吳鵬宇,楊博
(昆明理工大學電力工程學院,云南 昆明 650500)
自工業社會發展以來,能源的過度消耗導致了煤炭、石油、天然氣等化石燃料的迅速枯竭,并帶來了嚴重的環境污染問題,給人類的生存帶來了巨大的考驗[1]。為了應對日益到來的能源危機,迫切將化石能源轉化為低碳清潔可再生能源[2]。太陽能作為當今社會最有前途的可再生能源,得到了廣泛的推廣和應用。然而,光伏(photovoltaic, PV)系統在實際工程應用中仍面臨著許多需要解決的問題[3]。例如,PV系統對外部環境的變化很敏感,當溫度和輻照度變化迅速時,PV 系統會產生較大的不匹配功率損失[4]。特別是當PV 系統處于部分陰影條件下(partial shading condition, PSC)時,PV 系統會使PV 陣列的P-V特性曲線出現多個功率峰值[5],并有熱點效應,由于局部加熱不均勻,會導致PV 板燒壞。
在PV 系統的實際工程應用中,PSC 是一種相對常見的現象[6]。目前,許多性能優異的方法已被應用于解決在PSC 下運行的PV 系統所面臨的各種問題。例如,PV 面板上的并聯旁路二極管以及對PV 系統的輸出功率進行最大功率點跟蹤(maximum power point tracking, MPPT)[7]。然而,以往的研究表明,PV 面板本身的多峰特性會導致所連接的旁路二極管的功率失配損失[6]。此外,將MPPT 技術應用于大型PV 電站,將面臨巨大的實施和控制成本。
為了減少PSC 條件下的功率損失,PV 重建技術是近年來的研究熱點,可分為靜態重建和動態重建。前者改變了PV 組件的物理位置,而不是電氣連接[8],比如數獨技術、魔方技術和列索引技術。針對上述情況,提出了一種適用于不同PSC 下PV 陣列重構的方法[9]。PV 陣列重構被認為是捕獲不同PSC 條件下PV 系統最大功率輸出的完美解決方案。而動態重構對實際工程中變化迅速的各種PSC 具有較強的優化性能。目前,許多拓撲結構已被提出并廣泛應用于動態重構中。更常見的形式是串并聯、橋鏈、TCT、Suduku 等[10]。此外,一些元靈感算法也被應用于PV 陣列重構,如遺傳算法(genetic algorithm, GA)[11]、粒子群優化(particle swarm optimization, PSO)[12],這些算法可以捕獲PV陣列在動態可變PSC 下的最大輸出功率。然而,上面提到的大多數研究都集中在(9×9)PV 陣列上,但是少有大規模PV 陣列重構的技術方案。本文提出了一種創新的動態重構技術,重點關注于大規模PV 陣列。本文的主要貢獻如下:
1)本文使用GA 研究基于PSC 場景下大規模PV 系統的功率損耗問題;
2)使用功率增強來定量評估各種算法和光伏系統的輸出效率。
PV 陣列由PV 電池組成,其具體模型可參考文獻[6]。PV 陣列的輸出電壓由行電壓疊加,輸出電流為個分支電流的總和。PV 陣列結構如圖1 所示。
圖1 基于TCT結構的PV陣列(m×n)
PV 陣列的輸出電流Io和電壓Vo可以描述為:
式中,Vom為第m行的行電壓,Ipn為第n列的列電流,p為常量,且p∈[1,r]。
由于大規模的PV 陣列中的PV 組件數量眾多,結構復雜性大。若使用復雜的開關矩陣會使成本顯著增加,故將整個PV 陣列劃分為多個PV 模塊,且PV 模塊被視為最小的重構單元。為了平衡PV 陣列的復雜性和解的可行區域的大小,本文將20×30 的PV 陣列劃分為10×10模塊,即單個PV 模塊大小為2×3,具體劃分方法如下式所示:
式中,DPV和Dunit分別表示PV 陣列和PV單元的尺寸,Nunit表示PV 單元數。
PV 重構問題的目標函數定義為:
式中,Po是PV 陣列的總輸出功率,F是PV 陣列最大優化問題的適應度函數。
使用以下評估標準定量比較算法的優越性。
式中,表示標準測試條件(1000W/m2和25 ℃)PSC 下的最大功率點值;表示重新配置后遮蔽PV 陣列的輸出功率;Pen表示通過PV 重新配置獲得的功率增強,可以用作重構算法性能的主要標準。
GA 是一種基于自然選擇和基因遺傳學原理,借鑒生物界繁衍進化中基因重組、突變的遺傳機制的啟發式算法[12]。
基于GA 的PV 陣列重構流程如圖2 所示。
圖2 基于GA的PV陣列重構流程圖
將短寬型PSC 下的20×30 的PV 陣列動態重構結果與PSO 算法所得結果對比。為保證算法之間比較的公平性,種群數量和最大迭代次數分別設置為50 和500,獨立運行20 次。此外,仿真過程中環境溫度為25℃,不考慮PV 板之間的電線損耗,且PV 板不受發電產生的熱量影響。
圖3 為短寬場景下PSC 分布示意圖。
圖3 重構前短寬場景的PSC分布
經GA 重構后PV 陣列的PSC 分布如圖4所示。此外,光伏陣列重構前后的I-V和P-V的輸出曲線對比如圖5 所示。GA 和PSO 重構后PV 陣列的功率輸出對比如表1 所示。表中Pmax為最大功率,Pavg為20 次獨立運行的平均功率。
表1 20×30 PV陣列下三種算法得到的輸出功率
圖4 重構后短寬場景的PSC分布
圖5 重構前后的I-V和P-V的輸出曲線
結果表明:GA 獲得了最高的Pmax和Pavg。并且,GA 提高了30.95%的最大功率值,PSO提高了29.75%的最大功率值。GA 的綜合效果明顯優于PSO 的綜合效果。
本文定義了PV 模塊并采用GA 來PSC 場景下的PV 陣列重構,主要創新和價值如下:
1)本文所提到的動態單一PV 陣列重構方法顯著減輕了計算負擔,擴大了可用于研究的PV 陣列尺寸。
2)在PSC 場景下,GA 取得了最好的結果,可以有效地應用于大規模PV 陣列的動態重構,顯著提高PV 電站的發電效率,減少輻照度變化的影響。