本發(fā)明涉及光伏系統(tǒng)，特別涉及一種基于β參數(shù)的多峰值最大電功率跟蹤控制方法。

背景技術：

當光伏組串發(fā)生局部遮擋時，如圖1所示，其p-v曲線上會出現(xiàn)多個局部最大功率點(localmaximumpowerpoint，lmpp)和一個全局最大功率點(globalmaximumpowerpoint，gmpp)，如圖2所示。此時，傳統(tǒng)的mppt算法如，擾動觀察法(perturb&observe，p&o)、電導增量法(incrementalconductance，inc)、beta法等，可能將無法輸出在其最大功率，從而造成發(fā)電效率下降。

為了能夠解決這問題，很多gmppt算法被提出。根據(jù)其算法類型，可大致分為以下三種：

(1)人工智能(artificialintelligent，ai)算法，如模糊邏輯(fuzzylogiccontrol，flc)，粒子群優(yōu)(particleswarmoptimization，pso)，模擬退火(simulatedannealing，sa)等。其優(yōu)點在于追蹤精度高，適應性強。但其缺點主要在于計算復雜、實現(xiàn)困難，且需要人工設定大量參數(shù)以確保其能穩(wěn)定工作。

(2)階段性搜索方法(segmentalsearch)。此類算法一般基于一些數(shù)學理論，如斐波納契線性搜索(fibonaccilinesearch)、利普希茨連續(xù)(lipschitzcontinuity)等。此類算法與ai算法相比較為簡單、易于實現(xiàn)，且適應性較強。但是，其準確性較低，有可能找不到gmpp。

(3)兩步法(two-stagemethod)。此類算法一般分為兩步：首先，算法先找到所有l(wèi)mpp，并從中確定gmpp；然后，傳統(tǒng)的mppt算法，如p&o、inc等，用來精確追蹤gmpp并將其維持以輸出最大功率。相對于前兩種方法，此類算法更為靈活。其算法實現(xiàn)難易度、追蹤精確度以及算法適應度主要取決于其算法第一步，即如何確定gmpp的大致位置。目前，此類算法大多數(shù)基于0.8voc的算法模型，其代表作為h.patel所提出的算法。

雖然h.patel算法優(yōu)點在于簡單明了。但是，其缺點主要在于1)可能存在誤判的現(xiàn)象；2)追蹤速度慢，效率低。

基于以上論述，本文提出一種基于β參數(shù)的多峰值最大電功率跟蹤控制方法。此算法不僅追蹤精確度高，而且簡單明了易于實現(xiàn)，同時還能確保追蹤速度快，效率高。

技術實現(xiàn)要素：

本發(fā)明目的是：提供一種基于β參數(shù)的多峰值最大電功率跟蹤控制方法，追蹤精確度高，簡單明了易于實現(xiàn)，同時還能確保追蹤速度快，效率高。

本發(fā)明的技術方案是：

1.一種基于β參數(shù)的多峰值最大電功率跟蹤控制方法，包括：

s1、首先定義光伏組串的等效主導電壓vdomi，為

vdomi＝vstring-(n-1)×vs+(m-n)×vd(1)；

其中vstring為整個光伏組串的輸出電壓，m為光伏組串的光伏組件數(shù)量，n為

其中，voc為光伏組件的開路電壓，α為常量；

公式(1)中，vd為光伏組件的旁路二極管壓降，vs為線性直流電壓源，其近似為

其中vmpp,stc、impp,stc為光伏組件在標準測試環(huán)境下位于mpp點的電壓、電流值；voc,stc為光伏組件在標準測試環(huán)境下開路電壓；

s2、根據(jù)公式(1)-(3)，將整個光伏組串的i-v曲線進行劃分，劃分出帶有峰值的曲線部分；

s3、定義變量βdomi，為

其中c＝q/(nsakt)，是光伏特性參數(shù)；根據(jù)公式(4)，可將步驟s2中劃分的每部分進一步進行劃分，使所有的峰值，包括lmpp和gmpp，均在βmax和βmin范圍內(nèi)。

