林宇杰

（广东电网有限责任公司佛山供电局）

0 引言

工业革命的发展进一步带动了能源革命，开启了大规模的化石燃料利用的序幕。当前社会经济的快速发展使得以煤、石油等为主的传统化石燃料的消耗不断增加，并出现了严重的枯竭现象［1］。而太阳能作为一种清洁、无污染、可再生的优质资源，逐渐受到人们的高度关注。当前，太阳能的利用主要可实现光热的转换和光电的转换，其中，光电之间的转换可以直接应用到光伏效应当中，将太阳辐射直接转化为电能。为了确保光伏发电系统能够始终保持稳定的运行状态，需要对光伏发电的功率进行实时监测，并针对其最大功率点进行获取，通过对最大功率点的有效控制，确保光伏发电系统的运行性能。早期针对光伏发电最大功率点的检测能够针对不同的负载调整相应的光伏阵列，并通过串并联的组合方式，实现最大功率的输出［2］。但是在实际应用中，这种检测方法由于受到周围环境因素的影响较大，并且实施难度较高，因此存在实时性差的问题，且对于天气情况存在剧烈变化的地区不宜采用。因此，针对这一问题，为提高检测方法的适应性，本文结合阶跃响应，对光伏发电最大功率点检测方法进行优化设计研究。

1 基于阶跃响应的光伏发电最大功率点检测

1.1 构建光功率捕获数学模型

根据太阳能动力学原理，将光功率捕获的机械能和机械转矩以如下公式表示，其中机械能的表达式如式（1）所示：

式（1）中，P表示光功率捕获的机械能；ρ表示空气密度；R表示太阳电池半导体横截面半径；V表示光照强度；Cp（β，λ）表示光能利用系数。

光功率捕获机械转矩表达式如式（2）所示：

式（2）中，λ表示光伏发电机的运行速率。将式（1）和式（2）作为光功率捕获的数学模型，为后续模型的线性化处理提供模型基础。

1.2 基于阶跃响应的模型线性化处理

在光伏发电机运行过程中，其补偿器的增益数值越大，则其转矩补偿的作用越大，当增益数值为零时，则补偿作用同样为零［3］。在这一特点的基础上，针对本文上述构建的光功率捕获数学模型，需要结合阶跃响应对其进行线性化处理，得到线性化公式为：

式（3）中，δ表示稳态工作点下的光照强度；Tm表示电池温度；K表示增益数值。式（3）中，增益数值K的计算公式为：

按照式（3）和式（4）得出线性化结果并将其作为最优转矩计算输出，将不同增益数值条件下的光伏发电功率的阶跃响应曲线进行绘制，并得到如图1所示的曲线结果。

图1中KI、KII和KIII分别为三个不同数值的增益，其中KI为1，KII为0.5，KIII为0。从图1可以看出增益数值越大，光伏发电系统的阶跃响应速度越快，达到稳定状态时所消耗的时间越短，并且没有出现超调现象。但在达到阶跃时负脉冲幅值较大，其主要原因是随着系统运行响应速度的不断提高，光伏阶跃引起的功率输出出现了较大的转变［4］。根据上述得出的结论，在对光伏发电最大功率点进行检测时，应当结合改进OTC法对最大功率点进行检测和跟踪，从而防止在暂态过程中出现超调的现象，确保检测方法的动态特性。

图1 不同增益数值条件下的阶跃响应曲线图

1.3 最大功率点实时检测与跟踪

通过上述论述可知，在光伏发电系统运行过程中，光照强度与电池温度和光伏电池的输出功率之间存在非线性的关系，因此在对其最大功率点进行检测时，本文引入SVR算法，通过该算法克服传统机器学习算法在运算过程中存在的问题，实现对最大功率点的检测。将SVR算法输入计算机当中，得到光伏发电系统电池输出电压随时间变化的数值，如下表所示。

