一种基于云模型动态跟踪光伏阵列最大功率点的方法

1.本发明公开一种基于云模型动态跟踪光伏阵列最大功率点的方法，属于计算、推算或计数的技术领域。


背景技术：

2.激光无线能量传输(lpt,laser power transmission)是一种基于光生伏特效应，利用激光作为载体，在远距离条件下进行无线电能传输的技术。由于激光具有高功率密度、方向性好、亮度高、单色性好的特点，激光无线能量传输系统所需设备的体积与质量都较小，且不与同行卫星的信号产生干扰，适合为飞行器、卫星、深孔探测器、无线传感网络等移动设备或平台提供技术先进、应用灵活的能量获取手段，因此激光技术目前是国内外的研究热点之一，在军事、航空航天、生产生活等方面有着广阔的发展前景。
3.激光无线能量传输系统的通用结构如图1所示，主要由激光发射端、自由空间以及激光接收端三部分组成。激光接收端是lpt系统的重要组成部分，用于将接收到的光能转换为直流电的电能，直流电能送入接收端后为负载供能。接收端主要包括：光伏阵列、光伏变换器、直流负载和相应的控制系统，其中，光伏阵列的光-电转换效率对整个系统来说至关重要。由于激光本身具有高斯特性，且lpt技术通常应用于收发端相对移动性较强的场合，这导致光伏阵列上的辐照强度频繁变化，使得入射电池板的光强发生变化，移动接收端光伏阵列的伏安输出曲线随之变化，影响了功率的稳定输出，这对光伏阵列的光-电转换效率产生较大的影响，因此lpt系统对于gmppt的跟踪速度具有很高的要求。因此，亟需一种动态能量分布不均匀的条件下能够快速跟踪并提高激光能量利用率的一种gmppt(global maximum power point tracking,全局最大功率点跟踪)技术。


技术实现要素：

4.本发明的发明目的是针对上述背景技术的不足，提供一种基于云模型动态跟踪光伏阵列最大功率点的方法，通过采用数理统计方法对激光动态跟踪瞄准技术特性分析建立分布模型，分析光伏阵列完全交叉结构(tct,total-cross-tie)电气连接下接收端光伏阵列功率特性整体规律，提出优化后的双峰值gmppt技术，从而大大缩短系统的响应时间，提高搜索速度，解决现有lpt系统响应时间慢、功率输出不稳定且光电转换效率较低的关键技术问题。
5.本发明为实现上述发明目的采用如下技术方案：
6.一种基于云模型动态跟踪光伏阵列最大功率点的方法，包括如下3个步骤。
7.步骤1，采用数理统计方法对激光动态跟踪瞄准技术特性分析建立分布模型：
8.测试现有的多种跟踪瞄准器的跟踪瞄准位置，以预定目标点为参考点，记录跟踪瞄准点与预定目标点的位置偏差，绘制位置偏差分布特性曲线，并利用数理统计学中的非参数检验方法对位置偏差分布特性曲线进行拟合验证，得出激光动态跟踪瞄准的位置偏差分布特性曲线符合云模型分布的结论，根据云模型符合正态云“3e
n”规则的特点，将对光伏
阵列最大功率点的动态跟踪转换为对固定位置光伏模块最大功率点的跟踪。云模型的期望e
x
为熵en为超熵he为
9.步骤2，将多块光伏模块tct电气连接，分析最大功率与输出电压的关系：
10.对不同并联支路串接而成的支路，在各并联支路上并联二极管，可自动适应所受辐照变化，基于跟踪瞄准器位置偏差分布特性曲线的云模型分布特性，结合matlab仿真可得到不同规模光伏阵列的最大功率点位置与光伏阵列的规模相关，不同规模光伏阵列的最大功率点对应的电压与光伏阵列的开路电压成正比。针对不同激光辐照情况，最大功率点所处电压范围有所不同。
11.按照电压大小顺序对tct光伏阵列曲线上的局部最大功率点进行排序，根据激光能量分布简化模型得到各光伏模块的标幺化辐照强度，以第一局部最大功率点为基准推导得到局部最大功率点的功率标幺值表达式，根据所述局部最大功率点的功率标幺值表达式对局部最大功率点序号的导数为零求得最接近最大功率点的局部最大功率点的序号数值，根据求得的局部最大功率点的序号数值确定电压搜索范围。
12.光伏阵列规模n为奇数时，最接近最大功率点的局部最大功率点的序号数值为最大功率点的电压搜索范围为[v
