基本信息
- 項目名稱：
- 光伏發(fā)電系統(tǒng)中最大功率點的智能跟蹤策略研究與應(yīng)用
- 小類：
- 信息技術(shù)
- 大類：
- 自然科學類學術(shù)論文
- 簡介：
- 最大功率點跟蹤技術(shù)（MPPT）是光伏發(fā)電系統(tǒng)中的關(guān)鍵環(huán)節(jié)，起著提高能量利用率的作用。本項目在分析傳統(tǒng)跟蹤方法優(yōu)劣性的基礎(chǔ)上，深入研究了具有群體仿生尋優(yōu)機制的群智能算法及具有高適應(yīng)性、強魯棒性的模糊控制算法在MPPT中的應(yīng)用，并有效融合了各種算法的優(yōu)勢，提出了一套能夠在各種天氣條件下準確實時進行MPPT的智能跟蹤策略，實驗及實測數(shù)據(jù)表明該智能跟蹤策略能有效提高跟蹤效率2%，實現(xiàn)了較好的經(jīng)濟價值。
- 詳細介紹：
- 隨著環(huán)境惡化，極端天氣愈發(fā)頻繁，傳統(tǒng)MPPT跟蹤方法已不能滿足實時準確的最大功率點跟蹤要求。本項目針對光伏發(fā)電系統(tǒng)的最大功率點跟蹤問題，深入研究各種能夠有效實現(xiàn)跟蹤要求的方法，并提出一套可在各種天氣條件下實現(xiàn)實時有效地進行最大功率點跟蹤的智能跟蹤策略，相比較目前的跟蹤效率提高2%。 主要內(nèi)容如下： 1.傳統(tǒng)跟蹤方法分析。目前常用的傳統(tǒng)跟蹤方法可在正常天氣條件下達到95%的跟蹤效率，然而跟蹤原理并非基于太陽能光伏發(fā)電系統(tǒng)的內(nèi)部變化規(guī)律，因此在愈發(fā)頻繁的極端天氣條件下難于反映實時功率變化。本項目對傳統(tǒng)跟蹤方法（包括變步長法、電導(dǎo)增量法等）的實現(xiàn)原理、存在缺點及改進方案進行了詳細研究。 2.群智能跟蹤方法研究。群智能算法的群體尋優(yōu)機制為光伏發(fā)電系統(tǒng)中的最大功率跟蹤提供了一條可行思路，本項目選擇具有代表性的主流群智能算法（包括粒子群算法、蟻群算法等）進行最大功率點的跟蹤方案設(shè)計，并進行了方案優(yōu)化。 3.模糊控制跟蹤方法研究。模糊控制方法相比較傳統(tǒng)跟蹤方法具有更好的法適應(yīng)性和魯棒性，本項目研究設(shè)計了模糊控制方法跟蹤方案，并創(chuàng)新性地利用粒子群算法對模糊跟蹤方案進行了參數(shù)優(yōu)化，取得了較好的效果。 4.智能跟蹤策略研究。有效融合傳統(tǒng)跟蹤方法、群智能跟蹤方法、模糊跟蹤方法的各自優(yōu)勢，研究出一套能夠在各種天氣條件下實現(xiàn)準確實時的最大功率點跟蹤智能綜合策略，有效提高了最大功率點的跟蹤效率。 5.硬件設(shè)計及實現(xiàn)。進行各種方案的跟蹤效果對比分析。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 結(jié)合群智能對傳統(tǒng)方法進行優(yōu)化，提出一種切實可行的智能跟蹤策略，并證明跟蹤效果比傳統(tǒng)方法更準確、實時?？紤]到最大功率點在現(xiàn)實中時時轉(zhuǎn)移，分析了現(xiàn)實存在的擾動因素，結(jié)合模糊算法，有效地克服光伏電池的非線性和時滯性，提出一種快速高效的MPPT方法。通過搭建小型光伏發(fā)電的硬件系統(tǒng)，將研究成果在各種不同天氣情況進行實測，不斷分析改良，使研究成果能夠進一步進行產(chǎn)品轉(zhuǎn)化，實現(xiàn)較好的經(jīng)濟和社會價值。
科學性、先進性及獨特之處
