雷國平 羅秀英 張偉

摘? ?要：為了降低電能損耗、提高利用率，將光伏系統(tǒng)中局部陰影下最大功率點追蹤（MPPT）技術(shù)的跟蹤精度和速度提高就顯得很必要。文章首先綜述了光伏系統(tǒng)處于局部陰影情況下的算法及其優(yōu)缺點。其次，綜述了太陽能電池的數(shù)學模型。再次，對以粒子群算法為例的群體智能優(yōu)化算法進行了分析。最后，指出了局部陰影下全局最大功率點追蹤（GMPPT）的發(fā)展方向。

關(guān)鍵詞：局部陰影;全局最大功率點;數(shù)學模型;粒子群算法

在我國眾多高新技術(shù)中，發(fā)展速度最快的便是光伏發(fā)電產(chǎn)業(yè)。預計到2030年，世界能源的10%都來源于太陽能，到21世紀末，占比將高達60%。太陽能電池是將太陽能轉(zhuǎn)化為電能的重要媒介，關(guān)于如何提高電池功率的轉(zhuǎn)換效率一直是研究的熱點。

國內(nèi)外學者從如下幾個方面進行了研究：首先，研制轉(zhuǎn)換效率高且不貴的太陽能電池材料，目前已經(jīng)開發(fā)的實用級別晶體硅太陽電池單體轉(zhuǎn)換效率高達24.7%，由于其理論值為29%，在實際應用中最高只能達到26%。其次，太陽能電池板能自動調(diào)節(jié)其物理位置，讓太陽光盡可能以最大面積照射到太陽能電池的表面。最后，通過調(diào)節(jié)電池的外接負載大小，進行最大功率點追蹤，讓電池的輸出功率保持在最大值[1]。

顯然，隨著電力電子技術(shù)的發(fā)展，對最大功率點追蹤（Maximum Power Point Tracking，MPPT）算法的研究成為提高太陽能利用率的一大趨勢，局部陰影下太陽電池的特性曲線呈多峰狀，傳統(tǒng)算法無法對全局最大功率點（Global Maximum Power Point，GMPP）進行精準跟蹤，因此，對局部陰影下的MPPT算法進行研究具有重要意義。

1? ? 研究現(xiàn)狀

局部陰影的存在嚴重影響電能質(zhì)量，傳統(tǒng)算法存在無法跟蹤GMPP。為了避免多峰的出現(xiàn)，可以通過構(gòu)建動態(tài)鏈接的光伏陣列結(jié)構(gòu)、并聯(lián)有源功率補償器[2]等方法來實現(xiàn)，但是由于硬件設(shè)備的增加，成本也隨之增加。趙俊霞等[3]提出了新型多峰全局最大功率點跟蹤重構(gòu)算法，通過將已有的不同遮陰程度的光伏組件重新分類配置，有效避免多峰的出現(xiàn)，實驗表明，增加的輸出功率高達11.27%。

GMPPT算法在提高跟蹤精度和速度等方面也得到了改進。全局掃描法精度高，但是掃描范圍比較廣、耗時長，于是，戴華夏[4]提出基于POC法的GMPPT算法，分別在開路電壓和短路電流處開始向最大功率點掃描，該算法與全局掃描法相比較縮小了掃描范圍，節(jié)約了時間，因此，跟蹤速度和精度得到了提高。目前，復合MPPT算法是研究的重要趨勢，模糊控制電導增量法、恒電壓跟蹤法與增量電導法相結(jié)合、遺傳算法與模式搜索法組合、全局掃描和擾動觀察法相結(jié)合、遺傳算法與擾動觀察法結(jié)合等復合GMPPT算法，不僅保持了單一算法的優(yōu)點，還克服了傳統(tǒng)算法易陷入局部最優(yōu)的缺點，在一定程度上提高了局部陰影下算法的跟蹤精度和尋優(yōu)速度，但是算法的復雜程度也加深了。群智能算法應用廣泛，20世紀90年代提出蟻群算法和粒子群算法，21世紀初提出螢火蟲算法、天牛須搜索算法以及細菌覓食算法。細菌覓食算法全局搜索能力很強，但易早熟，精度不高，為了解決這一問題降低功率損耗，胡林靜等[5]提出了自適應細菌覓食優(yōu)化算法，并驗證了該算法可以應用于任何環(huán)境下。

