论文部分内容阅读
光伏发电作为一种非常重要的能源转换形式,已成为国内外高度重视的技术发展方向。然而,其发电效率是制约光伏发电系统快速发展的重要问题之一。因此,研究最大功率点跟踪(maximum power point tracking,MPPT)问题非常重要。目前,国内外研究者在MPPT控制策略中提出了许多科学算法,这些算法一般存在着输出功率低、收敛速度慢和跟踪精度低等问题。因此,对于现存的诸多问题,本文将以粒子群-细菌觅食混合算法为基础,应用于光伏阵列的MPPT。根据光伏电池的内部结构、基本原理和数学模型,利用MATLAB/Simulink软件搭建光伏电池模型。利用光伏电池模型对不同辐照度和温度条件下光伏电池的I-U和P-U特性曲线进行仿真实验分析。通过对光伏电池输出特性的分析,研究MPPT控制策略和改进方法。本文采用基于粒子群(particle swarm optimization,PSO)算法控制策略的设计方案,并对其设计方案进行验证。该控制策略能够快速、准确地定位出光伏发电系统的全局最大功率点(maximum power point,MPP)。分别引入扰动观察(perturbed and observation,P&O)法和电导增量(increment conductance,INC)法,设计基于PSO-P&O算法的MPPT控制方案和基于PSO-INC算法的MPPT控制方案,对比分析其跟踪效果。针对传统算法的不足,本文重点引入细菌觅食(bacterial foraging,BF)算法,提出基于PSO-BF算法协调控制光伏发电系统的MPPT设计方案。详细分析该方案的设计过程,并利用MATLAB/Simulink仿真软件验证该控制器的设计方案。结果表明,基于PSO-P&O算法的MPPT控制系统,其能够快速收敛于全局MPP,但在MPP附近仍存在较大的振荡,造成功率损耗。基于PSO-INC算法的MPPT控制系统中,该算法能够收敛于全局MPP附近且无明显的振荡,但其收敛速度逊于PSO-P&O算法。基于PSO-BF算法的MPPT控制系统能够快速地收敛于全局MPP。该算法在收敛性和跟踪精度方面优于PSO算法,同时PSO-BF算法在全局MPP的寻优能力明显优于BF算法。相比于PSO-P&O算法,PSO-BF算法在MPP附近无明显的振荡。PSO-BF算法的收敛速度优于PSO-INC算法。并且该设计方案在MPPT控制过程中,其跟踪时间控制在0.05s以内。于是,本文所设计的MPPT控制器可以有效地保证光伏系统输出端的稳定性,并能更好地保证效率的最大化和算法的跟踪精度。图[59]参[63]表[2]