法通过计算出光伏电池的输出电压和电流之间的关系,并且根据这个关系来判断光伏电池的输出是否满足要求。其核心思想就是找到光伏电池的输出关键点,从而使得光伏电池可以一直处于最佳工作状态。

而对于后者来说,它与前面提到的最大功率点跟踪算法相比,更加注重光伏电池的输出性能。其实质上来讲,它实质上是一个优化问题,即如何让光伏电池的输出达到最优值。在传统的光伏发电系统当中,通常都会采用开路电压作为光伏电池的输出电压,这样就导致了光伏电池的输出功率不能够得到有效提升。为了解决这一问题,本文将光伏电池的输出电压分为两种情况进行分析:第一种情况下,如果光伏电池的开路电压小于等于1V时,那么此时光伏电池的输出电压应该大于等于1.5V;第二种情况下,如果光伏电池的开路电压大于等于3V时,那么此时光伏电池的输出电压应该大于等于4V。

1.3 最大功率跟踪改进算法

由于光伏电池自身具有一定的特性,所以其输出特性也存在着较大差异,这使得光伏电池在实际应用过程中的性能表现出明显的不同。因此,要想提高光伏电池的输出特性,必须对光伏电池的输出特性进行改善。而针对上述情况而言,可以通过以下几方面来实现:首先,需要保证光伏电池内部的温度处于恒定状态,并且还要确保光伏电池与外界环境之间没有任何物质交换,从而避免外界因素对光伏电池输出特性造成影响;其次,为了能够有效提升光伏电池的输出功率,就需要将光伏电池放置于一个相对稳定的位置上,同时还需要控制好光伏电池的安装高度和角度等参数,这样才能够更好地发挥出光伏电池的作用;最后,当光伏电池受到外部环境干扰或者是光照强度较低时,则会导致光伏电池无法正常工作,这时就需要采用最大功率跟踪技术来解决这一问题。在实际应用中,通常情况下都是利用太阳能作为主要能源,然后再结合其他辅助能源来完成整个光伏发电系统的运行。但是由于光伏发电系统具有一定的复杂性,所以很难做到完全自动化,这也使得光伏发电系统存在着一些缺陷,比如说光伏电池自身的质量以及光伏电池的寿命等等。因此,要想提高光伏发电系统的整体性能,就必须加强对光伏发电系统控制策略的优化,进而达到最佳效果。在实际应用中,通常情况下都是利用最大功率跟踪技术来完成光伏电池的优化设计,这主要是因为在光伏电池运行过程中,如果光伏电池自身存在缺陷或是出现了故障,那么就很容易使得光伏电池产生较大的功率损耗,因此,此时就需要采取有效措施来降低光伏电池的功率损耗,进而提高光伏电池的使用寿命。

2 光伏电池阴影效应研究

2.1 光伏发电系统

光伏发电的原理就是使用光伏板把太阳的能量转变为电能.在光伏电池组中,由于存在着大量的非线性电阻和电感等元件,因此需要对其进行滤波处理以减小光伏电池内部的非线性失真现象.同时,还要考虑到光伏电池自身的特性,即电压与电流之间的关系.根据上述分析可知,当光伏电池接入逆变器后,可以通过调节逆变器的输出功率来控制系统的运行状态.但是,如果光伏电池接入逆变器后出现了较大的过电压问题时,就会导致整个光伏发电系统失控.所以,要想使得光伏发电系统能够稳定地工作,必须保证光伏电池的安全性.本文提出一种新的光伏发电系统控制策略——“自适应控制”(Adaptive control).该控制策略主要是针对光伏电池的非线性特性而设计的,它不仅可以有效抑制光伏电池的非线性失真的发生,也可以提高光伏发电系统的整体效率.具体来说,就是在光伏发电系统正常运行过程中,由于光伏电池自身存在着一定的缺陷和不足,因此其会对光伏发电系统的电能质量造成影响。

2.2 光伏电池原理及等效模型

为了更好地分析光伏电池的非线性特性,我们首先需要建立一个光伏电池的数学模型,然后利用MATLAB软件来对这个数学模型进行仿真模拟,从而得到光伏电池的等效电路图、电压电流波形图以及输出特性曲线图等等。通过这些数据就能够很好地了解到光伏电池的非线性特性及其产生原因,并且还可以根据仿真结果来更好地设计光伏电池相关方案,使整个光伏电池的性能达到最优化状态。将光伏电池的数学模型与仿真结果相结合,可以看出仿真结果与理论计算结果基本一致,但是两者之间仍然有一些差异,主要体现在以下几点:(1)仿真时采用的是分段线性插值方式;(2)仿真结果中的最大功率点和最小功率点都是以一定间隔出现的;而实际上,光伏电池的输出特性曲线图中存在着很多的拐点,所以说光伏板上的每一点都会影响最终的输出功率,只有找到这些拐点才能够准确地确定出光伏电池的最佳工作电压和电流。(2)光伏电池的输出特性曲线图中存在着许多的转折点,也就是说光伏电池的输出特性曲线图中存在着许多的不稳定因素,如果没有这些不稳定性因素,那么光伏电池的输出功率将会大大降低。

