论文部分内容阅读
作为人类经济发展和社会文明前进的第一推动力,能源主导着不可替代的作用。但是随着近年来随着化石能源的大量减少以及由它所带来的环境污染问题,成为全球经济发展一个痛点,因此各国都开始着手研发推广使用新型清洁能源,太阳能光伏发电就是其中的一个重点领域。而太阳能发电中最关键的问题就是如何提高其光电转化效率,而提高其光电转化率手段之一就是最大功率点跟踪最(Maximum Power Point Tracking,MPPT)技术,即搜寻系统输出的电压—功率的波峰点,本文简称波峰,因此如何快速有效的搜寻其波峰成为实际工程的重点。光伏阵列作为光伏发电整个系统中的动力引擎结构,其输出特性对实际工程应用起着重要影响和作用,但是由于其输出的非线性以及在局部阴影条件下的多波峰性,造成全域最佳波峰搜寻难度增加,本文提出了一种基于认知度的改进型粒子群算法,并将其用于波峰控制跟踪,具体做了一下几个方面的工作:(1)基于光伏面板的数学模型,通过分析光伏面板路串并联电路,得出光伏阵列在局部阴影环境下多峰性原因的本质,并搭建MATLAB/Simulink模型进行仿真分析,为下一步如何寻找局部阴影环境下波峰搜寻方法打基础。(2)分析了三种经典的MPPT算法,对比了恒定电压法、扰动观察(Perturbation and method,PO)法和电导增量(Incremental Conductance,INC)法其各自优点和不足,对MPPT中调节负载阻抗的Boost电路中各种参数设置进行了分析,使算法能够更好的调节器占空比D。(3)提出了基于认知度的改进型基本粒子群优化(Particle Swarm Optimization,PSO)算法,通过分析基本粒子群的算法原理,发现可以随着迭代的过程中改变惯性因子以及迭代位置公式使粒子更快更好地寻找全域最优值。通过引入认知度这个概念,将粒子位置的好坏与设定值相比,认知度较好的粒子直接进入下一次更优迭代,而认知度较差的粒子换成其历史最优位置,这样继续了保持粒子群后期的搜寻精度和速度。通过MATLAB/Simulink搭建系统模块分别从静态和动态进行仿真分析,得出基于认知度粒子群算法的整体搜寻全域波峰的性能优于基本粒子群优化算法。