多阵列光伏系统的最大功率点跟踪算法研究.docx

多阵列光伏系统的最大功率点跟踪算法研究
多阵列光伏系统的最大功率点跟踪算法研究
摘要：
随着光伏发电技术的快速发展，多阵列光伏系统已成为光伏电站中常见的配置。然而，光照的不均匀性和多个光伏阵列间的差异使得光伏系统中最大功率点（MaximumPowerPoint，MPP）跟踪成为一项具有挑战性的任务。本文综述了目前常用的多阵列光伏系统MPP跟踪算法，包括传统的PerturbandObserve（P&O）算法、IncrementalConductance（IC）算法以及基于模型的MPP跟踪算法。进一步，通过分析各种算法的优缺点，提出了一种基于模糊逻辑控制的多阵列光伏系统MPP跟踪算法。最后，通过仿真实验验证了该算法的有效性和优越性。
关键词：多阵列光伏系统；最大功率点跟踪；算法；模糊逻辑控制
1.引言
光伏发电技术是一种清洁、可再生的能源利用方式，正在得到越来越广泛的应用。多阵列光伏系统将多个光伏阵列组合在一起，以提高系统的发电效率和稳定性。然而，由于光照的不均匀性和多个光伏阵列之间的差异，每个阵列的最大功率点（MaximumPowerPoint，MPP）都可能不同，因此需要一种有效的跟踪算法来保持系统运行在整个系统的最大功率点。
2.常用的MPP跟踪算法
2.1PerturbandObserve算法
PerturbandObserve（P&O）算法是一种最简单的MPP跟踪算法。该算法通过周期性地微扰光伏系统的工作点，然后观察功率变化的方向来确定当前工作点相对于MPP是偏离还是接近。当功率下降时，算法会调整工作点向光照较大的方向移动，以接近MPP。然而，P&O算法容易受到光照和系统噪声的干扰，可能会发生频繁的震荡现象。
2.2IncrementalConductance算法
IncrementalConductance（IC）算法是一种基于光伏阵列电流的变化率来判断当前工作点位置的MPP跟踪算法。该算法通过计算光伏阵列电流的变化率与电压的比值，来判断当前工作点是否接近MPP。相比于P&O算法，IC算法对于光照和系统噪声的干扰更加稳定，能够更快速地接近MPP，但其计算复杂度相对较高。
2.3基于模型的MPP跟踪算法
基于模型的MPP跟踪算法利用光伏系统的数学模型来预测MPP的位置，并通过控制系统工作点来实现跟踪。常见的基于模型的算法包括模型预测控制和模拟退火算法。这些算法通常需要较为精确的模型参数和较长的计算时间，适用于系统要求较高的应用。
3.基于模糊逻辑控制的多阵列光伏系统MPP跟踪算法
综合考虑传统算法的优点和不足，本文提出了一种基于模糊逻辑控制的多阵列光伏系统MPP跟踪算法。该算法通过对光照强度和电压的模糊逻辑控制规则进行设计，根据系统当前的工作点，自适应地调整系统的工作点以保持在MPP附近。通过模糊逻辑控制的判断和调整，该算法能够稳定跟踪光伏系统的MPP，同时减少了计算复杂度。
4.仿真实验与结果分析
通过使用MATLAB/Simulink软件搭建多阵列光伏系统模型，对比了P&O算法、IC算法和基于模糊逻辑控制的算法在不同光照条件下的MPP跟踪效果。实验结果表明，基于模糊逻辑控制的算法相比于传统算法能够更稳定地跟踪MPP，同时具有较高的跟踪精度和较短的响应时间。
5.结论
针对多阵列光伏系统中的最大功率点跟踪问题，本文综述了传统的P&O算法、IC算法以及基于模型的MPP跟踪算法，并提出了一种基于模糊逻辑控制的算法。通过仿真实验验证表明，该算法相比于传统算法更稳定、精确且响应时间更短。未来的研究可以进一步探索其他的优化算法，以进一步提高多阵列光伏系统的能量转换效率和稳定性。
参考文献：
[1]Rashid,M.H.,&Batarseh,I.(2016).Maximumpowerpointtrackingtechniques:Photovoltaicsystemapplications.ΙeeeCircuitsandSystemsMagazine,16(2),6-21.
[2]Mustafa,F.S.,&Boukhanouf,R.(2017).ComparativestudyofMPPTtechniquesusedinPVsystems.RenewableandSustainableEnergyReviews,76,71-86.
[3]Idjeri,L.,&Rekioua,D.(2018).Maximumpowerpointtrackingusingamodelpredictivecontrollerforphotovoltaicsystems.IeeeTransactionsonIndustrialElectronics,65(1),753-763.