吳宏澤, 高 昕

(安徽理工大學電氣與信息工程學院，安徽 淮南 232001)

0 引 言

太陽能作為可再生能源，具有污染小、儲量充足和低成本的優(yōu)勢，光伏發(fā)電是高效利用太陽能領(lǐng)域里最具發(fā)展?jié)撃艿募夹g(shù)，正在逐步成為世界能源體系建設(shè)中的重要一環(huán)[1]。為提高光伏效率，實現(xiàn)光伏發(fā)電系統(tǒng)的最大功率點追蹤(Maximum Power Point Tracking, MPPT)，把輸出維持在最優(yōu)值就尤為重要。目前國內(nèi)外常用電導增量法、擾動觀測法等[2]進行MPPT控制，但是在動、靜態(tài)局部陰影情況下，光伏陣列輸出的P-U曲線呈多峰特點，難以定位到全局最大功率點，追蹤控制效果不佳，將使光伏陣列輸出效率大幅降低。鯨魚優(yōu)化算法(Whale Optimization Algorithm, WOA)相比于其他智能算法，需調(diào)節(jié)的參數(shù)少，運算速度也具備一定的優(yōu)勢，但其在跳出局部最優(yōu)的能力上有一定不足[3-5]。采用非線性迭代因子和自適應(yīng)權(quán)重因子優(yōu)化后的改進鯨魚算法(Improved Whale Optimization Algorithm, IWOA)，用MATLAB/simulink建模仿真，結(jié)果表明相比傳統(tǒng)算法，IWOA在動、靜態(tài)局部陰影情況下的MPPT控制中均有更好的效果。

1 光伏組件模型與輸出特性

1.1 光伏電池數(shù)學模型

光伏組件一般由多個光伏電池互相間以串并聯(lián)的形式組成，圖1表示光伏電池等效基本電路結(jié)構(gòu)。

電流源提供的Iph為光生電流分成三部分：流經(jīng)二極管D的Id，流經(jīng)并聯(lián)電阻Rsh的Ish，以及經(jīng)過串聯(lián)電阻Rs的輸出電流I.I可表示為式(1)：

(1)

式(1)中：Iph，I0分別為光生電流和反向飽和電流；q為基本電荷；U為光伏電池輸出電壓；T為溫度；A為PN結(jié)特性因子；k為玻爾茲曼常數(shù)。

1.2 局部遮陰情況

在均勻太陽輻射下，光伏陣列系統(tǒng)輸出的I-U曲線保持連續(xù)，P-U曲線也只有一個峰值功率點。而光伏陣列在被局部遮蔽的情況下，為避免熱斑效應(yīng)，需將光伏電池旁并聯(lián)二極管，但輸出的I-U曲線在這中情況下會呈階梯狀，P-U曲線則會存在多個峰值。全連接型(TCT)拓撲結(jié)構(gòu)的光伏陣列在呈現(xiàn)多峰值的局部遮陰情況時，相較于串并聯(lián)(S-P)結(jié)構(gòu)，具有更好的輸出性能[6]。在如圖2所示的局部遮陰下，兩種不同連接結(jié)構(gòu)的光伏陣列其輸出均呈多峰特性，輸出特性如圖3所示。

仿真結(jié)果可以看出，由于光伏陣列局部陰影下會呈現(xiàn)這種多峰的特性，這就會影響到傳統(tǒng)MPPT方法在追蹤時的效果，導致錯誤定位在局部最優(yōu)值。

2 改進鯨魚算法及應(yīng)用

2.1 基本鯨魚算法

2.1.1 包圍獵物

WOA在這個過程中主要模擬鯨魚種群包圍覓食的行為，領(lǐng)頭的個體發(fā)現(xiàn)獵物后，將其定義為當前最優(yōu)的位置，其余個體則更新自身的位置，向最優(yōu)鯨魚的位置靠攏，個體位置更新可由式(2)表示：

(2)

2.1.2 氣泡網(wǎng)攻擊

(3)

(4)

