量子粒子群算法的MPPT技术

南京熊猫电子股份有限公司 胡 鹏 周 涛

由于可再生能源深受环境、气候等外部因素影响，作为光伏转换的重要组成部分，当光伏电池发生局部遮挡时，就会伴随出现其特性曲线的多峰值现象。对于该类情况，传统的电导增量法（incremental conductance,IC）、扰动与观察算法（perturb and observe,P&O）容易误追踪到局部最大功率点（local peak,LP），导致效率降低。所以，为了能够准确追踪到全局最大功率点（global peak,GP），从而保证转换效率，本文提出一种基于量子粒子群算法的最大功率点跟踪技术（maximum power point tracking technique,MPPT）。通过搭建Matlab仿真，其结果表明该算法不仅能跟踪到GP，而且能有效地减小稳态振荡。

在太阳能阵列中，如果出现至少一个光伏电池被遮挡的情况，即属于遮阴现象，若光伏阵列对此没有一些有效的应对保护措施，就会导致光伏系统整体功率的下降，并且受遮挡电池所在的光伏组件会成为负载而消耗功率。当因此消耗的功率过多时，会造成该组件局部温度过高，甚至导致组件毁坏。

为了尽可能地避免上述问题，可通过给太阳能阵列外接旁路二极管的方法进行解决。旁路二极管的工作逻辑设计如下：当太阳能阵列的电流未超过被遮挡电池的短路电流Isc时，受遮挡电池所在支路的旁路二极管不导通；否则，旁路二极管导通，使得电流不从受遮挡的组件上流过，从而降低由此引起的功率消耗。上述外接旁路二极管，在光照强度均匀照射下不起作用，但是，在受到不均匀光照强度照射时，由于旁路二极管的导通，便会造成太阳能阵列的特性曲线出现多峰值现象。

由此可知，当特性曲线出现多峰值时，传统MPPT方法不再奏效，且容易陷入局部最大功率点LP。针对该问题，本文提出了一种基于量子粒子群算法的MPPT技术，利用粒子群的全局搜索能力，达到精准追踪全局最大功率点GP的目的。

1 量子粒子群介绍

1995年，Kennedy和Eberhart二位学者受鸟群觅食行为的启发，提出了一种模拟鸟类觅食的智能算法，称为粒子群算法（particle swarm optimization,PSO）。该算法的速度、位置更新分别如式(1)、式(2)所示：

其中，V与X分别为粒子的速度、位置；w为权重，体现了对粒子速度的继承；c1、c2均为学习因子，c1表示的是一个“认知”部分，而c2则体现的是一个“社会”部分；r1、r2均为(0,1)内的随机数；Pik为经过k次迭代后第i个粒子的个体最优位置；Pg k为第k次迭代后的全局最优的粒子位置。

由上述对式(1)与式(2)的分析可发现，标准粒子群算法迭代公式虽然简单，但要设置的参数数量较多，如权重w、学习因子c1与c2。同时，标准粒子群的全局收敛能力差，容易陷入局部最优位置。为了有效解决上述问题，量子粒子群算法（quantum particle swarm optimization,QPSO）被提出。QPSO的迭代公式如下：

其中，N和D分别表示粒子的数目和维数；mbestk为第k次迭代时所有粒子个体最优位置的平均值；φ、μ均为(0,1)内的随机数，如果μ>0.5，式(5)取“-”号，否则相反；β为收缩扩张系数，同时，β是需人为设定的参数值。

基于QPSO算法的MPPT方法流程见图1所示。

图1 基于量子粒子群算法的MPPT方法流程图

本文中，将粒子数目N设定为3，维度D设定为1，而粒子的位置对应占空比。当粒子完成迭代时，表示所有粒子已全都依次送至DC/DC变换电路中。若迭代完成，本文所述算法会按照式(3)～(5)对所有粒子进行更新，并判断功率变化量|ΔP|的值是否小于P1，若满足，则将变量F置1。然后，将更新完毕的粒子再依次送至DC/DC变换电路中，并检测是否满足以下条件：|ΔP|值是否大于P1，且F值是否为1。若满足上述条件，则表明光伏阵列的工作状态发生了变化，需重新追踪全局最大功率点GP。此时，重启该算法，并将F清零。

2 仿真分析

在Matlab仿真平台上搭建了串联2块光伏组件的光伏阵列模型，同时每块组件均并联了旁路二极管。当光伏阵列受到表1的辐射强度照射时，其特性曲线将会出现两波峰现象，如图2所示。

表1 光伏阵列中各模块承受的光照强度

图2 光伏阵列特性曲线

图3所示展示了传统IC、P&O算法与本文所述方法在上述两种不同案例的仿真曲线。仿真时间共4s，可分为两个阶段，其中第一阶段为0～2s，辐照强度为案例1；第二阶段为2～4s，辐照强度分别为800W/m2、400W/m2，即案例2。

在第一阶段，光伏阵列的全局最大功率点如图2中GP1所示。此时，传统IC算法陷入了局部最大功率点LMPP，如图2中的LP1所示，其功率值为37.83W；而传统P&O算法与本文所述方法均跟踪到GP1。但前者的稳态振荡远大于后者。本文所提方法利用量子粒子群的全局搜索能力，追踪到的工作点功率值为60.83W，比传统IC算法增加了22.93W的功率值。

图3 MPPT仿真曲线

在第二阶段，全局最大功率点为图2中GP2，相应电压值为36.43V。由图3可知，传统IC算法与本文所述方法跟踪到工作点均能接近GP2，而传统P&O算法电压在14.1～18.2V波动，即陷入了局部最大功率点，为图2的LP2。综上所述，本文所述方法不仅能够跟踪到全局最大功率点，而且可有效地减小稳态振荡。

结语：针对光伏阵列的多峰值问题，本文提出了基于量子粒子群算法的MPPT技术，并与传统IC、P&O算法进行不同遮阴情况的仿真比较。由仿真结果可知，本文所述方法不但能准确追踪全局最大功率点，而且能减小稳态振荡，从而提高光伏发电效率。