一种适用于光伏最大能量采集智能跟踪方法及系统

本发明涉及新能源并网消纳，具体的是一种适用于光伏最大能量采集智能跟踪方法及系统。

背景技术：

1、集中光伏发电与分布式光伏发电，存在一定的云层遮挡、太阳能板污染、太阳能玻璃板破裂等故障。当这些因素作用于光伏组件时，通常会影响光伏组件的输出特性，在实际光伏系统运行过程中，由于以上原因导致系统的电流和电压在实时变化，因而导致最大功率点处于动态变化过程中，因此需要计算机进行在线计算；而在实际计算中，太阳能电池的i-v方程是一个非线性函数，求解非线性函数采用迭代法需要花费大量时间，无法满足在线计算中对数据准确性的高要求。

技术实现思路

1、为解决上述背景技术中提到的不足，本发明的目的在于提供一种适用于光伏最大能量采集智能跟踪方法及系统，能够解决大规模新能源并网最大能量跟踪等需求。

2、第一方面，本发明的目的可以通过以下技术方案实现：一种适用于光伏最大能量采集智能跟踪方法，方法包括以下步骤：

3、接收实时光伏数据，将实时光伏数据输入至预先建立的lambertw函数内，输出得到最大功率点参数；

4、利用ipso算法对最大功率点参数进行求解，得到精确输出功率；

5、将精确输出功率与额定功率进行比较，根据比较结果获取光伏阵列的最大功率点。

6、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述实时光伏数据通过霍尔传感器采样并且经过保持电路送入上位机当中。

7、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述预先建立的lambert w函数如下：

8、w(x)exp[(x)]＝x

9、其中x为任意复数，改写成：w(x)＝xexp(-w(x))。

10、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述lambert w函数将太阳能电池的i-v表达式转换为显性形式：

11、其中，太阳能电池的i-v表达式如下：

12、

13、转换为显性形式的公式如下：

14、

15、得

16、式中，rsh为并联电阻，rs为串联电阻，io为二极管电流，iph为光生电流，i为电池的输出电流，v为输出电压，n为电池二极管质量因子，k为玻尔兹曼常数，t为光伏组件工作绝对温度,q为电子电荷。

17、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述将实时光伏数据输入至预先建立的lambertw函数内，输出得到最大功率点参数的计算过程：

18、

19、已知在最大功率点处，有的性质，因此对上式求电压偏导得：

20、

21、式中，rsh为并联电阻，rs为串联电阻，io为二极管电流，iph为光生电流，i为电池的输出电流，v为输出电压，n为电池二极管质量因子，k为玻尔兹曼常数，t为光伏组件工作绝对温度,q为电子电荷。

22、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述ipso算法的迭代公式如下：

23、

24、式中，v表示粒子的速度矢量，x表示粒子的位置矢量，ω表示惯性权值，c1和c2分别用于调整个体最优位置和全局最优位置步长，r1和r2是(0,1)中相互独立的随机数序列。

25、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述ipso算法的处理步骤如下：

26、初始化粒子群：随机生成所有粒子的位置向量和速度向量，用粒子的初始位置初始化粒子的单个最优位置pbest，用所有初始中对应适应度值的最佳位置初始化全局最优位置gbest；

27、对于每一个粒子，将对应的适应度值与粒子所经历的最优位置pbest对应的适应度值进行比较，如果新位置对应的适应度值较大，则更新局部最优值pbest；

28、对每一个粒子，将对应的适应度值与全局最优位置gbest对应的适应度值进行比较，如果新位置对应的适应度值较大，则更新全局最优值gbest；

29、根据迭代公式实时更新粒子速度和位置；

30、如果迭代计算满足终止条件，则迭代过程终止，搜索结束，输出得到最优解；如果没有，则继续迭代，所述终止条件为：最大迭代次数或适应度值达到下限值。

31、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述适应度值的计算公式如下：

32、fpv,array＝max[p1(i1,g1,t1),p2(i2,g2,t2),p3(i3,g3,t3),p4(i4,g4,t4)]。

33、其中p1,p2,p3,p4为仿真中四个光伏模块的实时功率，i1,i2,i3,i4为输出电流，g1,g2,g3,g4为每个模块的光照强度，t1,t2,t3,t4为每个模块的环境温度。

