（上海电机学院上海201306）
摘要：光伏阵列被云层局部遮挡，使得其功率-电压（P-V）曲线呈现阶梯状、多极值的形状，从而造成传统的最大功率点跟踪不起作用，陷入局部寻优，本文提出了一种可以快速、稳定并且能够全局寻优的最大功率点跟踪（MPPT）算法。算法先将粒子群优化（PSO）改进，使得在一定的迭代次数下稳定地全局更新所有粒子的速度和位置，快速找到最大功率点（MPP）的大概位置，再利用改进的Fibonacci数列作为变步长扰动观察法步长改变的依据，快速接近和得到功率的最佳解[1]。通过Simulink建立了仿真模型，与变步长扰动观察法、传统粒子群优化算法进行比较，验证了算法在精度与速度上有明显提升。
关键词：局部阴影；光伏阵列；最大功率点跟踪；粒子群优化；变步长
0引言
传统的算法有扰动观察法、变步长扰动观察法等，扰动观察法的优点是：跟踪速度快、参数检测的精度不必过高。缺点是：在MPP处摆动较大；搜索速度明显变慢，实时性较差。当云朵遮挡光伏阵列时，P-V曲线呈现出多峰值的形状，导致变步长扰动观察法等传统算法陷入局部最优，造成功率损失。针对此问题，新的智能算法被提出。
在分析了上述情况后，本文提出了一种基于粒子群优化变步长扰动观察法的MPPT控制方法，先利用改进的粒子群优化算法在全局中追踪至MPP点附近，再使用以Fibonacci数列为步长的变步长扰动观察法精确的到达MPP处，最后在每一步的算法中均设计了可行的终止策略，以防陷入局部寻优以及在MPP附近摆动。
1局部阴影下光伏阵列特性分析
1.1部分阴影遮挡下的光伏阵列模型
当有阴影遮挡时，光伏阵列的模型如图1所示。
图1局部阴遮挡下3x4光伏阵列模型
1.2部分阴影遮挡下光伏阵列的电气特性
根据上述光伏阵列结构及已知光伏数学模型，在Matlab中搭建3x4的光伏电池，通过对多次仿真的比较，其主要的差别是输出P-V曲线由单峰变成了多峰。
图2局部阴影下光伏阵列P-V曲线
2最大功率点跟踪算法的提出
2.1粒子群优化算法
PSO算法在对全局参数优化的同时，也能够辨识每个做为解的粒子，解决优化与搜索的问题。更新粒子的速度和位置的方法如下
（1）
本算法的参数设置采用如下方法
（2）
2.2变步长扰动观察法
由于本算法在复合控制的第二阶段使用Fibonacci数列{Cn}确定步长，初始值应该设置较大，而扰动步长△U的相对变化应较小。其定义如下
（3）
本文用判断变量m控制a的大小，当m=1时，表示与前次搜索方向一致，应该扩大搜索范围；当m=0时，表示方向不同，需要减小搜索范围。即有如下方法
（4）
2.3MPPT的复合控制
在本复合控制中，在第一阶段，为了限制迭代次数，已经设置了迭代终止条件。第二阶段本文设置了立即终止策略。即当变步长扰动观察法的步长小于0.5%V时，停止工作点移动，结束寻优进程[3]。
P-V曲线的极值点就会发生变化，MPPT算法也需要重新启动，重启条件采用如下方法：
（5）
式中，P（t）为当前时刻的功率值，P（t-1）为上一时刻的功率值。
图3光伏系统部分仿真模型
图3中的部分仿真参数如下：环境温度T=250C，光照强度R=1KW/m2，Boost电路的升压电感L=4mH，阵列输入滤波电容C1=200gF。粒子群算法的粒子数目为8，Fibonacci数列的初始值为1。
仿真与计算后得出的相关数据见表1
表1三种策略仿真结果的比较
三种策略跟踪效果的对比图如图4所示。
图4三种策略追踪功率效果比较图
3结论
本文介绍了有部分阴影遮挡时，提出了由改进的粒子群优化算法和基于Fibonacci数列的变步长扰动观察法复合控制的MPPT算法，加快了寻优速度，提高了寻优准确度。最后MATLAB中的仿真结果表明，本文提出的MPPT算法在复杂光照条件下具有可行性和有效性，并且在精度和速度上有了显著的提高。
参考文献：
[1]薛家祥，钟良文，张思章，张红卫，廖天发，张晓莉.光伏系统中扰动观察法的控制方法研究田.电气传动，2013，43（3）：40-44
[2]吴雨薇，时斌，朱海勇，张加岭.基于变步长扰动观察法的光伏电池最大功率点跟踪田.电气技术，2014，（6）：23-25.
[3]朱艳伟，等.粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用田.中国电机工程学报，2012，32（4）：42-48.