ref_start
,v
ref_finish
]，v
ref_start
＝(2[k]-1)*0.76*v
oc
，v
ref_finish
＝(2[k] 1)*0.76*v
oc
，k为第k个局部最大功率点，k是整数时，第k个局部最大功率点即为全局最大功率点，k不是整数时，全局最大功率点在第[k]个局部最大功率点和第[k] 1个局部最大功率点之间。
[0013]
光伏阵列规模n为偶数时，最接近最大功率点的局部最大功率点的序号数值为最大功率点的电压搜索范围为[v
ref_start
,v
ref_finish
]，v
ref_start
＝(2[k])*0.76*v
oc
，v
ref_finish
＝(2[k] 2)*0.76*v
oc
。
[0014]
步骤3，基于动态跟踪瞄准位置偏差的统计学分布特性，结合移动接收端光伏阵列的功率特性，将传统的扫描电压全范围的gmppt技术优化为仅扫描最接近最大功率点的两个局部最大功率点所构建的电压区间范围的gmppt技术，达到增加gmppt的跟踪速度的目的。具体是：首先根据光伏阵列规模确定相邻两个局部最大功率点对应的电压构建最大功率点的电压搜索范围，然后采用电压定位算法将光伏阵列输出电压调整至所述电压范围内，最后调整接在光伏阵列之后的直流变换器的占空比以对直流变换器的输出信号进行扰动观察，直至光伏阵列工作于最大功率点。
[0015]
根据接收端光伏阵列功率电压的输出特性分析，在光伏阵列后加入有源控制的boost变换器，用芯片实现先定位后扫描的全局最大功率点跟踪技术。
[0016]
本发明采用上述技术方案，具有以下有益效果：
[0017]
(1)性能优势：相对于接收端固定的场合，本发明针对接收端负载快速移动的实际应用，对根据动态跟踪瞄准特性得出关键结论——在动态lpt系统中，跟踪瞄准可一次性准确瞄准的概率近似100％，将动态出现的所有可能性简化为固定辐照情形，针对这种固定辐照情形，本发明采用双峰值电压区间搜索的最大功率点跟踪技术。相对于传统跟踪电压范围全程的gmppt方法，本发明减小电压搜索区间，节省系统响应时间，这意味着提出的双峰
值gmppt技术能够更快速精确地对lpt系统进行最大功率点的跟踪。同时，本发明是基于跟踪瞄准器本身的瞄准分布特性提出的优化gmppt技术，将数理统计学科结合至工程应用，可适应各种激光无线能量传输中收发端非相对静止的场合，适用性增强，具有普适性。
[0018]
(2)成本优势：相对于现有研究均基于接收端相对固定的场合，本发明适用于激光无线能量传输中接收端处于移动状态的场合，避免需要针对不同情况设计不同的搜索方法，本发明适用范围广泛，节省时间和成本。
[0019]
(3)模块化、易集成：本发明给出的方案利于模块化实现，具体实现的硬件电路、芯片等在通信领域发展较为成熟，后续芯片化设计易于实现。
附图说明
[0020]
图1是激光无线传能系统的通用结构图。
[0021]
图2是动态激光跟踪瞄准无线传能的实例组成图。
[0022]
图3是动态跟踪下跟踪瞄准位置与目标点偏差的示意图。
[0023]
图4是二维正态云模型的示意图。
[0024]
图5是一维正态云发生器的模块图。
[0025]
图6是正态云的“3e
n”规则图。
[0026]
图7(a)是光伏阵列sp电气连接结构图。
[0027]
图7(b)是光伏阵列tct电气连接结构图。
[0028]
图8(a)是激光跟踪瞄准位置下5
×
5光伏阵列6#至20#阵元时的功率输出特性曲线图，图8(b)是激光跟踪瞄准位置下5
×
5光伏阵列1#至5#阵元以及21#至25#阵元时的功率输出特性曲线图。
[0029]
图9(a)是传统mppt方法的电压搜索范围示意图，图9(b)是双峰值gmppt方法的电压搜索范围示意图。
[0030]
图10是电压定位的流程图。
[0031]
图11是扰动观察法寻找最大功率点的示意图。
[0032]
图12是全局最大功率点跟踪技术的算法流程图。
具体实施方式
[0033]
下面结合附图对发明的技术方案进行详细说明.
