基于改進(jìn)型單純形加速法的變步長(zhǎng)MPPT控制算法:結(jié)合光伏并網(wǎng)系統(tǒng)控制特點(diǎn)，針對(duì)單純型加速法的不足，提出一種新的基于改進(jìn)單純型最大功率點(diǎn)跟蹤（MPPT—Maximum Power Point Tracking）優(yōu)化算法，設(shè)計(jì)在線步長(zhǎng)調(diào)節(jié)，改變電壓收斂速度。利用PSIM仿真軟件構(gòu)建通用型光伏矩陣模型，模擬任意參數(shù)的光伏陣列，動(dòng)態(tài)跟蹤光照強(qiáng)度、環(huán)境溫度的變化，應(yīng)用于單相光伏并網(wǎng)系統(tǒng)。仿真結(jié)果表明，相對(duì)于常規(guī)MPPT控制算法，結(jié)合了優(yōu)化技術(shù)的變步長(zhǎng)MPPT算法能快速準(zhǔn)確跟蹤最大功率點(diǎn)，系統(tǒng)波動(dòng)小穩(wěn)定性高。
關(guān)鍵詞：光伏并網(wǎng)系統(tǒng)；改進(jìn)型單純形加速法；功率跟蹤；優(yōu)化算法；變步長(zhǎng)；
光伏發(fā)電是當(dāng)前利用太陽(yáng)能的主要形式之一[1]，但光伏系統(tǒng)受外界溫度、光照強(qiáng)度影響顯著，導(dǎo)致光伏陣列不能持續(xù)工作在最大輸出功率點(diǎn)，降低能量轉(zhuǎn)換效率。為了提高太陽(yáng)能利用率和系統(tǒng)穩(wěn)定性，最大輸出功率追蹤（MPPT）成為非常關(guān)鍵的問(wèn)題[2]。
國(guó)內(nèi)外關(guān)于最大輸出功率點(diǎn)跟蹤算法有很多種，可分為非自尋優(yōu)和自尋優(yōu)兩大類(lèi)型[3]。非自尋優(yōu)方法控制復(fù)雜，在實(shí)際中很少采用。自尋優(yōu)算法目前主要包括固定電壓法、登山法、增量導(dǎo)納法等等[4]。融合各種算法優(yōu)點(diǎn)結(jié)合現(xiàn)代控制策略和方法，衍生出多種新穎的最大功率跟蹤算法，與優(yōu)化控制技術(shù)相結(jié)合是其中一類(lèi)設(shè)計(jì)模式。優(yōu)化設(shè)計(jì)方法包括準(zhǔn)則法和數(shù)學(xué)規(guī)劃法，其中數(shù)學(xué)規(guī)劃法是將優(yōu)劣的標(biāo)準(zhǔn)量化為目標(biāo)函數(shù)，調(diào)整變量反復(fù)迭代求取目標(biāo)函數(shù)極值點(diǎn)。本文將結(jié)合光伏系統(tǒng)控制特點(diǎn)，討論以改進(jìn)型單純形加速法為基礎(chǔ)的變步長(zhǎng)最大輸出功率優(yōu)化跟蹤算法。
2?基于單純形加速法的MPPT控制算法
光伏電池I-V特性與太陽(yáng)輻射強(qiáng)度S、環(huán)境溫度T有極大關(guān)系，依據(jù)電子學(xué)理論的光伏電池等效數(shù)學(xué)模型可以表述為I=g（V，S，T）。根據(jù)太陽(yáng)電池電氣特性，忽略串聯(lián)電阻效應(yīng)，在任意太陽(yáng)輻射強(qiáng)度、環(huán)境溫度下光伏電池輸出功率[5]：
? （1）
其中：P是光伏陣列輸出功率，是一個(gè)連續(xù)可導(dǎo)的非線性函數(shù)。I是光伏陣列輸出電流；V是光伏陣列輸出電壓IL是光生電流；ID0是二極管反相飽和電流；q是電荷電量；n是二極管性能指數(shù)；k是波茲曼常數(shù)；TC是太陽(yáng)能電池溫度。
太陽(yáng)能電池的P-V特性如圖1所示，在整個(gè)電壓范圍內(nèi)功率曲線為單峰函數(shù)，太陽(yáng)能電池在任何時(shí)刻都存在一個(gè)最大功率輸出的工作點(diǎn)，這個(gè)功率點(diǎn)對(duì)應(yīng)唯一的電池輸出電壓，求取曲線的最大值也就是計(jì)算dP/dV最小值的過(guò)程，屬于無(wú)約束多變量的最優(yōu)化控制方式。無(wú)約束多變量函數(shù)的優(yōu)化方法有多種形式，例如共軛梯度法、牛頓法、單純型加速法等。文獻(xiàn)[6]以傳統(tǒng)梯度法為基礎(chǔ)逐步逼近函數(shù)最小值，實(shí)現(xiàn)光伏陣列輸出功率快速跟蹤。就優(yōu)化控制方法而言，梯度法是沿著目標(biāo)函數(shù)某一方向進(jìn)行搜索，雖然在遠(yuǎn)離極值點(diǎn)地方每次都可能使目標(biāo)函數(shù)有較大的下降，但在接近極值點(diǎn)的地方，由于鋸齒現(xiàn)象將導(dǎo)致每次迭代行進(jìn)距離縮短，因而收斂速度慢，在搜索精度要求高時(shí)有可能搜索不收斂。