Global maximum power point tracking method of photovoltaic system under multi-peak conditions

With the rapid growth of energy demand and the increasing scarcity of fossil fuels, the development and utilization of renewable energy have received more and more attention, such as solar energy. However, due to the influence of some uncontrollable factors, such as bird occlusion, cloud shading and other external and internal factors, all these factors lead to mismatched photovoltaic components. The mismatch phenomenon causes the output curve of the PV module appear multiple peak points. Therefore, the study of the global maximum power point tracking method of a photovoltaic panel under multi-peak conditions is of great significance for photovoltaic modules to achieve the maximum power output. This thesis begins with tracking global maximum power point under multi-peak conditions. Firstly, this thesis proposes a simulated Annealing method (SA) and Particle Swarm Optimization (PSO) mixed global maximum power point tracking method. This algorithm combines the asymptotic convergence advantage of simulated Annealing algorithm and the group diversity advantage of Particle Swarm Optimization algorithm. It can keep the balance between global search and local search. In order to ensure the accuracy and fast convergence, we do experiment 50 times and get the deviation comparing convergence time with the expected. Secondly, when we analyze the performance of the algorithm, we may summarize each parameter in the algorithm and obtain the influence of each parameter on the algorithm. At the same time, this thesis presents a trend graph of parameter changing through statistical experiments, and gives the improved optimal parameters so that the overall performance of the algorithm is optimal. Finally, this thesis validates SA+PSO algorithm again through hardware experiments. The hardware experimental platform is set up completely. We do experiments under the single-peak and multi-peak conditions to verify the algorithm that can track the global maximum power point. The hardware experimental results validate the implement ability of the proposed algorithm in practical application.

Con la rapida crescita della domanda di energia e la crescente scarsità di combustibili fossili, lo sviluppo e l'utilizzo delle energie rinnovabili ha ricevuto sempre più attenzione, ad esempio è possibile considerare il notevole sviluppo dei pannelli fotovoltaici. Tuttavia, a causa dell'influenza di diversi fattori incontrollabili, come l'occlusione da parte di uccelli, l’ombra causata dalle nuvole ed altri fattori interni ed esterni, si registrano nella pratica dei valori differenti rispetto a quelli previsti dalla teoria. In particolare la curva di uscita del modulo fotovoltaico presenta più punti di picco. Pertanto, lo studio del metodo di tracciamento del punto di massima potenza globale di un pannello fotovoltaico in presenza di più picchi è di grande importanza, in quanto permette ai moduli fotovoltaici di erogare la massima potenza. Questa tesi presenta inizialmente uno studio comportante il rilevamento del punto di massima potenza globale in condizioni di più picchi. In primo luogo, è proposta una Metodo di Ricottura “Simulated Annaeling Method” (SA) e dell’Ottimizzazione dello Sciame di Particelle “Particle Swarm Optimization” (PSO), che permettono di individuare il punto di massimo globale. Questo algoritmo combina il vantaggio di convergenza asintotica dell'algoritmo SA e il vantaggio della diversità dei gruppi presente nell'algoritmo PSO. Come risultato questa tecnica può mantenere l'equilibrio tra ricerca globale e ricerca locale. Per garantire l'accuratezza ed una rapida convergenza, la simulazione è ripetuta 50 volte e la deviazione è ottenuta confrontando il tempo di convergenza effettivo con quello atteso. In secondo luogo, analizzando le prestazioni dell'algoritmo, è possibile studiare ogni parametro ed ottenere l'influenza di ciascun parametro sull'algoritmo. Allo stesso tempo, questa tesi presenta un grafico della tendenza relativa al cambiamento dei parametri attraverso gli esperimenti statistici, e fornisce i parametri tali per cui le prestazioni generali dell'algoritmo siano ottimali. Infine, questa tesi convalida l'algoritmo SA + PSO attraverso esperimenti hardware. Per effettuare questa operazione è prima necessario configurare la piattaforma sperimentale hardware nella sua completezza. Gli esperimenti sono eseguiti in condizioni di picco singolo e multiplo, tali da verificare l’efficacia dell'algoritmo nell’individuare il punto di massima potenza globale. I risultati sperimentali dell'hardware confermano la validità dell'algoritmo proposto nell'applicazione pratica.