[0034]
本发明提出的一种基于云模型动态跟踪光伏阵列最大功率点的方法，为使本发明的目的、技术方案及效果更加清楚明确，参照附图对本发明进一步详细说明。
[0035]
1.激光动态跟踪瞄准技术特性建模
[0036]
(1)建立跟踪瞄准器跟瞄特性的云模型
[0037]
要想激光无线能量传输系统在接收端快速移动情形下可以照常适用并最大化其接收端光-电转换效率，需要对跟踪瞄准技术的特性进行研究。此类应用中，接收端具有灵活性、高效性和安全性等特点(如无人机)，在特定战场反恐等场合侦察和锁定目标有独特的优势。动态激光跟踪瞄准无线传能实例组成如图2所示，主要由激光发射端和激光接收端两部分组成。在激光发射端，通过电视观瞄窗口捕获无人机图像，经过信息处理提取激光电池板中心位置，驱动伺服跟踪模块，使得光电池板位于电视观瞄视场中心。激光发射轴与电
视观瞄轴平行，通过激光发射窗口发射激光，照射到激光充电电池板上。在激光接收端，激光充电电池板将激光转化成电能。其中，动态跟踪瞄准技术的精度就显得尤为重要。
[0038]
因此，为了找出跟踪瞄准的内在规律，在结合概率论和模糊数学理论两者的基础上，通过赋予样本点以随机确定度来统一刻画跟踪瞄准过程中的随机性、模糊性和关联性。通过利用3个数字特征(期望、熵、超熵)描述研究过程中跟踪瞄准器瞄准的位置与最佳瞄准点之间的偏差，并通过特定算法形成用数字特征表示的定性与定量概念之间的不确定转换模型。由于多方面随机因素的影响，跟踪瞄准器并非每一次都瞄准最佳瞄准点，如图3所示，其多次瞄准的位置在目标光伏阵列上呈现近似正态分布。因此，用如图4所示的正态云模型(e
x
，en，he)来描述总的跟踪瞄准情况；期望值是所有云滴(跟瞄点)在光伏阵列上的平均点的坐标，反映了跟踪瞄准器对目标点的目标性；熵一方面反映跟瞄点的随机性，即分别在水平和垂直方向上对于期望值的离散程度，另一方面又体现了跟瞄的模糊性——隶属度；超熵反映了熵的离散程度，体现了隶属度的不确定性。
[0039]
(2)跟踪瞄准分布云滴生成算法
[0040]
云是用自然语言值表示定性概念与定量之间的不确定性转换模型。用期望值e
x
、熵en、超熵he三个数值表示云的数字特征。因此，为定量分析跟踪瞄准器的跟踪瞄准特性分布，通过如图5所示的一维逆向云发生器生成跟踪瞄准云滴：
[0041]
1)以预定目标点为参考点，记录并输入实验样本点(即跟踪瞄准点)的位置信息xi(i＝1,2,
…
,m)。
[0042]
2)根据xi计算这组数据的样本均值一阶样本绝对中心矩样本方差
[0043]
3)计算期望熵超熵
[0044]
4)结合计算得到的数字特征，绘制跟踪瞄准分布曲线图，如图6所示。
[0045]
基于概率论已被定义过的分布特性模型及模糊学相关理论，采用非参数检验方法对跟踪瞄准分布曲线图进行拟合，验证跟踪瞄准分布的分布模型。检验结果显示，跟踪瞄准分布曲线与云模型曲线拟合完全，可以得到跟踪瞄准满足云模型分布特性。
[0046]
基于上述结论，结合统计学知识可以得到，云模型具有以下规则：99.74％的云滴都降落于(e
x-3en，e
x
3en)范围内，甚至可以忽略(e
x-3en，e
x
3en)区间以外的定量值，即如图6所示的正态云的“3e
n”规则。研究得出，跟踪瞄准器的瞄准特性满足云模型分布，且其符合正态云的“3e
n”规则。基于跟踪瞄准的分布特性，为后续对lpt系统中激光动态跟踪瞄准的研究范围奠定了基础，避免了大量无效且复杂的情况分析。本发明利用跟踪瞄准特性符合正态云“3e
n”规则的这一特点，将动态跟踪瞄准简化某一特定的固定跟踪瞄准，基于简化后的固定跟踪瞄准设计了一种优化的gmppt方法。
[0047]
2.光伏阵列tct连接后的功率特性分析
[0048]
(1)tct连接方式分析：在能量分布不均匀的高斯激光辐照下，影响光伏阵列输出功率的最主要原因是由于阵列中各个光伏电池单体的输出特性不匹配造成的。在大部分lpt系统的研究中，主要通过优化光伏阵列的电气连接方式来减少阵列中的失配损耗，从而