- 科學性 分析了光伏發(fā)電系統(tǒng)中傳統(tǒng)算法的優(yōu)劣，采用群智能及模糊控制機制對進行了MPPT研究，融合各算法各自優(yōu)勢提出了一套能適應(yīng)各種天氣條件的MPPT智能跟蹤策略。實驗及實測數(shù)據(jù)表明：新型策略能有效提高MPPT的跟蹤效率及跟蹤精度。 先進性及獨特之處 1. 將群智能與變步長擾動相結(jié)合提出一種新型有效的智能跟蹤方案。 2. 采用粒子群算法完成模糊跟蹤的參數(shù)優(yōu)化，實現(xiàn)更為靈活準確的跟蹤效果。
應(yīng)用價值和現(xiàn)實意義
- 本項目旨在研究和探索智能方法，加速太陽能的推廣和應(yīng)用，對新能源的開發(fā)具有重要的理論指導(dǎo)意義。成果直接應(yīng)用于光伏發(fā)電系統(tǒng)中，可更加實時準確實現(xiàn)MPPT的有效跟蹤；進行技術(shù)轉(zhuǎn)化后應(yīng)還可用于風能等其他新能源系統(tǒng)中，提高能量利用率。 同時,對研究中涉及到的群智能算法、模糊算法等智能手段進行了較為詳盡的研究，對改進智能算法性能、拓寬智能算法應(yīng)用領(lǐng)域、完善智能算法體系也具有一定的學術(shù)價值和現(xiàn)實意義。
學術(shù)論文摘要
- 首先利用太陽能電池的計算仿真模型，分析了太陽能電池在溫度、光強不同時輸出最大功率的變化特性。采用群智能算法（如粒子群算法、蟻群算法等）、模糊算法等對太陽能電池進行了最大功率點跟蹤的深入研究，并提出了一種能夠有效獲取最大功率點的新型智能跟蹤方法。實驗結(jié)果表明該智能跟蹤方法具有較好的跟蹤精度，能夠有效提高最大功率點的跟蹤效率，具有較好的實際應(yīng)用價值。
獲獎情況
- 論文1：Bao Senjie, Fu Qiang, Shen Yunfeng, Zhao Yang, Yao Jia and Wang Lei. A Strategy Research on Intelligent Tracking at the Maximum Power Point of the Photovoltaic Electricity Generation Array. 2011 3rd International Conference on Computer and Network Technology. 2011(2):534~537 (EI) ; 論文2：趙陽，符強，王鐳，姚佳. 基于粒子群算法的最大功率點跟蹤方法研究. 電力電子技術(shù). 2010,44(6):32~34(核心) 2010年度浙江省大學生科技創(chuàng)新活動計劃（新苗人才計劃）資助項目。
鑒定結(jié)果
- 科技查新報告編號：20113600GN010411
參考文獻
- 參考文獻 [1] 徐鵬威，劉飛，劉邦銀，等.幾種光伏系統(tǒng)MPPT方法的分析比較及改進[J].電力電子技術(shù)，2007，41（9）：12-14. [2] 崔巖，蔡炳煌，李大勇，等.太陽能系統(tǒng)MPPT 控制算法的對比研究[J].太陽能學報，2006，27（6）：535-538. [3] 肖俊明等. 基于遺傳算法的占空比擾動法在MPPT中的應(yīng)用研究[J]. 電力系統(tǒng)保護與控制, 2010(15):43-46 [4] 張建坡等. 光伏系統(tǒng)變步長最大功率跟蹤策略仿真研究[J]. 可再生能源, 2009,27(5):10-14 [5] KAJIHARA Atsushi，HARAKAWA Tetsumi.Model of Photovoltaic Cell Circuits Under Partial Shading[A].Proceed -ings of IEEE International Conference on Industrial Technology[C].2005：866-870. [6] Sera. D，Teodorescu. R，Hantschel.J，Knoll. M. Optimized Maximum Power Point Tracker for Fast-Changing Environmental Conditions IEEE Transactions on Industrial Electronics 2008, 55(7) [7] Chen L.