邰可欣 莫程凱

摘 要：針對(duì)光伏系統(tǒng)中最大功率跟蹤（MPPT）問題，本文先對(duì)光伏系統(tǒng)進(jìn)行數(shù)據(jù)建模，再通過大量文獻(xiàn)分析，對(duì)智能算法中的遺傳算法、BP神經(jīng)網(wǎng)絡(luò)、模糊控制以及蟻群算法在光伏系統(tǒng)MPPT中的控制方法、過程進(jìn)行總結(jié)。

關(guān)鍵詞：MPPT;遺傳算法;BP神經(jīng)網(wǎng)絡(luò);模糊控制;蟻群算法

中圖分類號(hào)：TP18? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? 文章編號(hào)：1003-5168（2021）24-0012-04

Application of Intelligent Algorithm in MPPT

TAI Kexin? ? MO Chengkai

（School of Electrical Engineering， University of South China ， Hengyang? Hunan? 421000）

Abstract：Aiming at the problem of maximum power point tracking （MPPT） in photovoltaic system， this paper firstly makes data modeling of photovoltaic system， and then summarizes the control method and process of genetic algorithm， BP neural network， fuzzy control and ant colony algorithm in MPPT of photovoltaic system through a large number of literature analysis.

Keywords： MPPT; genetic algorithm; BP neural network; fuzzy control; ant colony algorithm

目前，全球能源結(jié)構(gòu)正在從煤炭、石油、天然氣三大化石能源向新能源轉(zhuǎn)變。光伏發(fā)電作為新能源發(fā)電的代表之一，投入的工程量與研究量逐年增大。為了使光伏發(fā)電的效率達(dá)到最大，不僅需要在光伏發(fā)電的選址、光伏組件的優(yōu)化上進(jìn)行大量的工程資金投入，更需要對(duì)光伏系統(tǒng)控制算法進(jìn)行大量研究。最大功率跟蹤（MPPT）是光伏系統(tǒng)中的一個(gè)重點(diǎn)研究方向，通過對(duì)光伏陣列的輸出電壓電流運(yùn)算分析，從而獲得在該環(huán)境下的最大功率數(shù)值，再通過脈沖寬度（PWM）占空比調(diào)制，來改變光伏陣列的輸出電壓，使輸出功率達(dá)到最大值。

面對(duì)更加復(fù)雜的環(huán)境變化時(shí)，對(duì)最大功率的判斷容易陷入局部最優(yōu)。隨著智能算法逐漸走向成熟，有著較好的全局尋優(yōu)能力，而光伏系統(tǒng)最大功率跟蹤本質(zhì)也是尋優(yōu)過程，因此，智能算法在MPPT中的應(yīng)用有著巨大的應(yīng)用前景。智能算法的本質(zhì)是一種具有并行、高效、全局搜索的尋優(yōu)方法。本文將分析智能算法中的遺傳算法、神經(jīng)網(wǎng)絡(luò)算法、模糊控制、蟻群算法在MPPT中的應(yīng)用，對(duì)于智能算法在MPPT中的應(yīng)用進(jìn)行綜合分析以及前景展望。

1 光伏系統(tǒng)數(shù)學(xué)模型

光伏電池將太陽能轉(zhuǎn)換成電能的本質(zhì)是利用具有P-N結(jié)的半導(dǎo)體器件的光生伏打效應(yīng)，吸收足夠太陽光中的光子能量，使半導(dǎo)體器件中的帶價(jià)電子發(fā)生躍遷，從而產(chǎn)生光生電流。為了滿足現(xiàn)實(shí)應(yīng)用中光伏效應(yīng)在不同環(huán)境下的工作狀態(tài)[1]，通常選取7個(gè)性能指標(biāo)作為衡量標(biāo)準(zhǔn)：開路電壓[UOC]、短路電流[ISC]、最大工作電壓[Um]、最大工作電流[Im]、最大輸出功率[Pm]、填充常數(shù)以及轉(zhuǎn)換效率。光伏電池的等效電路，如圖1所示。

根據(jù)電路原理，由圖1可知：

[I=IPH-ID-ISH]? ? ? ?（1）

[U=UD-RSI]? ? ? ? （2）

由資料可得：

[ID=I0expqUDAKT-1]? ? ?（3）

通過對(duì)元器件分析，并且結(jié)合實(shí)際選擇中參數(shù)的大小，可以將光伏的輸出電流簡化為：

[I=ISC-I0expqUDAKT-1]? ? ?（4）

式中，[I0]為光伏電池中等效二極管的反向飽和電流（常數(shù)，數(shù)量級(jí)為10-4）;[q]為電子電荷（[1.6×10?19 C]）;[K]為玻爾茲曼常數(shù)（[1.38×10?23JK]）;[A]為太陽能電池內(nèi)部參數(shù);[T]為絕對(duì)溫度。

再通過考慮光伏電池工作在最大功率時(shí)和開路狀態(tài)下的電流電壓關(guān)系，可得到光伏電池的近似表達(dá)式：

[IL=ISC1-C1expUC2UOC-1]? ? （5）

上式中[C1]、[C2]分別為兩個(gè)系數(shù)，可以通過已知條件求解，得到以下表達(dá)式：

[C1=1-ImIscexp-UmC2UOC]? ? ?（6）

[C2=UmUOC-1ln1-ImISC]? ? （7）

當(dāng)搭建光伏系統(tǒng)的數(shù)學(xué)模型時(shí)，通過選用光伏電池廠家所提供的短路電流、開路電壓、最大電流、最大電壓和最大功率5個(gè)性能指標(biāo)，可以模擬不同溫度、光照下的光伏電池輸出特性。

2 遺傳算法在MPPT中的應(yīng)用

遺傳算法是由美國的J. H. Holland教授提出的基于生物基因遺傳學(xué)而衍生出來的尋優(yōu)算法。在物競天擇的基礎(chǔ)背景下，通過對(duì)初代種群中最優(yōu)個(gè)體基因進(jìn)行選擇遺傳，非最優(yōu)個(gè)體的基因進(jìn)行交叉變異，然后組成二代種群，之后再對(duì)二代種群中的最優(yōu)個(gè)體基因選擇遺傳，非最優(yōu)個(gè)體交叉變異，以此類推，直至找到所有種群中的最優(yōu)個(gè)體。遺傳算法中的核心步驟是編碼、種群初始化、個(gè)體評(píng)價(jià)、遺傳和交叉變異[2]。