智能算法在MPPT中的应用

邰可欣 莫程凯

摘 要：针对光伏系统中最大功率跟踪（MPPT）问题，本文先对光伏系统进行数据建模，再通过大量文献分析，对智能算法中的遗传算法、BP神经网络、模糊控制以及蚁群算法在光伏系统MPPT中的控制方法、过程进行总结。

关键词：MPPT;遗传算法;BP神经网络;模糊控制;蚁群算法

中图分类号：TP18        文献标识码：A       文章编号：1003-5168（2021）24-0012-04

Application of Intelligent Algorithm in MPPT

TAI Kexin    MO Chengkai

（School of Electrical Engineering， University of South China ， Hengyang  Hunan  421000）

Abstract：Aiming at the problem of maximum power point tracking （MPPT） in photovoltaic system， this paper firstly makes data modeling of photovoltaic system， and then summarizes the control method and process of genetic algorithm， BP neural network， fuzzy control and ant colony algorithm in MPPT of photovoltaic system through a large number of literature analysis.

Keywords： MPPT; genetic algorithm; BP neural network; fuzzy control; ant colony algorithm

目前，全球能源结构正在从煤炭、石油、天然气三大化石能源向新能源转变。光伏发电作为新能源发电的代表之一，投入的工程量与研究量逐年增大。为了使光伏发电的效率达到最大，不仅需要在光伏发电的选址、光伏组件的优化上进行大量的工程资金投入，更需要对光伏系统控制算法进行大量研究。最大功率跟踪（MPPT）是光伏系统中的一个重点研究方向，通过对光伏阵列的输出电压电流运算分析，从而获得在该环境下的最大功率数值，再通过脉冲宽度（PWM）占空比调制，来改变光伏阵列的输出电压，使输出功率达到最大值。

面对更加复杂的环境变化时，对最大功率的判断容易陷入局部最优。随着智能算法逐渐走向成熟，有着较好的全局寻优能力，而光伏系统最大功率跟踪本质也是寻优过程，因此，智能算法在MPPT中的应用有着巨大的应用前景。智能算法的本质是一种具有并行、高效、全局搜索的寻优方法。本文将分析智能算法中的遗传算法、神经网络算法、模糊控制、蚁群算法在MPPT中的应用，对于智能算法在MPPT中的应用进行综合分析以及前景展望。

1 光伏系统数学模型

光伏电池将太阳能转换成电能的本质是利用具有P-N结的半导体器件的光生伏打效应，吸收足够太阳光中的光子能量，使半导体器件中的带价电子发生跃迁，从而产生光生电流。为了满足现实应用中光伏效应在不同环境下的工作状态[1]，通常选取7个性能指标作为衡量标准：开路电压[UOC]、短路电流[ISC]、最大工作电压[Um]、最大工作电流[Im]、最大输出功率[Pm]、填充常数以及转换效率。光伏电池的等效电路，如图1所示。

根据电路原理，由图1可知：

[I=IPH-ID-ISH]       （1）

[U=UD-RSI]        （2）

由资料可得：

[ID=I0expqUDAKT-1]     （3）

通過对元器件分析，并且结合实际选择中参数的大小，可以将光伏的输出电流简化为：

[I=ISC-I0expqUDAKT-1]     （4）

式中，[I0]为光伏电池中等效二极管的反向饱和电流（常数，数量级为10-4）;[q]为电子电荷（[1.6×10?19 C]）;[K]为玻尔兹曼常数（[1.38×10?23JK]）;[A]为太阳能电池内部参数;[T]为绝对温度。

再通过考虑光伏电池工作在最大功率时和开路状态下的电流电压关系，可得到光伏电池的近似表达式：

[IL=ISC1-C1expUC2UOC-1]    （5）

上式中[C1]、[C2]分别为两个系数，可以通过已知条件求解，得到以下表达式：

[C1=1-ImIscexp-UmC2UOC]     （6）

[C2=UmUOC-1ln1-ImISC]    （7）

当搭建光伏系统的数学模型时，通过选用光伏电池厂家所提供的短路电流、开路电压、最大电流、最大电压和最大功率5个性能指标，可以模拟不同温度、光照下的光伏电池输出特性。

2 遗传算法在MPPT中的应用

遗传算法是由美国的J. H. Holland教授提出的基于生物基因遗传学而衍生出来的寻优算法。在物竞天择的基础背景下，通过对初代种群中最优个体基因进行选择遗传，非最优个体的基因进行交叉变异，然后组成二代种群，之后再对二代种群中的最优个体基因选择遗传，非最优个体交叉变异，以此类推，直至找到所有种群中的最优个体。遗传算法中的核心步骤是编码、种群初始化、个体评价、遗传和交叉变异[2]。