一种基于模拟退火法的光伏最大功率跟踪方法【技术领域】
本发明属于太阳能光伏发电研究领域，特别涉及一种基于模拟退火法的光伏系统
最大功率跟踪的优化算法。
【背景技术】
近年来，由于化石燃料的大量、快速使用，环境问题及全球能源危机日益严峻。作
为主要的清洁可再生能源，太阳能发电得到了普遍的关注与重视并有着广泛的应用前景：
能源总量巨大，清洁无污染以及地理上不受限制，同时，太阳能发电系统安全稳定，易于实
施和维护。然而，在实际的光伏系统应用环境中，周围物体阴影的遮挡、太阳能板的污点、具
体安装朝向不同等问题会严重影响光伏系统电产率。上述问题通常被称为光伏系统的失配
问题，这会导致光伏阵列整体的输出静态特性曲线呈现出“多个最大功率点(Multiple
MaximumPowerPoint，MMPP)”的现象，使得传统集中式最大功率跟踪(MaximumPower
PointTracking，MPPT)控制算法难以区分局部最大功率点(LocalMaximumPowerPoint,
LMPP)和全局最大功率点(GlobalMaximumPowerPoint,GMPP)，降低了光伏系统的输出功
率，严重影响其太阳能转化的效率。
为了解决这一问题，基于模糊控制(FuzzyLogicControl)、粒子群算法
(ParticleSwarmOptimization)等一系列新的全局最大功率点跟踪(GlobalMaximum
PowerPointTracking，GMPPT)算法被提出，大大提高了追踪到GMPP的概率，提升了光伏系
统的效率。然而，上述算法在追踪GMPP时往往有较大的功率损失或者需要针对每个单独的
光伏系统进行优化。相比之下，基于模拟退火法的GMPPT算法不依赖于电压初值，不需要对
每个单独的光伏系统进行优化，故体现出其独有的优势与应用价值。但是现有的模拟退火
法只能追踪静态的功率电压曲线的最大值，无法应对辐照度变化的情况；算法停止条件为
温度下降至一定阈值，追踪精度不高；缺少邻域的有效调整，导致追踪速度慢。
【发明内容】
为了克服当前模拟退火法在光伏系统GMPPT上的缺陷，本发明提出了一种能够快
速精确地追踪光伏系统GMPP的基于模拟退火法的改进GMPPT算法。
本发明采用以下技术方案：
一种基于模拟退火法的光伏最大功率跟踪方法，包括以下步骤：
(1)在0到开路电压之间随机选取一个初始电压作为工作点电压Vi，测量在该工作
点电压下的输出功率Pi，作为参考功率；
(2)在邻域内随进进行电压扰动，得到新的工作电压Vk，测量该工作电压Vk下的输
出功率Pk；
(3)判断步骤(2)进行扰动后的输出功率Pk与步骤(1)的参考功率Pi的关系，如果Pk
大于Pi，则接受该扰动点位新的参考点，同时，如果Pk大于当前记录的最大功率值Pmax,则更
新最大功率值；如果Pk小于Pi，则参考Metropolios计算接受概率，以此判断是否将该扰动点
作为新的参考点；
(4)如果在某一邻域内扰动的次数达到了提前设定的扰动次数NS，则调整邻域大
小，当调整邻域的次数达到提前设定的调整次数时，对当前环境降温，并将当前的扰动点作
为目前的最大功率点；
(5)判断是否追踪到最大功率。
优选地，所述的步骤(2)中的Vk按照以下公式计算：
Vk＝Vi+r*step
其中，r为[-1,1]之间的随机数，step为当前的邻域大小。
优选地，步骤(3)中的参考Metropolios计算接受概率，按照以下公式计算：
P r = exp [ P k - P i T k ] ]]>
其中，Pr为接受概率，Tk为当前温度。
优选地，步骤(3)中，参考Metropolios计算接受概率，以此判断是否将该扰动点作
为新的参考点的方法为：若接受概率Pr大于0.1，则接受扰动点，否则拒绝。
优选地，步骤(4)根据以下公式调整邻域大小：
n e w s t e p = s t e p * ( 1 + 2 * N o _ a c c e p t / N s - 0.6 0.4 ) , i f N o _ a c c e p t > 0.6 * N s m e w s t e p = s t e p 1 + 2 * 0.4 - N o _ a c c e p t / N s 0.4 , i f N o _ a c c e p t < 0.4 * N s n e w s t e p = s t e p , o t h e r w i s e ]]>
其中，newstep为调整后的邻域大小，No_accept为接受扰动点的次数，NS为给定
邻域内的扰动次数，step为当前邻域大小。
优选地，步骤(4)中，对当前环境降温按照以下公式进行：Tk+1＝αTk，其中，Tk为当前
温度，Tk+1为降温后的温度，α为温度下降率。
优选地，判断是否追踪到最大功率的方法为：
ΔP＝|Pi-Pmax|，若且连续M个输出功率都在记录的最大功率附近，则认
为已追踪到GMPP。
优选地，进一步包括步骤(6)：当追踪到GMPP后，停止对电压的扰动，输出电压，并
实时监测输出功率，判断是否发生辐照度的变化，如果存在辐照度的变化，则重新启动
GMPPT，否则输出电压。