达到提高阵列输出功率的目的。实际应用中较为常见的有如图7(a)所示的sp连接和如图7(b)所示的tct连接。tct连接中由于各电池单体之间不是简单的串并联，因而每个电池单体所产生的电流都有若干个方向流出，所以当某个电池单体的光照出现差异时不影响同一支路中其它电池的工作,该结构能较好的解决辐照不均匀时因光伏电池间失配而造成的功率损失问题，因此本发明针对tct结构进行功率特性分析。
[0049]
(2)tct连接光伏阵列功率特性分析：由单块光伏模块的功率特性推导tct连接的光伏阵列输出特性。若光伏阵列为n
×
n规模，若n为奇数，高斯激光光斑的中心(即光伏阵列坐标系的原点)与光伏阵列中心的光伏电池单体重合；若n为偶数，高斯激光光斑的中心不与光伏阵列中的任何一个光伏电池单体重合。因此接下来先讨论n为奇数时光伏阵列在高斯激光辐照下的输出特性。
[0050]
n为奇数时，以激光光斑中心为原点建立直角坐标系，高斯激光的辐照强度之比x可数学表示为：
[0051][0052]
其中，g
i,j
是坐标为(i,j)的光伏电池的辐照强度，d
i,j
为该光伏电池到光斑中心的距离，g
0,0
是激光光斑中心的辐照强度，w0为激光光斑的半径。
[0053]
按照电压从小到大的顺序依次命名光伏串p-v曲线上的局部最大功率点为lmpp1,lmpp2,
…
,lmppk
……
，将光伏阵列坐标系原点的辐照强度记为基准1，那么根据激光能量分布简化模型可以得出光伏阵列中的各个光伏电池单体的标幺化辐照强度。由于光伏模块的短路电流与其所受辐照强度成正比，因此并联支路的短路电流之比与式(1)类似。将lmpp1的电流记为基准1，那么lmppk的电流标幺值i
pk*
可表示如下，其中x的表达式如式(3)：
[0054][0055][0056]
已知不均匀光照下的光伏阵列的各个局部峰值点电压都约等于0.76voc的整数倍，因此各个局部峰值点的电压约为0.76v
oc
,3*0.76v
oc
,5*0.76v
oc
,
…
,n*0.76v
oc
。将lmpp1的电压记为基准1，那么lmppk的电压标幺值v
pk*
可表示为：
[0057]vpk*
＝2k-1
ꢀꢀ
(4)
[0058]
若将lmpp1的功率p
p1
记为基准1，则lmppk的输出功率标幺值p
pk*
可表示为：
[0059][0060]
对k求导并令其为0可得下式：
[0061][0062]
同理，对n为偶数的光伏阵列进行推导，可以得出k的表达式如下：
[0063][0064]
因此，式(6)式(7)中，若k的值为正整数，则第k个局部最大功率点lmppk即gmpp；若
k不是整数，则gmpp在lmpp[k]和lmpp([k] 1)之间。其中[k]表示对k取整。
[0065]
gmpp的位置仅与光伏阵列规模有关，与激光辐照度无关。因此，在已固定的接收端光伏阵列条件下，其gmpp位置具有恒定性。然而，若激光辐照极大程度偏离中心目标瞄准点，则光伏阵列所受的辐照情况会发生较大不同，其中gmpp对应第k个lmpp的性质并没有发生改变，而gmpp对应的第k个lmpp的电压发生改变。在5
×
5规模的光伏阵列中，第一种情况：当光斑中心落于图8(a)中阴影光伏模块6#至20#时，gmpp对应第二个lmpp，其对应电压为3*0.76v
oc
；第二种情况：当光斑落于图8(b)中阴影光伏模块1#至5#、21#至25#时，gmpp依然对应第二个lmpp，但其对应的电压为2*0.76v
oc
，两电压值相差较大，电压搜索的范围并不能保持恒定，不便于之后快速而又精准的双峰值gmppt技术。但是基于上文对激光动态跟踪瞄准技术特性建模，发现跟踪瞄准器的瞄准特性满足云模型分布，99.74％的跟踪瞄准均可实现第一种情况的瞄准，完全可以忽略出现情况二的可能性，因此，针对已固定的光伏阵列规模，可通过数学表达式计算出其gmpp所在位置范围及其对应的电压大小，为后续对传统gmppt技术进行优化提供了理论基础。
[0066]
3.双峰值全局最大功率点跟踪算法分析
[0067]
根据仿真和实验经验，本发明采用boost电路作为有源直-直变换器调节最终的输出功率。如图1所示，本发明将光伏模块tct连接后并联至boost电路输入端，boost电路输出端接最终的直流负载r
