光伏系统最大功率点追踪算法研究综述.docx

光伏系统最大功率点追踪算法研究综述
光伏发电系统是目前应用较为广泛的新能源发电方式之一，具有清洁、环保、可再生等显著特点。而光伏系统最大功率点追踪算法研究，则是保证光伏系统在任何时间下都能够最大效率输出能量的关键之一。本综述将从光伏系统基本原理入手，系统地介绍几种高效的最大功率点追踪算法，并对其进行比较和评价。
一、光伏系统基本原理
光伏效应是光子作用于物质，根据材料的电子结构使材料电子发生激发，产生自由电子并在外部电场作用下产生电势差和电流的一种现象。光伏发电系统是由光电池组成的能量转换系统，通过将光能转化为电能实现电力的供给。光电池的本质是将光线经过半导体材料后，光能被转化成电能，负载的端口通过控制电子的流动，将电能输出。
光伏系统的性能影响因素包括太阳直射辐射、太阳光谱分布、环境温度和光伏电池的电性能等因素，因此在运行的过程中，最大输出功率点（MPP）不是固定的，需要及时追踪定位才能使光伏系统发挥最大性能。
二、最大功率点追踪算法
1.扫描法：最早的MPP算法是扫描法。它是根据P-V或I-V曲线，按照步长逐个扫描电压或电流值，计算输出功率，并找到最大输出功率。但是，这种算法需要进行频繁扫描，时间较长，能耗较大。
2.均匀单步长寻优法：这是一种比扫描法优化的算法，其思路是将电压或电流范围分段，根据当前量进行比较判断，找到一个能使输出功率提高的方向，并依此进行迭代，并以此方式寻找MPP。但是，由于算法的精度问题，在寻找过程中可能会寻找到次优解。
3.增量式阻抗匹配算法：增量式阻抗匹配算法是一种比较典型的计算复杂度相对较小且精度相对较高的算法。其运行过程以阻抗匹配为目的，因此也可以成为阻抗匹配算法。其核心思想是通过对当前系统工作状态进行估算，推算出下一个工作状态，并根据功率变化趋势进行调整，以此实现微小调整追踪MPP。
4.人工神经网络法：这种方法需要大量的计算资源、硬件支持和经验贡献。它利用神经网络的分布和并行处理能力，根据系统输入输出参数数据建立模型，进行训练，从而可以实现对MPP精确追踪的目标。
三、算法比较
在进行算法比较时，对参数、精度、快速性、复杂度、在光伏系统工作状态变化、部分阴影遮挡或光照不充分的情况下的性能等方面进行评测。这四种MPP算法具体比较如下：
扫描法：该方法的优劣主要由其时间和功率精度确定，因此，在追踪MPP时只能根据分析结果，进行最舒适的选型，而不能直接取得最优解。
均匀单步长寻优法：相对于扫描法，均匀单步长寻优法的算法性能已经得到了一定改善，但由于其算法的精度问题，在寻找过程中可能会寻找到次优解。
增量式阻抗匹配算法：比均匀单步长寻优法更为精确，而且算法复杂度相对也不大，实际追踪性能比较好。相对于人工神经网络法而言，它更实际，因为它不需要过多的训练和大量的计算资源。
人工神经网络法：这种算法不仅具备高精度的MPP追踪能力，而且对阴影遮盖和光线不足的情况下，也有较强的容错性和自适应性。但是，由于需要大量的硬件资源和时间，其使用场景相对较少。
综上所述，根据应用需求，不同的算法方法都有其各自的优缺点，并不是所有算法都适合在所有应用场景下应用。因此，在考虑应用何种算法时，需要综合衡量其算法准确性、实现难度、性能稳定性等多个因素。