s4、再采用傳統(tǒng)的beta法，分別步驟s3劃分的區(qū)間進行追蹤，求出整個光伏組串的gmpp。

優(yōu)選的，所述常量α，其值設為0.8～0.95之間。

本發(fā)明的優(yōu)點是：

本發(fā)明提出的一種基于β參數(shù)的多峰值最大電功率跟蹤控制方法，不僅追蹤精確度高，而且簡單明了易于實現(xiàn)，同時還能確保追蹤速度快，效率高。

附圖說明

下面結合附圖及實施例對本發(fā)明作進一步描述：

圖1為發(fā)生局部遮擋的光伏組串的示意圖；

圖2為光伏組串的i-v曲線和p-v曲線。

圖3為發(fā)生局部遮擋的光伏陣列在第一種情況下的電氣特性；

圖4為圖3所述第一種情況下的i-v曲線；

圖5為發(fā)生局部遮擋的光伏陣列在第二種情況下的電氣特性；

圖6為圖5所述第二種情況下的i-v曲線；

圖7為發(fā)生局部遮擋的光伏陣列在第三種情況下的電氣特性；

圖8為圖7所述第三種情況下的i-v曲線；

圖9為光伏組串的i-v曲線及其等效劃分區(qū)間的示意圖；

圖10為光伏系統(tǒng)原理圖；

圖11為仿真結果的示意圖。

具體實施方式

當光伏組串發(fā)生如圖1所示的局部遮擋時，根據(jù)其工作狀態(tài)，可分為三種情況。

1.當moduleb和modulec因被旁路二極管短路而停止工作時，其電氣特性表現(xiàn)為兩個獨立的電壓源vd，如圖3所示。此時，由于光伏組串電流istring主要由modulea來提供，因此光伏組串的i-v特性主要由modulea主導，如圖4所示。

2.同理，當僅有modulec因被旁路二極管短路而停止工作時，其電氣特性同樣表現(xiàn)為一個獨立的電壓源vd，如圖5所示。此時，由于modulea表現(xiàn)為一個線性電壓源vs，整個光伏組串的特性主要由moduleb主導，如圖6所示。

3.同理，當所有module都正常工作時，modulea和moduleb同時表現(xiàn)為一個線性電壓源vs，如圖7所示，整個光伏組串的特性主要由modulec主導，如圖8所示。

根據(jù)上述分析不難看出，當光伏組串發(fā)生局部遮擋時，其i-v特性在不同階段，分別由不同module所主導。此時，我們只需要追蹤此主導module，便可以追蹤到其對應的峰值mpp。在此，我們定義一個新的變量，即光伏組串的等效主導電壓(vdomi)，其可寫為

vdomi＝vstring-(n-1)×vs+(m-n)×vd(1)；

其中vstring為整個光伏組串的輸出電壓，m為光伏組串的module數(shù)量，n則由

其中，voc為光伏組件的開路電壓，α為變量，其值一般設在0.8到0.95之間。本文采用0.95。

公式(1)中，vd為旁路二極管壓降，本文設定為0.8v。vs為線性直流電壓源，其近似可由

其中vmpp,stc、impp,stc為光伏組件在標準測試環(huán)境下(standardtestcondition，stc)位于mpp點的電壓電流值，voc,stc為光光伏組件在stc下的開路電壓。

根據(jù)公式(1)-(3)，我們可以將整個光伏組串的i-v曲線，如圖9第一行的曲線線所示，進行劃分，其結果如圖9第二行的曲線所示。此時，為了能夠更快更準地追蹤mpp，我們接著引用一個變量βdomi，即

其中c＝q/(nsakt)是光伏特性參數(shù)。根據(jù)公式(4)，可將圖9第二行的曲線進一步進行劃分，即為圖9第三行的曲線部分。從圖9第三行的曲線部分可以看出，所有的峰值，包括lmpp和gmpp，均在βmax和βmin范圍內(nèi)。此時，只需要采用傳統(tǒng)的beta法，分別對這三個區(qū)間進行追蹤，即可求出整個光伏組串的gmpp。

如圖10所示，本發(fā)明的系統(tǒng)結構圖，其中包括了光伏陣列、dcdc變換器和mppt跟蹤模塊。其中太陽能陣列模擬器(pvemulator)用來模擬光伏陣列的輸出，dspace用來完成本算法的實現(xiàn)。

實驗結果如圖11所示。

上述實施例只為說明本發(fā)明的技術構思及特點，其目的在于讓熟悉此項技術的人能夠了解本發(fā)明的內(nèi)容并據(jù)以實施，并不能以此限制本發(fā)明的保護范圍。凡根據(jù)本發(fā)明主要技術方案的精神實質(zhì)所做的修飾，都應涵蓋在本發(fā)明的保護范圍之內(nèi)。