2? ? 數(shù)學模型逐步優(yōu)化

理想的電池模型僅由線性獨立電源和一個二極管組成，不能很好地表現(xiàn)電池的特性，實用性差。實際應用中不可忽略接觸電阻和制作原因?qū)е码姵乇旧硐牡碾娔?，在理想模型中串?lián)電阻代表接觸電阻的損耗、并聯(lián)電阻代替電池本身的電能損耗[6]，使得電池模型能很好地體現(xiàn)電池的特性，又被稱為單二極管數(shù)學模型，精度較理想模型高。但是單二極管模型存在光照強度不夠、溫度較高時，開路電壓的輸出精度較差的缺點，為了克服這一缺點，雙二極管模型被提出。其中，新增的二極管表征載流子在耗散區(qū)產(chǎn)生的復合功率損失[7]，雙二極管電池數(shù)學模型將光伏電池的特性表現(xiàn)得更加全面了，在照度低以及溫度高的環(huán)境下也能保持開路電壓的輸出精度。但是隨著二極管數(shù)量的增加，系統(tǒng)參數(shù)也隨之增加，使得計算比單二極管模型復雜。

3? ? 群體智能優(yōu)化算法

MPPT技術(shù)的研究源于提高太陽能的轉(zhuǎn)換，在傳統(tǒng)算法中，間接控制算法中的恒定電壓法、插值算法等，直接控制算法中的擾動觀察法、電導增量法等均適用于無陰影的情況?；诂F(xiàn)代控制技術(shù)的人工智能算法在多峰下可以有效追蹤最大功率點，根據(jù)不同生物的行為提出的智能群算法不斷涌現(xiàn)，是技術(shù)上的一大進步。

3.1? 粒子群算法

粒子群算法應用廣泛，其思想是鳥群尋找隨機出現(xiàn)的食物，剛開始鳥群分布得比較寬，每只小鳥的距離較遠。隨著鳥群對食物的不斷靠近，鳥群集中的位置就是食物出現(xiàn)的位置，即小鳥代表粒子群算法中的粒子、食物代表最大功率點。粒子群算法的特別之處在于這是一場整體的運動，即多個粒子共同使用進化算子，進化算子對單個粒子不適用。粒子的更新依靠兩個“最優(yōu)解”，一是個體粒子最優(yōu)解，記為Pbest;二是整體最優(yōu)解，查重記為Gbest。

粒子算法結(jié)構(gòu)簡單，容易實現(xiàn)，該算法下光伏陣列輸出功率比傳統(tǒng)電導增量法更加穩(wěn)定。但是該算法在多峰值情況下進行最大點搜索時容易出現(xiàn)早熟收斂，慣性權(quán)重w取值不合適時會導致誤判，容易陷入局部最優(yōu)，因此，該算法跟蹤精度較差、跟蹤時間較長。由于在局部陰影下，光伏系統(tǒng)P-U特性曲線呈多峰狀，容易陷入局部最優(yōu)，所以該算法適用于P-U特性為單峰的均勻光照系統(tǒng)中，實用性不強。

3.2? 自適應精英變異混沌粒子群算法

一種自適應精英變異混沌粒子群算法[8]結(jié)合了自適應精英變異算法和混沌優(yōu)化算法，其工作原理是在粒子群算法初始化時加入混沌序列，使得粒子具有全局多樣性，迭代時使用混沌迭代，并對每一次迭代的最優(yōu)值進行自適應精英變異操作，使其跳出局部極值，從而找到全局最大功率點。

該算法的全局遍歷性能好，不易陷入局部最優(yōu)解，因此，局部陰影下亦能夠精準地追蹤到最大功率點。與粒子群算法相比，收斂振蕩減小了，跟蹤精度和速度也都提高了，能夠很好地適應動態(tài)環(huán)境。

