分布式光伏发电系统多峰值MPPT优化研究.docx

分布式光伏发电系统多峰值MPPT优化研究
一、引言
光伏发电技术在过去的几十年里得到了快速发展，成为了可再生能源中最为常见且广泛应用的一种。然而，在光伏电池的发电过程中，由于气象条件的不确定性，包括温度、太阳光照强度和方向等因素的不断变化，光伏发电中存在着多峰值的现象。为了充分利用光伏电池输出的电能，需要对光伏电池进行最大功率点跟踪（MPPT）操作。
本文将阐述分布式光伏发电系统多峰值MPPT优化研究的意义和现有状态，并提出一种基于逆向扫描和模型预测控制的MPPT方法的优化策略，即提高光伏电池的效率和提高分布式光伏发电系统的整体性能。
二、意义
1.优化发电
分布式光伏发电系统是目前光伏电站中的主要形式之一。该系统由多个分布式光伏发电站组成，每个发电站均由多个光伏电池模块组成。为提高该系统的发电效率，需要对光伏电池进行最大功率点跟踪。此外，通过优化分布式光伏发电系统中每个单独电池模块的工作状态，可进一步提高系统的整体发电效率。
2.节约成本
分布式光伏发电系统可降低输电和配电损耗、减少电网淡季负荷和电压不稳定的压力、提高电能利用效率、节约建设成本，减轻对环境的污染等。
3.推广应用
随着分布式光伏发电系统的不断普及，对分布式光伏发电系统进行优化，将对国家和地区经济可持续发展起到积极推动作用。
三、现有状态
目前，关于分布式光伏发电系统多峰值MPPT优化研究的成果主要包括以下方面：
1.基于传统PerturbationandObservation（P&O）算法的MPPT方法。
该算法常用于单纯光伏系统中，通过对光伏电池输出电压、电流变化的“扰动”控制，逐渐接近最大功率点。然而，该算法存在缺陷，当出现峰值时，容易停留在较低的功率点上，导致光伏发电效率降低。
2.基于改进P&O算法的MPPT方法。
该算法通过对功率误差进行预测，并在误差达到最小值时跟踪最大功率点。该方法能够减少P&O算法中的“扰动效应”，提高光伏电池MPPT效率，并且较P&O算法更具稳定性。
3.基于模型预测控制（MPC）的MPPT方法。
MPC方法结合了模型对系统的建模和对系统未来状态的预测，能够实现对光伏电池输出电压、电流的准确控制。这种方法对光伏电池特性和气象条件进行建模，可以在短时间内计算出最大功率点，并实现动态调整，实现更高效的MPPT。
四、研究方法
本文提出一种基于逆向扫描和模型预测控制的MPPT方法。
1.逆向扫描
逆向扫描是指从最大功率点到开路电压或短路电流之间扫描光伏电池的电压和电流。为了提高电池的响应速度，逆向扫描将在P&O算法的基础上进一步规定阈值。当光伏电池电压被模拟器降到最大功率点范围之外时，将会被认定为出现了新的MPPT点，逆向扫描将被启动，追踪到一个新的、较低的最大功率点。
2.模型预测控制
MPPT控制器使用模型预测方法来识别最大功率点。该方法包括建立光伏电池系统的动态数学模型和预测模型。在方法中，光伏电池关键参数被计算和预测，包括更高的电压、电流或变化率。逆向扫描器输出的扰动值将用于反馈光伏电池系统的预测模型中，用于分析电池系统的响应速度和性能。根据反馈值的变化来计算最大功率点。
五、结论
通过基于逆向扫描和模型预测控制的MPPT方法，可以帮助提高分布式光伏发电系统的效率，并实现对分布式光伏发电系统中每个单独电池模块的工作状态的优化。本文提出的方法采用模型预测技术进行建模和计算，可以精确识别功率点，从而提高光伏电池的工作效率。通过优化系统设计，分布式光伏发电系统的整体性能将得到提升。