34、第二方面，为了达到上述目的，本发明公开了一种适用于光伏最大能量采集智能跟踪系统，包括：

35、计算模块，用于接收实时光伏数据，将实时光伏数据输入至预先建立的lambert w函数内，输出得到最大功率点参数；

36、算法求解模块，用于利用ipso算法对最大功率点参数进行求解，得到精确输出功率；

37、比较获取模块，用于将精确输出功率与额定功率进行比较，根据比较结果获取光伏阵列的最大功率点。

38、结合第二方面，在第二方面的某些实现方式中，该系统还包括：所述计算模块内实时光伏数据通过采集装置送入处理器中。

39、或者计算模块内预先建立的lambertw函数如下：

40、w(x)exp[(x)]＝x

41、改写成：w(x)＝xexp(-w(x))

42、或者计算模块内lambert w函数将太阳能电池的i-v表达式转换为显性形式：

43、其中，太阳能电池的i-v表达式如下：

44、

45、转换为显性形式的公式如下：

46、

47、得

48、式中，rsh为并联电阻，rs为串联电阻，io为二极管电流，iph为光生电流，i为电池的输出电流，v为输出电压，n为电池二极管质量因子，k为玻尔兹曼常数，t为光伏组件工作绝对温度,q为电子电荷；

49、或者计算模块内将实时光伏数据输入至预先建立的lambert w函数内，输出得到最大功率点参数的计算过程：

50、

51、已知在最大功率点处，有的性质，因此对上式求电压偏导得：

52、

53、式中，rsh为并联电阻，rs为串联电阻，io为二极管电流，iph为光生电流，i为电池的输出电流，v为输出电压，n为电池二极管质量因子，k为玻尔兹曼常数，t为光伏组件工作绝对温度,q为电子电荷。

54、优选地，算法求解模块内ipso算法的迭代公式如下：

55、

56、式中，v表示粒子的速度矢量，x表示粒子的位置矢量，ω表示惯性权值，c1和c2分别用于调整个体最优位置和全局最优位置步长，r1和r2是(0,1)中相互独立的随机数序列；

57、优选地，算法求解模块内ipso算法的处理步骤如下：

58、初始化粒子群：随机生成所有粒子的位置向量和速度向量，用粒子的初始位置初始化粒子的单个最优位置pbest，用所有初始中对应适应度值的最佳位置初始化全局最优位置gbest；

59、对于每一个粒子，将对应的适应度值与粒子所经历的最优位置pbest对应的适应度值进行比较，如果新位置对应的适应度值较大，则更新局部最优值pbest；

60、对每一个粒子，将对应的适应度值与全局最优位置gbest对应的适应度值进行比较，如果新位置对应的适应度值较大，则更新全局最优值gbest；

61、根据迭代公式实时更新粒子速度和位置；

62、如果迭代计算满足终止条件，则迭代过程终止，搜索结束，输出得到最优解；如果没有，则继续迭代，所述终止条件为：最大迭代次数或适应度值达到下限值；

63、优选地，算法求解模块内适应度值的计算公式如下：

64、fpv,array＝max[p1(i1,g1,t1),p2(i2,g2,t2),p3(i3,g3,t3),p4(i4,g4,t4)]。

65、其中p1,p2,p3,p4为仿真中四个光伏模块的实时功率，i1,i2,i3,i4为输出电流，g1,g2,g3,g4为每个模块的光照强度，t1,t2,t3,t4为每个模块的环境温度。

66、本发明的有益效果：

67、本发明解决大规模新能源并网最大能量跟踪等需求，实现新能源并网的高效率计算等，并且具有在线运行的潜力。