优选地，如果以下公式成立，则认为辐照度发生变化：
Δ P P m a x > δ . ]]>
与现有技术相比，本发明至少具有以下有益效果：本发明公开了一种基于模拟退
火法的改进全局最大功率点跟踪算法。当光伏阵列的P-V特性因局部阴影遮挡而呈现出多
峰值现象时，可以快速、准确地追踪到光伏阵列的全局最大功率点；由于邻域的自适应可
调，在追踪过程中可以避免功率的大幅度波动；同时该算法能检测辐照度变化，并及时追踪
到新的GMPP。
【附图说明】
图1为本发明基于模拟退火法的GMPPT算法的流程图。
图2(a)、(b)为实施例中的P-V特性曲线。
图3(a)、(b)为实施例中GMPPT过程示意图。
【具体实施方式】
本发明提出的基于模拟退火法的GMPPT算法是通过模拟晶体熔化后降温结晶的过
程，构造一个类似的降温机制，在每个温度下进行一定次数电压的扰动，参考Metropolis判
据决定接受或拒绝新的工作点，并根据实际接受次数所占比率来调整邻域的大小，从而达
到既快速又精确的追踪效果，同时该算法能检测辐照度变化，并及时追踪到新的GMPP。其流
程图如图1所示。
下面结合实施例及附图，对本发明做进一步详细的说明。实施例中GMPPT的流程图
如附图1所示，包括以下步骤：
1、参数设置
设置初始温度T0、温度下降率α、邻域大小step、结束标志flag、给定邻域内的扰动
次数NS、给定温度下的邻域调整次数NT。
2、初始化电压
在0到开路电压Voc之间随机选取一个初始电压V0作为初始的工作点电压。
3、测量功率
根据初始化的电压V0测出相应的输出功率P0。
4、GMPPT过程
4.1在邻域内随机进行电压扰动，得到新的工作电压Vk。具体产生方式为：
Vk＝Vi+r*step(1)
其中，r为[-1,1]之间的随机数，step为当前的邻域大小，对于Vi而言，当i＝1时，Vi
＝V0。
4.2测量出Vk对应的输出功率Pk。并将扰动次数No_perturb加1。
4.3如果Pk大于参考功率Pi，对于Pi而言，当i＝1时，Pi＝P0，则接受扰动点为新的参
考点，同时，将接受新解的次数No_accept加1：
Pi＝Pk,Vi＝Vk(2)
如果Pk大于当前记录的最大功率值Pmax,更新最大功率值：
Pmax＝Pk,Vmax＝Vk(3)
4.4如果Pk小于参考功率Pi，对于Pi而言，当i＝1时，Pi＝P0，则参考以下
Metropolios公式计算接受概率，以此判断是否接受扰动点为新的参考点：
P r = exp [ P k - P i T k ] - - - ( 4 ) ]]>
若Pr大于0.1，则接受扰动点，否则拒绝。如果接受了，将接受新解的次数No_
accept加一。
4.5如果在某一邻域内扰动次数达到NS次，按以下方式调整邻域大小：
n e w s t e p = s t e p * ( 1 + 2 * N o _ a c c e p t / N s - 0.6 0.4 ) , i f N o _ a c c e p t > 0.6 * N s m e w s t e p = s t e p 1 + 2 * 0.4 - N o _ a c c e p t / N s 0.4 , i f N o _ a c c e p t < 0.4 * N s n e w s t e p = s t e p , o t h e r w i s e - - - ( 5 ) ]]>
重新初始化No_perturb、No_accept，并将No_step加1。
4.6如果邻域调整次数达到NT次，按照下述方式进行降温：
Tk+1＝αTk(6)
重新初始化No_step，将参考点设为目前的最大功率点：
Vi＝Vmax(7)
5、判断是否追踪到GMPP：
ΔP＝|Pi-Pmax|(8)
若
Δ P P m a x < δ - - - ( 9 ) ]]>
则令
flag＝flag+1(10)
当flag大于M时，说明连续M个输出功率都在记录的最大功率附近，此时认为已追
踪到GMPP，进入6，否则回到4。
6、输出GMPP，等待算法重启动
当追踪到GMPP后，算法停止对电压的扰动，输出Vi＝Vmpp，并实时监测输出功率Pi，
按照下式判断辐照度是否发生变化：
若
Δ P P m a x > δ - - - ( 11 ) ]]>
说明输出功率有较大波动，存在辐照度的变化，则重新启动GMPPT，回到1。否则，继
续输出Vi＝Vmpp。
本实施例中采用三个光伏模块串联，光伏模块1的辐照度在0.4秒时发生突变。其
对应的P-V特性为图2(a)(0.4秒之前)及图2(b)(0.4秒之后)。可以看出，由于局部阴影遮
挡，导致三块光伏模块P-V特性不一致，因此在0-0.4秒总的P-V特性呈现3个峰值。由图3(a)
可以看出输出功率很快达到GMPP，说明算法的快速性及可靠性。在0.4秒后辐照度发生突
变，算法立即重启动追踪，并快速再次找到新的GMPP，说明算法可以很好地应对辐照度的变
化。由图3(b)可以看出，由于邻域的自适应调节，电压波动范围较小，有效地抑制了较大的
功率扰动，减少了功率损失并且提升了追踪速度。