-R，Tsai C，Lin Y，Lai Y.-S. A Biological Swarm Chasing Algorithm for Tracking the PV Maximum Power Point.IEEE Transactions on Energy Conversion .2010，25(2)
同類課題研究水平概述
- 光伏電池的性能受到外界因素的影響，伏安輸出特性表現(xiàn)出復(fù)雜的非線性，只在某一電壓下才輸出最大功率。為使光伏電池保持最大功率輸出，需實時調(diào)整負載工作點，適應(yīng)光伏電池輸出特性的變化。 主流的MPPT方法主要有擾動觀測、增量電導(dǎo)等。擾動觀察法在到達最大功率點附近之后，會左右振蕩，造成能量損耗，氣侯變化時容易出現(xiàn)誤判和滯后，跟蹤速度和精度嚴重受到影響。增量電導(dǎo)通過判斷 I/U+dI/dU 的符號判斷光伏陣列是否工作在MPP從而判斷出工作點電壓與最大功率點電壓之間的關(guān)系。但這種控制算法實現(xiàn)起來相對復(fù)雜，檢測精度和速度在一定程度上會影響跟蹤的精度和速度。電壓增量步長的選取也較講究，若步長太大，跟蹤的誤差會較大，若步長過小，跟蹤的速度會較慢。 以上方法在實際使用中均存在不同的缺點，難于兼顧控制復(fù)雜度和控制精度的綜合要求。 智能算法研究是目前解決非線性復(fù)雜問題的一個新方向。群智能算法是其中一種仿生自然界動物昆蟲覓食筑巢行為的新興演化計算技術(shù)，包括粒子群算法及蟻群算法等。 粒子群算法是一種基于群體智能的并行全局隨機搜索算法。其結(jié)構(gòu)簡單、可調(diào)參數(shù)少，并因其快速搜索、強通用性、高魯棒性等優(yōu)點，引起廣泛的關(guān)注與研究，成功應(yīng)用于電力系統(tǒng)優(yōu)化、模式識別、數(shù)字電路優(yōu)化等領(lǐng)域。 蟻群算法源自螞蟻覓食機理，是一種具有較強魯棒性的并行正反饋的智能啟發(fā)式搜索算法，在求解復(fù)雜組合優(yōu)化問題方面具有一定的優(yōu)勢。蟻群算法的研究和應(yīng)用發(fā)展迅速，其應(yīng)用領(lǐng)域已擴展到數(shù)據(jù)聚類、控制參數(shù)優(yōu)化、機器人控制及仿真和參數(shù)辯識等領(lǐng)域。 目前國內(nèi)外還沒有出現(xiàn)在光伏發(fā)電系統(tǒng)中使用群智能手段實現(xiàn)MPPT的實際案例。因此，在仔細分析傳統(tǒng)的MPPT方法基礎(chǔ)上，結(jié)合群智能算法強大的尋優(yōu)能力，提出一種更準確有效的新型MPPT，進一步提高太陽能轉(zhuǎn)化率。 模糊算法也是智能算法體系中的一個主要分支，比傳統(tǒng)的邏輯系統(tǒng)更接近于人類的思維和語言表達方式。在存在定性不精確和不確定信息的復(fù)雜系統(tǒng)中，模糊控制的效果常優(yōu)于常規(guī)控制。研究人員用模糊算法在光伏發(fā)電系統(tǒng)中的進行了初步的嘗試，取得了一定效果。但實際應(yīng)用中，卻存在模糊規(guī)則及相關(guān)參數(shù)難于確定的問題。本課題對模糊算法在光伏發(fā)電系統(tǒng)中的應(yīng)用進行進一步分析和實驗論證，并對模糊算法與群智能算法結(jié)合完成MPP跟蹤任務(wù)的可行性和有效性進行研究。