式(4)中：p取0和1間的隨機數(shù)。

2.1.3 搜捕獵物

為避免陷入局部最優(yōu)，在|A|≥1時會讓鯨魚群隨機更新自身位置，進行全局范圍的搜索，該過程的表達式為(5)：

(5)

2.2 鯨魚算法的改進

(6)

式(6)中：t為迭代次數(shù)；s為大于1的常數(shù)；Tm為最大迭代次數(shù)。

還需引入自適應(yīng)權(quán)重因子ω(t)，使其隨著迭代次數(shù)非線性地調(diào)控鯨魚種群在整個迭代過程中搜索的步長，ω(t)的表達式為(7)：

(7)

改進后更新位置的公式可由(8)表示：

(8)

由公式(7)，(8)可知，初始ω(t)的值較大，隨著迭代的進行其值會不斷減小，鯨魚種群的搜索范圍也會隨之收縮，這會使得前期算法的全局搜索能力較強，在后期則變成主要進行局部搜索，以此提高搜索的精度和速度。

3 仿真結(jié)果分析

利用MATLAB/Simulink仿真，選用上述的3×3TCT結(jié)構(gòu)的光伏陣列，輸出端接標準Boost升壓電路，再加上MPPT控制器與PWM發(fā)生器，組成光伏MPPT控制系統(tǒng)，如圖6所示。其中，光伏電池參數(shù)為：Uoc=32.8 V，Isc=7.15 A，Imp=6.65 A，Ump=26.2 V，溫度均定為25℃；Boost電路的參數(shù)為f=50 kHz，L=8 mH，R=45Ω，C1=130 μF，C2=200 μF。WOA的種群數(shù)N設(shè)置為3，最大迭代次數(shù)Tm為25；算法迭代次數(shù)達到Tm或者全體鯨魚位置的標準差小于0.03時，判定停止算法。

為驗證IWOA的可行性，考慮3×3光伏陣列輸出的P-U曲線最多3個峰值點的情況，按照圖7的方式進行光照強度分布，其中顏色由淺到深依次代表1000，600和200W/m2，每種方式的P-U曲線如圖8所示。分別在靜態(tài)和動態(tài)局部陰影條件下進行仿真，并與擾動觀察法和WOA進行MPPT對比分析。

(1)靜態(tài)光照

從圖9可以看出，在靜態(tài)光照下，IWOA不論有無局部陰影都能夠在0.3s以內(nèi)及時準確追蹤到TCT陣列的最大功率點。

(2)動態(tài)陰影

為模擬動態(tài)局部陰影情況，在0至1s時，光伏陣列處于未遮陰的狀態(tài)；在1s時將陰影方式由方式1突然變化至方式3，并維持1s的時間；在2s時將局部陰影方式由方式3突變至方式2，直至仿真結(jié)束。

從圖10可看出，在動態(tài)陰影下，擾動觀察法在單峰值的0至1s內(nèi)能夠快速追蹤到最大功率點，但在1s后陰影狀態(tài)突變時，功率值大幅下降，無法重新定位最大功率點；WOA雖然在動態(tài)陰影下能夠重新跟蹤功率值，但算法前期的波動時間較長，且無法精準定位在光伏陣列系統(tǒng)的全局功率峰值點；而IWOA在這種變化條件下能夠及時跳出局部功率峰值，準確定位到全局的最大峰值點。

由上述仿真結(jié)果可知，IWOA相比于傳統(tǒng)的MPPT方法追蹤速度快、精度更高，在動靜陰影狀態(tài)下都能很好適應(yīng)。

4 結(jié) 語

局部陰影下，傳統(tǒng)MPPT方法在追蹤呈現(xiàn)出多峰P-U特性曲線的光伏陣列時，會錯誤追蹤到局部峰值點，導致發(fā)電效率低下。加入非線性迭代因子和自適應(yīng)權(quán)重因子進行改進優(yōu)化后的鯨魚算法，在保留鯨魚算法特點的同時，更好地均衡了全局與局部搜索能力，提升了收斂速度和收斂精度，而且在動靜態(tài)陰影下也有更好的適用性。