论文部分内容阅读
光伏发电作为利用太阳能的主要形式,具有环保、无污染、一次投资可用年限长等优点,但发电量随天气变化而变化,具有很强的随机性。在光伏发电系统输出功率发生较大波动时,传统最大功率点跟踪算法会出现跟踪失败情况,导致发电效率降低。因此如何在复杂情况下,准确的跟踪到最大功率点,对提高发电效率具有重要意义。本文主要研究工作如下:(1)光伏发电系统工作原理研究。通过研究光伏发电系统整体结构,对三种DC/DC变换电路进行比较,确立了Boost电路为DC/DC变换电路。该电路能有效提高输出电压的大小,且驱动电路较为简单易于操作。通过分析光伏电池的工作过程原理,建立光伏电池双二极管模型并在Matlab/Simulink中搭建了仿真模型,对光伏电池的输出特性进行分析。搭建4×2光伏阵列仿真模型,通过调节光照和温度,分析外界环境突变情况下对光伏阵列输出特性的影响。(2)传统最大功率点跟踪算法研究。对恒定电压法、扰动观察法和电导增量法跟踪过程进行研究,比较三种算法优缺点。传统的MPPT算法虽然逻辑简单,能在光照不变的情况下快速的跟踪到最大功率点附近,但由于检测精度的限制和算法自身的缺陷,在光照快速突变的情况下,算法会对跟踪方向判断错误,导致跟踪失败。(3)收缩粒子群算法研究。针对粒子群算法在遮阴情况下会出现陷入局部最优点的情况,对算法搜索过程进行改进,提出收缩粒子群算法。建立重复收缩机制和振荡收缩机制,对重复搜索其他粒子已搜索过区域和陷入局部峰值点振荡搜索的粒子进行收缩处理,缩减粒子种群个数。使算法迭代次数减少,避免重复搜索,精确的跟踪到最大功率点并缩短算法收敛时间。(4)算法惯性权重改进。通过添加惯性调节参数β,使算法前期以较大的惯性权重w值搜索,提高算法全局搜索能力避免陷入局部最优点,在算法运行后期,以较小的w值更加仔细的搜索空间,便于精确的寻找到最大功率点。设置算法重启条件,在光照强度改变时,重新启动算法对最大功率点跟踪。(5)收缩粒子群算法仿真验证。通过搭建仿真模型,在静态和动态情况下对算法进行仿真验证。输出结果证明,算法能有效减少粒子搜索次数,缩短算法收敛时间,在光伏发电系统出现遮阴情况时能准确跟踪到最大功率点。