光伏最大功率點跟蹤

來自 搜狐網 的圖片

光伏最大功率點跟蹤改進鯨魚算法優化支持向量回歸的光伏最大功率點跟蹤，針對光伏陣列處於局部遮陰情況下其 P-U 特性曲線呈現出多極值點特性，傳統最大功率點跟蹤（MPPT）算法由於搜索機制導致難以跳出局部最優準確跟蹤到最大功率點問題，提出一種基於改進鯨魚算法優化支持向量機回歸（SVR）的最大功率點跟蹤方法。

目錄

一、案例簡介

針對光伏陣列處於局部遮陰情況下其 P-U 特性曲線呈現出多極值點特性，傳統最大功率點跟蹤（MPPT）算法由於搜索機制導致難以跳出局部最優準確跟蹤到最大功率點問題，提出一種基於改進鯨魚算法優化支持向量機回歸（SVR）的最大功率點跟蹤方法。該方法在普通鯨魚算法的基礎上引入對數權重因子與隨機差分變異策略，增強了算法在全局搜索與局部開發協調性能、避免陷入局部最優的能力。利用該改進鯨魚算法對 SVR 參數尋優，建立光伏陣列最大功率點電壓預測模型，並與電導增量法（INC）相結合應用於 MPPT 控制。Matlab/Simulink 仿真結果表明，所提的複合 MPPT 控制算法在各種局部遮陰及光照突變情況下都能夠有效避免陷入局部尋優，迅速準確地跟蹤到全局最大功率點（GMPP）。

二、技術要點

鯨魚優化算法（Whale Optimization Algorithm, WOA）是 S. Mirjalili 等通過長期跟蹤觀察座頭鯨捕食的行為方式，研究總結設計出的一種新型優化算懂，所需手動調節設置的參數少，而且在算法運算速度方面也具備一定的優勢，在煉鋼終點預測、短期風電預測、車間調度等諸多領域都取得了不錯的應用效果。但 WOA 與其他優化算法同樣在收斂精度與跳出局部最優方面存在一定不足。本文首先在 WOA 基礎上引入對數權重因子與隨機差分變異策略，增強了算法在全局搜索與局部開發協調性能及跳出局部最優能力；然後利用改進鯨魚優化算法（Improved WOA, IWOA）與支持向量機回歸相結合建立了光伏陣列最大功率點電壓預測模型，並將其與電導增量法相結合應用到光伏 MPPT 控制；最後利用 Matlab/Simulink 搭建仿真模型，仿真結果表明本文所建立的光伏陣列最大功率點電壓預測模型具有較高的預測精度，在光伏 MPPT 控制應用中也取得了較為理想的效果，無論在局部遮陰或光照突變情況下都能快速準確搜索到 GMPP。

三、應用場景

光伏陣列

四、應用成效

光伏陣列處在部分遮擋情況下，其 P-U 特性曲線具有多個極值點，使得傳統的 MPPT 算法極易因誤判而只能找到局部 MPP，大幅降低了輸出功率。為了更高效地利用太陽能，本項目提出了一種基於改進鯨魚算法優化 SVR 與 INC 相結合的複合 MPPT 控制算法。利用改進鯨魚算法優異的尋優性能對SVR 預測模型的 c、g 參數進行尋優，提高了 SVR 預測模型的預測準確度。將 IWOA-SVR 預測模型與 INC 相結合應用到光伏多峰 MPPT 控制中，可快速準確地追蹤到 GMPP,有效規避陷入局部尋優現象， 大幅提高了光伏發電系統的功率輸出與降低跟蹤時間。仿真結果表明： 1）改進的鯨魚算法相較於普通鯨魚算法具有更強的全局搜索與局部開發協調性能。 2）IWOA-SVR 預測模型相對於其他預測模型具有更高的預測精度。 3）IWOA-SVR 與 INC 相結合的複合控制算法在光伏多峰 MPPT 應用中具備優異的動態與穩態性能。