基于细菌觅食算法的光伏系统MPPT仿真研究

巩瑞春 卢彩萍

摘 要：本文首先介绍了光伏系统最大功率点跟踪实现方法，并确定了算法仿真设计方案，然后对各个模块进行仿真搭建，最后在不同光照强度和温度下，对光伏电池输出特性进行MPPT仿真，有效地证明了细菌觅食算法的跟踪精度和可行性。

关键字：细菌觅食算法;光伏系统;MPPT;仿真

中图分类号：TM914.4文献标识码：A文章编号：1003-5168（2018）32-0138-03

MPPT Simulation of Photovoltaic System Based on

Bacterial Foraging Algorithm

GONG Ruichun LU Caiping

（School of Information Science and Technology，Baotou Teachers College，Baotou Inner Mongolia 014031）

Abstract： This paper first introduced the realization method of the maximum power point tracking of photovoltaic system， and determined the algorithm simulation design scheme， then simulated each module， and finally performed MPPT simulation on the output characteristics of photovoltaic cells under different light intensity and temperature. The tracking accuracy and feasibility of the bacterial foraging algorithm were proved.

Keywords： bacterial foraging algorithm;photovoltaic system;MPPT;simulation

最大功率点跟踪（MPPT）技术可有效提高光伏系统转换率。传统MPPT研究方法有很多，如恒定电压法、扰动观察法以及电导增量法，但这些算法在光伏系统被遮蔽情况下试验效果不是很理想，而且在实际复杂环境中，光伏系统输出特性曲线存在多极值问题，因此，为了进一步提高MPPT精度，将太阳能转化成电能，是MPPT技术未来发展与研究的主要方向。随着人工智能的发展，研究人员提出了一种新的群体智能优化算法——细菌觅食算法。其能摆脱局部最优值约束，具有跟踪速度快、全局寻优能力强和控制精度高的优点，被成功应用于光伏系统MPPT技术研究中。

1 最大功率点跟踪实现方法介绍

1.1 最大功率点跟踪原理

太阳能光伏电池阵列的MPPT控制通常是由DC/DC变换器完成，其原理如图1所示。

最大功率跟踪装置对光伏电池阵列输出电压、电流的变化进行实时检测，并将输出参考电压与调制波进行比较，生成PWM信号，控制Boost升压斩波电路中开关管的通断，使其占空比改变，从而改变输出电压，达到光伏阵列输出最大功率的目的[1]。

2.2 Boost升压斩波电路

Boost电路由电感、电容、电阻、二极管和IGBT组成，电路图如图2所示。

Boost电路实现升压原理如下：当开关管IGBT导通时，光伏并网发电系统输出直流电流过电感，电感电流上升，二极管处于断开状态，电容C向负载供电;当IGBT断开后，电感电流会产生感应电动势，电动势左负右正，迫使二极管导通，输入电压和电感两端电压叠加导致输出端电压高于输入端，通过改变脉冲的占空比获得想要的输出电压，实现了电压升压，达到输出功率最大的目的[2]。

2.3 PWM控制器的原理

PWM控制器是用来控制开关管IGBT的导通和关断，当脉宽发生变化时，IGBT输入信号占空比就会发生改变，从而改变输出电压，达到输出最大功率的目的。PWM控制器原理如圖3所示。

由图3可知，调制波为三角波，输出为PWM信号，当参考电压变小时，脉宽变大，占空比变大，输出电压变大;当参考电压变大时，脉宽变小，占空比变小，输出电压变小。

3 基于细菌觅食算法的光伏系统MPPT的设计思路

细菌觅食算法是基于人体肠道内大肠杆菌觅食行为而提出的一种新型仿生类群体智能全局寻优算法，主要依靠三种行为寻找最优解，即趋化行为、复制行为和迁移行为[3]。细菌觅食算法算法总流程如图4所示。

图4中Ned代表迁移的最大次数;Nre代表复制的最大次数;Nc代表趋化行为最大次数;j、k、l分别表示细菌第j次趋化、第k次复制和第l次迁移。

旋转和游动是细菌的两种趋化行为，通过这两种行为，细菌可以获得更好的生存环境。在MPPT跟踪中，为了快速搜索到最优解，当细菌旋转后，如果新位置适应度值变差，就向相反方向进行游动，直到达到规定步数或者适应度值不再改变[4]。

4 基于细菌觅食算法的Simulink的仿真

笔者在MATLAB/Simulink软件中搭建了MPPT仿真模型，如图5所示。PV_Model为光伏电池模型，算法是在S-Fuction文件程序中实现的。设计的总体思路如下：记录每个个体当前功率，作为初始化比较功率判定运动方向，如果新的功率值大于等于当前功率值，就让这个细菌向该方向游动一步，并且更新当前功率值和占空比;否则就向相反方向游动[5]。然后再对细菌种群功率值进行排序，功率值高的种群排到前面，功率值低的种群排到后面，然后对功率值高的种群进行复制，淘汰掉功率值低的细菌种群。细菌进行迁移操作，如果随机产生的迁移概率小于设定迁移概率，则设置当前功率为0;反之，细菌随机在新位置输出一个占空比。

接下来，在不同光照强度下进行细菌觅食算法的MPPT仿真。当光照强度为1 000W/m2和800W/m2时，仿真结果如图6所示。

输出功率波形图

当光照强度为800W/m2、500W/m2时，仿真结果如图7所示。

当光照强度为500W/m2、350W/m2时，仿真结果如图8所示。

由图6～图8可知，大约在0.43秒时，输出功率达到了最大值，在短时间内实现了收敛，跟踪到了最大功率点。

5 结论

本文针对光伏阵列在复杂环境下输出功率多极值的

问题，提出了利用细菌觅食算法跟踪光伏阵列最大功率点的解决方法。根据光伏电池电路模型以及算法流程设置相应参数，并对算法进行程序编写以及Simulink模块化控制，最终仿真试样表明，该算法可以在短时间内跳出局部最优值约束，准确找到最大功率点，提高光伏阵列输出效率。本次设计的目的是提高太阳能利用率，所以算法是以高收敛性、高输出效率为原则进行编写，最终达到了预期效果。

参考文献：

[1]杨淑莹，张桦.群体智能与仿生计算：Matlab技术实现[M].北京：电子工业出版社，2012.

[2]郑意，赵志刚，苟向峰.基于Simulink的太阳能光伏电池的建模及其输出特性仿真研究[J].兰州交通大学学报，2013（1）：99-100.

[3]彭志辉，姜锐，和军平，等.一种新型光伏系统最大功率点跟踪研究[J].太阳能学报，2013（6）：991-996.

[4]杨大炼，李学军，蒋玲莉.一种细菌觅食算法的改进及其应用[J].计算机工程与应用，2012（13）：31-34.

[5]郭海霞，石明磊，李娟.基于MATLAB光伏发电系统的MPPT控制与仿真[J].山西农业大学学报（自然科学版），2013（1）：76-82.