[發明專利]一種基于改進型量子粒子群算法的MPPT控制方法

在審

• 申請號: 201710108591.8
• 申請日: 2017-02-27
• 公開（公告）號: CN106961117A
• 公開（公告）日: 2017-07-18
• 發明（設計）人: 高浩;秦媛
• 申請（專利權）人: 南京郵電大學
• 主分類號: H02J3/38
• 分類號: H02J3/38;G05F1/67
• 代理公司: 南京經緯專利商標代理有限公司32200
• 代理人: 許方

技術領域

本發明屬于電力系統技術領域，尤其涉及一種基于改進型量子粒子群算法的MPPT控制方法。

背景技術

太陽能發電是一個非常受歡迎的可再生能源。由于它所擁有的優勢包括低成本、環保以及維護簡單等使得光伏發電系統已經被許多國家采用。盡管太陽能發電的電池組件成本高，但是在光伏發電系統中，特別是在并網型發電系統中，許多國家已經商業化，因而其潛在長遠的利益。同時，該技術對改善能源結構，降低環境污染具有重大意義。

然而，光伏發電系統的應用有許多問題需要迫切解決。其中最主要的問題之一就是如何提高效率。最大功率點跟蹤通常與電源轉換器即DC-DC轉換器或者逆變器結合，從而形成整體的發電模型滿足系統的可靠性和效率。隨日照輻射度和溫度的改變，形成了PV系統中的非線性電壓(P-V)特性曲線，這些非線性變化特性對輸出功率的跟蹤構成了極大的挑戰。那么如何實現最大功率點跟蹤(MPPT)是一個非常重要的技術。

具有量子行為的粒子群優化算法QPSO(Quantum-behaved Particle Swarm Optimization)思想來源于量子空間中的量子模型，該模型是由孫俊等人從量子力學的角度出發提出的基于PSO算法的QPSO算法。相對于PSO算法，QPSO算法具有進化方程更簡單，控制參數更少，收斂速度更快，運算更簡單等優點，并且能夠應用于求解各種復雜的優化問題。QPSO算法中的每一個粒子能夠以某一確定的概率出現在任意位置，該位置有可能是遠離吸引點的位置，甚至是優于的位置。因此種群的多樣性被提高，進而加強了算法的全局搜索的能力。

發明內容

本發明所要解決的技術問題是針對背景技術的不足提供了一種基于改進型量子粒子群算法的MPPT控制方法，該發明基于混沌搜索策略，不僅解決了原算法容易陷入局部最優的問題，同時將該算法應用于光伏系統最大功率點追蹤，解決了傳統MPPT算法在追蹤最大功率時，由于外部環境和輻射度的變化而導致其輸出時間過長以及輸出振動過大時造成的能源耗損的問題。

本發明為解決上述技術問題采用以下技術方案

一種基于改進型量子粒子群算法的MPPT控制方法，具體包括以下步驟：

步驟1，構建雙算法MPPT控制模型；

步驟2，初始化JQPSO算法，尋找最優點；其中，最優點為最接近目標函數值的點，所述JQPSO算法如下：

其中，y是該表達式的值，u是[0,1]之間的隨機數，a的值為4；

步驟3，將優化后的占空比傳遞給雙算法MPPT控制模型的逆變器，從而調節PWM波；

步驟4，根據目標函數確定光伏發電系統的輸出功率，利用JQPSO算法求出最大工作點處的電壓電流以及功率；

步驟5，采用INC算法保持光伏發電系統的輸出功率穩定在最大點處。

作為本發明一種基于改進型量子粒子群算法的MPPT控制方法的進一步優選方案，在步驟1中，構建的雙算法MPPT控制模型的數學模型具體如下：

其中，I是輸入電流，p＝1+a₂，且p≥2.2，α₂為二極管的理想常數，I_PV是日照電流，V是輸出電壓，R_s是等效串聯電阻，I_o是反向飽和電流，R_p是等效并聯電阻，V_T為二極管的熱電壓。

作為本發明一種基于改進型量子粒子群算法的MPPT控制方法的進一步優選方案，在步驟4中，目標函數具體如下所示：

fitness＝P_i＝V_i·I_i

其中，fitness為適應度函數值，P_i為輸出功率，V_i為光伏電池板輸出電壓I_i為光伏電池板輸出電流。

作為本發明一種基于改進型量子粒子群算法的MPPT控制方法的進一步優選方案，在步驟5中，根據在最大功率點時太陽電池的輸出功率對電壓的微分為0，采用INC算法保持光伏發電系統的輸出功率穩定在最大點處具體步驟：

步驟5.1，當光伏發電系統的輸出功率在最大功率點的左側，則此時增加電壓量；

步驟5.2，當光伏發電系統的輸出功率在最大功率點的右側，則此時減少電壓量；

步驟5.3，當光伏發電系統的輸出功率是最大功率點，則此時電壓量不變。