3.3? 天牛群優(yōu)化算法

天牛群優(yōu)化算法在2017年提出的天牛須搜索算法基礎(chǔ)上引進了粒子群算法中的群體優(yōu)化思想，每次迭代后將天牛本身的位置作為占空比更新天牛自身的位置。更新天牛位置的方式有兩種，一是利用群體學習的方式使得每一只天牛都向全局最優(yōu)的天?？拷?，搜索速度快;二是借鑒天牛覓食原理，通過判斷左須與右須接收濃度將自身位置往濃度更濃的方向移動[9]。

該算法克服了粒子群算法和天牛須搜索算法的缺點，在不同模式的光照下均能跳出局部最優(yōu)，有效追蹤到GMPP。由于引進了粒子群算法的群體優(yōu)化思想，天牛改變自身位置的效率更高，即該算法追蹤GMPP的速度更快、精度更高，減少了功率損失，不僅保證了個體改進的優(yōu)點，還集合了群體互學的優(yōu)點，適用于均勻光照、局部陰影和復雜陰影的環(huán)境。

4? ? 結(jié)語

太陽能是一種清潔能源，可以轉(zhuǎn)化為熱能、化學能以及電能，據(jù)統(tǒng)計我國太陽能總能源的利用量僅次于美國。由房屋、樹木、云層、灰塵等形成的局部陰影會嚴重影響電能質(zhì)，2%～3%的陰影遮擋下電池發(fā)電量會下降20%。對數(shù)學模型逐步優(yōu)化、不同方法的有機結(jié)合、群體智能優(yōu)化算法等依舊是研究的重要方向，其目標就是提高GMPP的追蹤速度和精度。群體智能算法全局搜索能力較強，適用于局部陰影，但其算法復雜，因此，在對其不斷提高精度與速度的同時，簡化算法是GMPPT技術(shù)的又一研究方向。

[參考文獻]

[1]蔡威，吳海燕，謝吳成.光伏太陽能電池進展[J].廣東化工，2019（1）：84-85.

[2]顏景斌，佟堯，曹雷，等.局部陰影條件下光伏電池建模與輸出特性仿真[J].電源技術(shù)，2018（5）：682-688，692.

[3]趙俊霞，吳啟琴，張樂，等.局部陰影下光伏陣列最大功率追蹤（MPPT）算法[J].電源技術(shù)，2019（9）：1528-1530.

[4]戴華夏.光伏并網(wǎng)系統(tǒng)MPPT方法及能量損失研究[D].徐州：中國礦業(yè)大學，2015.

[5]胡林靜，劉凱，劉彤.局部陰影下光伏陣列MPPT控制策略研究[J].計算機仿真，2019（8）：87-91，102.

[6]賈文婷，魏學業(yè)，張俊紅，等.光伏陣列雙二極管簡化模型的建立與仿真[J].北京交通大學學報，2017（2）：89-93.

[7]許鵬，侯金明，苑登闊.基于雙二極管模型的光伏陣列模型優(yōu)化設(shè)計[J].計算機仿真，2013（11）：71-75.

[8]葛雙冶，楊凌帆，劉倩，等.基于改進CPSO的動態(tài)陰影環(huán)境下光伏MPPT仿真研究[J].電力系統(tǒng)保護與控制，2019（6）：157-163.

[9]王凡.基于天牛須搜索算法的人群疏散方法及仿真研究[D].濟南：山東師范大學，2019.

Application on maximum power point tracking technology under partial shadows

Lei Guoping， Luo Xiuying， Zhang Wei

（School of Electronic and Information Engineering， Chongqing Three Gorges University， Chongqing 404100， China）

Abstract：It is necessary to improve the tracking accuracy and speed of the MPPT technology in the algorithm to avoid reducing the power loss in the output of the photovoltaic system under partial shading conditions. Based on the partial shadow situation， this paper first summarizes the related algorithms， secondly summarizes the mathematical model of solar cells， and then uses particle swarm optimization as an example to analyzes the swarm intelligence optimization algorithm. Finally， the research directions of GMPPT under partial shadows are summarized.

Key words：local shadowing; global maximum power point; mathematical model; particle swarm optimization