论文部分内容阅读
在光伏发电过程中,光伏阵列将不可避免遇到如建筑物阴影、云层遮挡和灰尘覆盖引起的局部阴影问题。当光伏阵列处于局部阴影条件时,其输出的P-U曲线上会同时存在多个极值点,传统的最大功率点跟踪(MPPT)算法此时有可能失效,无法准确找到最大功率点。针对这一问题,需要研究寻优效果更好的MPPT控制策略来解决局部阴影下的最大功率点跟踪问题。因此,本课题分别从人工智能寻优和复合控制两方面对局部阴影下的光伏阵列MPPT控制策略进行了研究,主要研究内容如下:(1)针对传统粒子群算法在局部阴影条件下的最大功率点跟踪易陷入局部最优问题,提出了一种基于迁徙策略的自适应粒子群(MISPO)算法,MIPSO算法先将随机生成的初始粒子群划分成若干个子种群,在每个子种群的迭代过程中采用了线性递减的惯性权重和动态变化学习因子,同时引入迁徙策略与评价算子,通过评价算子对子种群的多样性进行评判,然后对多样性低的子种群执行迁徙操作,以增强粒子间的信息交流。实验结果表明,改进后的粒子群算法在最大功率点跟踪上准确率更高,提高了算法的收敛速度与跟踪精度。(2)针对传统的单一MPPT算法无法同时兼顾动态性和稳态性的问题,提出了一种复合方法的MPPT控制策略,该方法将遗传算法和变步长扰动观察法相结合,吸收两者的优点,对局部阴影下的MPPT控制策略进行研究。在控制初期采用遗传算法进行搜索,快速跟踪到最大功率点附近,在最大功率点附近采用变步长扰动观察法进行精确搜索,使其稳定在最大功率点处。实验结果表明,复合算法对于局部阴影下的最大功率点跟踪寻优效果更好,在跟踪精度和速度上相比于传统单一MPPT算法有一定提高。(3)以DSP2812为基础设计了MPPT控制器。硬件电路包括驱动电源电路、电压与电流采样电路、驱动电路、RCD缓冲电路。软件设计包括系统初始化程序、AD采样中断程序和PWM输出中断程序。搭建了局部阴影下的MPPT实验模拟平台,验证了提出的两种不同控制策略的可行性与准确性,具有良好的应用前景。总之,本文提出的改进MPPT算法能够准确跟踪到局部阴影下的最大功率点,缩短了跟踪速度,提高了跟踪精度,具有一定的实用价值和研究意义。