光伏阵列多峰最大功率点跟踪研究

崔岩， 白静晶

(汕头大学工学院，广东汕头515063)

0 引言

太阳能丰富、清洁、安全、方便，是目前广泛探索并得到一定发展的一种可再生能源。但是目前光伏组件价格偏高，且转换率比较低，为了降低整个系统的造价并最大限度地利用光伏组件产生的功率，对光伏组件的最大功率点跟踪(maximum power point tracking，MPPT)是有效的途径之一。而传统的MPPT方法是基于光伏阵列的特性及其输出功率曲线的单峰性。但是，由于实际环境的变化，组件输出的伏安特性曲线呈阶梯状，相应的功率曲线呈现多峰状。因此传统的跟踪方法在这种情况下可能失效。此时，光伏组件的能量没有被充分利用，系统效率将大大降低。

对于住宅型光伏发电系统，由于光伏阵列安装的位置和环境特殊，局部阴影问题尤为突出。不少的研究人员对局部阴影条件下的最大功率跟踪问题进行过研究，也相应地提出了若干解决方案。目前对于光伏阵列在局部阴影条件下MPPT算法主要有:并联功率补偿法、复合MPPT法、电流扫描法、短路电流脉冲法、Fibonacci搜索法和状态空间法等。但是这些算法不是对光伏阵列参数的依赖度较强，实现起来比较复杂［1－5］。

相比之下，人工神经网络不需要任何光伏阵列的物理定义，并且具有很好的非线性映射能力［6］。但是它的缺点是收敛速度慢，目标函数存在局部极小点。但是遗传算法具有很强的宏观搜索能力和良好的全局优化性能，将遗传算法和神经网络相结合，训练时先用遗传算法对神经网络的权值、阈值进行寻找，将搜索范围减小后，再利用神经网络进行精确求解，达到全局搜索和快速高效的目的。……