改进鲸鱼算法在局部阴影下的光伏阵列MPPT研究①

吴宏泽, 高 昕

(安徽理工大学电气与信息工程学院，安徽 淮南 232001)

0 引 言

太阳能作为可再生能源，具有污染小、储量充足和低成本的优势，光伏发电是高效利用太阳能领域里最具发展潜能的技术，正在逐步成为世界能源体系建设中的重要一环[1]。为提高光伏效率，实现光伏发电系统的最大功率点追踪(Maximum Power Point Tracking, MPPT)，把输出维持在最优值就尤为重要。目前国内外常用电导增量法、扰动观测法等[2]进行MPPT控制，但是在动、静态局部阴影情况下，光伏阵列输出的P-U曲线呈多峰特点，难以定位到全局最大功率点，追踪控制效果不佳，将使光伏阵列输出效率大幅降低。鲸鱼优化算法(Whale Optimization Algorithm, WOA)相比于其他智能算法，需调节的参数少，运算速度也具备一定的优势，但其在跳出局部最优的能力上有一定不足[3-5]。采用非线性迭代因子和自适应权重因子优化后的改进鲸鱼算法(Improved Whale Optimization Algorithm, IWOA)，用MATLAB/simulink建模仿真，结果表明相比传统算法，IWOA在动、静态局部阴影情况下的MPPT控制中均有更好的效果。

1 光伏组件模型与输出特性

1.1 光伏电池数学模型

光伏组件一般由多个光伏电池互相间以串并联的形式组成，图1表示光伏电池等效基本电路结构。

电流源提供的Iph为光生电流分成三部分：流经二极管D的Id，流经并联电阻Rsh的Ish，以及经过串联电阻Rs的输出电流I.I可表示为式(1)：

(1)

式(1)中：Iph，I0分别为光生电流和反向饱和电流；q为基本电荷；U为光伏电池输出电压；T为温度；A为PN结特性因子；k为玻尔兹曼常数。

1.2 局部遮阴情况

在均匀太阳辐射下，光伏阵列系统输出的I-U曲线保持连续，P-U曲线也只有一个峰值功率点。而光伏阵列在被局部遮蔽的情况下，为避免热斑效应，需将光伏电池旁并联二极管，但输出的I-U曲线在这中情况下会呈阶梯状，P-U曲线则会存在多个峰值。全连接型(TCT)拓扑结构的光伏阵列在呈现多峰值的局部遮阴情况时，相较于串并联(S-P)结构，具有更好的输出性能[6]。在如图2所示的局部遮阴下，两种不同连接结构的光伏阵列其输出均呈多峰特性，输出特性如图3所示。

仿真结果可以看出，由于光伏阵列局部阴影下会呈现这种多峰的特性，这就会影响到传统MPPT方法在追踪时的效果，导致错误定位在局部最优值。

2 改进鲸鱼算法及应用

2.1 基本鲸鱼算法

2.1.1 包围猎物

WOA在这个过程中主要模拟鲸鱼种群包围觅食的行为，领头的个体发现猎物后，将其定义为当前最优的位置，其余个体则更新自身的位置，向最优鲸鱼的位置靠拢，个体位置更新可由式(2)表示：

(2)

2.1.2 气泡网攻击

(3)

(4)

式(4)中：p取0和1间的随机数。

2.1.3 搜捕猎物

为避免陷入局部最优，在|A|≥1时会让鲸鱼群随机更新自身位置，进行全局范围的搜索，该过程的表达式为(5)：

(5)

2.2 鲸鱼算法的改进

(6)

式(6)中：t为迭代次数；s为大于1的常数；Tm为最大迭代次数。

还需引入自适应权重因子ω(t)，使其随着迭代次数非线性地调控鲸鱼种群在整个迭代过程中搜索的步长，ω(t)的表达式为(7)：

(7)

改进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)的值较大，随着迭代的进行其值会不断减小，鲸鱼种群的搜索范围也会随之收缩，这会使得前期算法的全局搜索能力较强，在后期则变成主要进行局部搜索，以此提高搜索的精度和速度。

3 仿真结果分析

利用MATLAB/Simulink仿真，选用上述的3×3TCT结构的光伏阵列，输出端接标准Boost升压电路，再加上MPPT控制器与PWM发生器，组成光伏MPPT控制系统，如图6所示。其中，光伏电池参数为：Uoc=32.8 V，Isc=7.15 A，Imp=6.65 A，Ump=26.2 V，温度均定为25℃；Boost电路的参数为f=50 kHz，L=8 mH，R=45Ω，C1=130 μF，C2=200 μF。WOA的种群数N设置为3，最大迭代次数Tm为25；算法迭代次数达到Tm或者全体鲸鱼位置的标准差小于0.03时，判定停止算法。

为验证IWOA的可行性，考虑3×3光伏阵列输出的P-U曲线最多3个峰值点的情况，按照图7的方式进行光照强度分布，其中颜色由浅到深依次代表1000，600和200W/m2，每种方式的P-U曲线如图8所示。分别在静态和动态局部阴影条件下进行仿真，并与扰动观察法和WOA进行MPPT对比分析。

(1)静态光照

从图9可以看出，在静态光照下，IWOA不论有无局部阴影都能够在0.3s以内及时准确追踪到TCT阵列的最大功率点。

(2)动态阴影

为模拟动态局部阴影情况，在0至1s时，光伏阵列处于未遮阴的状态；在1s时将阴影方式由方式1突然变化至方式3，并维持1s的时间；在2s时将局部阴影方式由方式3突变至方式2，直至仿真结束。

从图10可看出，在动态阴影下，扰动观察法在单峰值的0至1s内能够快速追踪到最大功率点，但在1s后阴影状态突变时，功率值大幅下降，无法重新定位最大功率点；WOA虽然在动态阴影下能够重新跟踪功率值，但算法前期的波动时间较长，且无法精准定位在光伏阵列系统的全局功率峰值点；而IWOA在这种变化条件下能够及时跳出局部功率峰值，准确定位到全局的最大峰值点。

由上述仿真结果可知，IWOA相比于传统的MPPT方法追踪速度快、精度更高，在动静阴影状态下都能很好适应。

4 结 语

局部阴影下，传统MPPT方法在追踪呈现出多峰P-U特性曲线的光伏阵列时，会错误追踪到局部峰值点，导致发电效率低下。加入非线性迭代因子和自适应权重因子进行改进优化后的鲸鱼算法，在保留鲸鱼算法特点的同时，更好地均衡了全局与局部搜索能力，提升了收敛速度和收敛精度，而且在动静态阴影下也有更好的适用性。