表 光伏发电系统电池输出电压记录表

通过上表的光伏发电系统电池输出电压变化数据可以看出，随着运行时间的增加，其输出电压呈现出缓慢下降的趋势，在0.20～0.30s时间范围内出现了轻微的上浮，但总体电压变化趋势并不明显。同时，在这一过程中对光照强度进行检测，在0.05～0.1s时，光照强度和温度是恒定不变的；在0.10～0.15s时，光照强度出现逐渐减弱的现象，而温度仍然保持着恒定不变的状态；在0.15～0.20s时，光照强度呈现出逐渐减弱的趋势，而温度也随之出现不断降低的趋势；在0.20～0.25s时，光照强度始终保持恒定不变，而温度出现明显降低趋势。综合上述变化趋势，对光伏发电系统的最大功率点进行检测，采用网格搜索法，通过对搜索参数范围以内划分的网格结构进行搜索，找出在该范围内最优的参数。在搜索前需要将历史电压数据作为依据，对历史最大功率点电压数据进行归一化处理，其表达式为：

式（5）中，x*表示归一化处理后的电压数据；xmin表示为最小电压数据；xmax表示为最大电压数据；x表示为电压数据集合中的任意一个数值结果。按照上述公式计算，完成对电压数据的归一化处理后，还需要结合高斯RBF核函数实现对网格搜索的训练，其公式为：

式（6）中，k（x，y）表示网格结构中的某一坐标点；－g表示核函数参数。完成对网络搜索的训练后，为了找出最精确的最大功率点，将搜索的范围设定在光伏发电系统电池输出电压变化幅度较大的区域范围内，并将初始的搜索步长设置为10，采用交叉验证的方法对被搜索范围内的所有功率点进行测试［5］。再调整步长大小，将寻优结果的搜寻范围逐渐缩小，最终在最小的范围内确定最优参数，该数值结尾最大功率点所在位置，以此实现对最大功率点的检测与跟踪。

2 对比实验

完成对基于阶跃响应的光伏发电最大功率点检测方法理论研究后，为了进一步验证该方法在实际应用中的优势，选择某电力企业的光伏发电系统作为实验对象，根据光伏发电原理，通过Matlab平台设计一个双馈异步光电循环发电机组，并进行下述实验验证。实验过程中，选择将传统检测方法作为对照组，将本文提出的基于阶跃响应的检测方法作为实验组，将两种检测方法同时应用到上述双馈异步光电循环发电机组当中，针对光伏发电系统在运行过程中的最大功率点进行检测。人为在光伏发电系统当中设置10～80个不等的最大功率点，利用两种检测方法完成对其最大功率点的检测后，将结果进行记录，并将其与设定的实际最大功率点电压进行对比，得到如图2所示的实验结果。

从图2得出的实验结果可以看出，实验组与对照组相比明显更加接近实际值最大功率点电压的变化曲线。在实验过程中，在最大功率点个数为30～45个范围内，对照组曲线与实际值曲线相差较大的主要原因是，在这一段检测时间当中，由于受到了雷雨天气的影响，使得光伏发电系统当中的电池温度和光照强度都发生了明显的变化，对照组的检测方法受到了较大影响，而实验组的检测方法能够结合阶跃响应实现对上述问题出现时对光伏发电情况的准确预测，因此得到的检测结果精度更高。通过上述实验及得出的实验结果进一步说明，本文提出的基于阶跃响应的光伏发电最大功率点检测方法在实际应用中能够保证检测结果与实际相符，有效提高检测精度，为光伏发电系统的稳定运行提供数据条件。

图2 实验组与对照组实验结果对比图

3 结束语

为实现对光伏发电最大功率点的高精度检测，在明确光伏发电原理的基础上，结合阶跃响应提出一种全新的检测方法，并结合实验证明了该方法与其他检测方法相比存在的优势。随着数字处理器性能的不断提高，本文还将数字处理器应用到对光伏发电最大功率点检测方法当中，从而进一步提高检测方法的有效性和实时性，促进光伏发电系统运行效率的提升。