北京航空航天大学学报 ›› 2017, Vol. 43 ›› Issue (6): 1141-1148.doi: 10.13700/j.bh.1001-5965.2016.0478

• 论文 • 上一篇    下一篇

复杂遮蔽条件下光伏多峰出力特征及GMPPT控制

陈明轩, 武建文, 马速良, 黄炼   

  1. 北京航空航天大学 自动化科学与电气工程学院, 北京 100083
  • 收稿日期:2016-06-03 出版日期:2017-06-20 发布日期:2016-11-02
  • 通讯作者: 武建文,E-mail:wujianwen@vip.sina.com E-mail:wujianwen@vip.sina.com
  • 作者简介:陈明轩 男,博士研究生。主要研究方向:电力电子技术在新能源领域应用、分布式能源系统与控制;武建文 男,博士,教授,博士生导师。主要研究方向:电力电子技术、智能电器;马速良 男,博士研究生。主要研究方向:微电网群控制、电力电子变换器建模及非线性控制、储能技术及控制;黄炼 男,硕士研究生。主要研究方向:新能源接入、分布式能源系统与控制、电力电子技术。
  • 基金资助:
    国家自然科学基金(51377007);高等学校博士学科点专项科研基金(20131102130006)

Photovoltaic multi-peak output characteristics and GMPPT control under complex shaded condition

CHEN Mingxuan, WU Jianwen, MA Suliang, HUANG Lian   

  1. School of Automation Science and Electrical Engineering, Beijing University of Aeronautics and Astronautics, Beijing 100083, China
  • Received:2016-06-03 Online:2017-06-20 Published:2016-11-02
  • Supported by:
    National Natural Science Foundation of China (51377007); Specialized Research Fund for the Doctoral Program of Higher Education of China (20131102130006)

摘要: 针对光伏发电系统中最大功率点跟踪(MPPT)算法在遮蔽情况下失效问题,提出了一种基于δ势阱的量子粒子群全局MPPT(GMPPT)算法。结合光照强度变化时的光伏多峰值出力特征,从光伏最大功率点变迁角度出发,分析常规MPPT算法存在搜索盲区的原因,说明GMPPT寻优必要性。提出一种提高粒子多样性、搜索速度及收敛精度的量子行为粒子群优化(QPSO) 算法。在MATLAB/SIMSCAPE平台下,结合算例分析,对比标准粒子群优化(PSO)算法,验证所提优化算法在有效GMPPT的情况下,具有参数少、搜索快的特点,同时全局搜索能力强,防早熟效果明显,适用于GMPPT的实现。

关键词: 光伏发电, 光伏阵列, 局部阴影, 全局最大功率点跟踪(GMPPT), 量子行为粒子群优化(QPSO)算法

Abstract: Aimed at solving the failure problem of the maximum power point tracking (MPPT) algorithm caused by partially shaded condition in the photovoltaic power generation system, a global maximum power point tracking (GMPPT) algorithm based on δ-potential well is proposed. Based on the photovoltaic multi-peak output characteristics when the illumination intensity is changing, the reason of searching blind spot in conventional MPPT algorithm is analyzed in terms of maximum power point transition, and the necessity of GMPPT optimization is explained. A quantum-behaved particle swarm optimization (QPSO) algorithm is proposed to improve the particle diversity and increase the search speed and convergence accuracy. The algorithm was verified by MATLAB/SIMSCAPE and compared with the standard particle swarm optimization (PSO) algorithm. The results show that the proposed algorithm can track the global maximum power point effectively with fast searching speed, reducing the dependency on parameters and avoiding premature convergence of the algorithm.

Key words: photovoltaic power generation, photovoltaic array, partially shaded, global maximum power point tracking (GMPPT), quantum-behaved particle swarm optimization (QPSO) algorithm

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发