2.3 局部阴影对光伏电池影响分析

为了更好地了解光伏电池的输出特性曲线图中存在的一些不稳定因素,我们可以通过改变光伏电池的输出特性曲线图来观察其变化情况。当光伏电池处于充电状态时,在0～1s内,随着时间的增加,输出电压逐渐降低;而当光伏电池处于放电状态时,在0～5s内,输出电压基本保持不变,但是由于此时的电压扰动是瞬时发生的,因此这种电压扰动并不是一个定值,它具有一定的随机性。当外界光照强度较小时(即光强度小于等于0.5W/m2),光伏电池的输出特性曲线呈线性关系,说明光伏电池的输出特性与外界环境温度和湿度有关。当外界温度升高到20摄氏度以上时,光伏电池的输出特性急剧下降,这是由于当外界温度高于25摄氏度后,光伏电池内部产生大量的热效应,使得光伏电池的输出特性迅速下降。

3 改进灰狼算法跟踪仿真实验

3.1 跟踪算法仿真设计

MATLAB是一种应用范围很广的科学与工程计算软件。MATLAB中的 Simulink建模方法简单、直观，各种模块都具有很强的实用性。在MATLAB/Simulink平台上，利用Simulink现有的组件来建立最直接的组件，但是建模过程非常繁琐，而且很多组件都不适合进行调试和调试。另一种是写出M函数的光电板，这两种方法都是在这篇文章中进行的。通过输入电压U，光强度G，温度T，即可计算出电流I，并由此得出光电电池I-U和P-U曲线。在此基础上，采用MATLAB/Function等功能，建立了一个基于MATLAB/Function的光电电池模型。由于光电电池模拟的输出只有输出电流，因此必须建立一个物理界面模型，以使其能够进行串联并联。图2是光电板物理接口的设计，它包括两个正、负两个接口，可以方便地构建各种尺寸的太阳能光伏阵列。设定的参数设定为：环境温度T=25℃，输入电压为斜坡函数，运算法则为ode45，模拟时间为30秒，最大步长为0.1。

图1 光伏电池模块示意图

图2 光伏电池物理端口示意图

最后，利用 MATLAB编制了三个 MPPT算法，用于模拟实验，即电导率递增法，原始灰狼算法，以及改良的灰狼算法。在图3中可以看到：

图3 最大功率跟踪算法示意图

3.2 传统算法对比实验

为检验该方法的有效性和优越性，在上表中设定了一个局部阴影场景，并将该方法与改进的灰狼方法进行对比，并对该方法进行了可行性分析。如果一片太阳能电池板被挡住，那么太阳能电池的功率就会被放大，而电导率增量法并没有搜索到最大的能量，只能搜索到6.56瓦的本地功率，从图4可以看出，通过改进的灰狼算法，可以找到7.85瓦的最大功率。以下检验在遮蔽了两个光电阵列的光电发电系统在光照条件3中时的电力追踪。

图4 遮挡一块时电导增量法与本文算法对比实验对比图

3.3 原始灰狼算法对比实验

为了检验灰狼算法的优点，本文将灰狼算法和灰狼算法进行了比较。安装的太阳能电池系统是4个并联的太阳能电池，其他的都是串联的。表1是不同遮阴条件下两种算法的数据比较。通过对四种不同的功率-时间关系的分析，我们得到了如下的结果：

表1 两种算法对比结果统计表

(1)虽然在光照相同的情况下，原始灰狼算法与我们的算法都能达到最大的跟踪功率，但是相对于灰狼方法来说，我们的算法要快1.06秒。因此，该方法的使用时间更短，更高效;

(2)在优化了收敛性因子的收敛性后，灰狼算法从以往的线性收敛性变为非线性收敛性，同时也反映出了该算法在搜索过程中具有非线性的特点，从而加快了搜索的速度。

(3)优化后的灰狼算法采用了一套（群体）的策略。在本示例中，搜索的程序过程以一组随机的初始状态人口（多方案）为起点，并在传递期间持续地加强这个群体。多个备选方案分享了搜索空间的相关信息，这样就能快速地将候选对象转移到搜索空间中可能存在的区域。

4 小结

本文首先设计整个仿真模型，包括光伏阵列模块，MPPT控制算法模块，PWM脉冲模块以及电源模块等。然后利用MATLAB软件对模型进行了仿真分析和优化;Matlab软件包等。通过对模型进行优化和实验验证,最终确定了最优化的MPPT控制策略;然后利用该策略实现了光伏阵列输出功率的实时控制,并且在此基础上进一步提高了光伏阵列的发电效率;最后将上述结果与文献中提出的MPPT控制策略相比较,发现其具有较好的可行性。因此,为了更好地研究MPPT控制器的性能,本文采用MPPT控制策略来构建一个完整的光伏系统仿真模型,并且给出了相应的MPPT充电策略、放电策略及逆变器参数设置方案。同时,还建立了一个简单的MPPT仿真平台,用以方便用户使用,并且可以根据实际情况调整充电策略,从而使得MPPT能够适应不同类型的负载,满足用户的各种需求。