欧阳名三,陈 伟

(安徽理工大学电气与信息工程学院,安徽 淮南 232001)

目前,太阳能已成为新能源开发利用的主要对象之一。多峰值最大功率点追踪 (Maximum Power Point Tracking,MPPT)控制是光伏发电系统的关键技术,但光伏阵列容易受到外界环境影响,形成局部遮阴,降低了面板的工作效率。因此,保证光伏电池板在非均匀光照下以最大效率工作,成为提高光伏系统效率的关键[1]。

针对多峰值MPPT易陷入局部最优的问题,国内外学者提出对传统算法进行改进,或采用智能算法进行全局寻优。主流的MPPT智能算法有粒子群优化算法[2]、遗传算法[3]、神经网络[4]和模糊控制[5]算法等。粒子群优化算法(Particle Swarm Optimization,PSO)针对多峰函数系统寻优具有良好性能,但在直接应用于多峰MPPT控制时,由于实际光伏特性与模型存在差异,且当系统有微小扰动时,会使输出功率与实际最大功率有一定差距,因此,国内外学者进一步提出对智能算法进行优化。比如,采用粒子群优化算法[6]进行MPPT控制,改进后的算法能够在一般环境下寻优,但当外界环境变得复杂时,有陷入局部最优的可能;还有学者[7-8]提出将粒子群优化算法和传统控制方法相结合,这种方法结合了智能算法和传统算法的优点,能够追踪到最大功率点,且功率振荡减小,但由于迭代与重启的设定不够精确,导致跟踪速度较慢;徐岩等[9]首次提出将自然选择机理与粒子群算法结合,该方法优化了粒子群算法的早熟收敛,但同样存在收敛时间较长的问题;闵轩等[10]提出使用模拟退火对协同式算法进行改进,虽然可达到目的,但控制难度较大。……