l
，分别采集boost电路输入端及输出端的电压电流，在dsp(digital signal processing)控制器内进行电压定位算法和扰动观察法，可将光伏阵列的输出电压调节至最贴近全局最大功率点的电压范围内，并进行最大功率点的跟踪，实现了更高效和更加快速精准的功率点跟踪。
[0068]
由上文分析可知，高斯激光辐照能量分布不均匀使得整体功率特性曲线存在多个峰值点，但结合针对不同规模光伏阵列动态变化的跟踪瞄准情况，全局最大功率点相对于局部最大功率点的位置都是恒定的这一规律，可将搜索范围减小到两个局部最大功率点之间，再搜索比较获得全局最大功率点，如图9(a)、图9(b)所示。
[0069]
本发明先通过动态激光跟踪瞄准下tct结构光伏阵列的功率特性，算得与光伏阵列规模相关的k从而确定v
ref
的大小。后通过电压定位法，将搜索电压范围由原先的0定位至某个局部最大功率点电压处。电压定位流程图如图10所示，该定位方法基于二分法思想，目的是将光伏阵列的输出电压v
pvstring
调整到v
ref
。由于光伏电池的开路电压会随光照强度变化而有所不同，所以计算得出的v
ref
也只是gmpp实际电压的近似值，为了加快电压控制子程序的运行过程，只需要调整后的v
pvstring
在v
ref
附近即可，本发明中将该范围合理设定为(v
ref-1,v
ref
1)。当v
pvstring
《v
ref-1时，将d赋值给d
max
，二分法对d进行修改后d变小，从而v
pvstring
变大；同理，当v
pvstring
》v
ref
1时，将d赋值给d
min
，二分法后d变大，v
ref
，最终将v
pvstring
调整到(v
ref-1,v
ref
1)范围内。
[0070]
定位完成后，本发明采用扰动观察法寻找局部最大功率点。扰动观察法，顾名思义，需要对被控电路施加一个外部扰动，使得其输出电压产生相应的变化，然后对施加外部扰动后的电路进行输出电压以及输出功率的采样，观察两者的变化趋势后再做出下一步的判断，其工作原理如图11所示。具体思路是：通过调节boost占空比d对变换器输入信号施加扰动，如果施加的扰动使得输出电压增大且输出功率也随之增大，如图中pa变化到pb的过程，那么认为扰动的方向是正确的，因此继续施加同方向的扰动使得输出电压继续增加；如
果施加的扰动使得输出电压增大，但输出功率因此减小，如图中pc变化到pd的过程，那么反向施加扰动以减小输出电压；反之亦然。按照这种思路，以固定时间间隔检测输出电压、输出电流的值，根据观察比较的结果决定下一步的控制方向，循环上述过程直至输出功率趋近于最大功率点。由于双峰值mppt技术的电压搜索范围已大大减小，本发明中跟踪步长设置为较小数值，从而可以在加快跟踪速度的同时提高跟踪精度。
[0071]vref_start
和v
ref_finish
由dsp通过算法计算获得，其具体的算法流程如图12所示。结合实际应用给定光伏阵列规模n和光伏模块的开路电压v
oc
，赋值v
ref_start
为0，赋值v
ref_finish
为n*v
oc
，即默认最初电压搜索范围为输出电压能够变化的最大范围。再对n进行奇偶数分类，若n可整除2，即n为偶数，反之n为奇数。将相应数学表达式赋予k并给定电压扫描范围的起点v
ref_start
和终点v
ref_finish
，即最大功率点在第[k]个局部最大功率点和第[k] 1个局部最大功率点之间，n为奇数时，v
ref_start
＝(2[k]-1)*0.76*v
oc
，v
ref_finish
＝(2[k] 1)*0.76*v
oc
，n为偶数时，v
ref_start
＝(2[k])*0.76*v
oc
，v
ref_finish
＝(2[k] 2)*0.76*v
oc
，再通过上文描述的电压定位算法和更为精确的变步长扰动观察法对其进行最大功率点的跟踪。
[0072]
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。