Luận án Nghiên cứu và phát triển hệ thống năng lượng điện mặt trời

 I-V, P-V khi có bóng râm 
3.2 Tìm điểm công suất cực đại 
 Một thành phần quan trọng trong hệ thống PV là MPPT, thành phần 
này giúp hệ thống PV phát được công suất ngõ ra của hệ thống cực đại, giảm 
tổn thất công suất và giải quyết bài toán kinh tế cho hệ thống PV. Nó như là 
một thiết bị công suất liên kết hệ pin quang điện với tải, điều khiển điểm hoạt 
động của hệ pin quang điện để thu được công suất cực đại từ hệ pin quang 
điện với điều kiện môi trường thay đổi như nhiệt độ, bức xạ, bóng râm vì 
thế hiệu suất hệ thống được cải thiện. 
3.3 Nghiên cứu phát triển thuật toán độ dẫn gia tăng trong điều khiển 
 bám điểm công suất cực đại 
3.3.1 Theo dõi MPP bằng thuật toán INC truyền thống 
Sơ đồ thuật toán INC như hình 3.4 [5]: 
 Hình 3.4. Sơ đồ thuật toán INC 
 9 
 Nếu coi D là một biến điều khiển thì lưu đồ thuật toán INC truyền 
thống được viết lại như hình 3.5. 
 Start
 Read V(k), I(k)
 dV = V(k) - V(k-1); dI = I(k) - I(k-1)
 dP = V(k)*I(k) - V(k-1)*I(k-1)
 D D(k) = D Dmax
 No Yes
 dV = 0
 Yes Yes
 D(k) = D(k-1) dI/dV = - I/V dI = 0 D(k) = D(k-1)
 No No
 Yes Yes
 dI/dV > - I/V dI > 0
 D(k) = D(k-1) - D D(k) D(k) = D(k-1) + D D(k)
 No No
 D(k) = D(k-1) + D D(k) D(k) = D(k-1) - D D(k)
 V(k-1) = V(k); I(k-1) = I(k)
 Return 
 Hình 3.5. Lưu đồ thuật toán INC với biến D cố định 
 Trong lưu đồ thuật toán hình 3.5 kích thước bước được cố định. Sự cố 
định về kích thước bước nhảy cố định ảnh hưởng đến hiệu quả điều khiển 
MPPT của thuật toán INC. Nếu kích thước bước lớn thì hệ thống nhanh đạt 
tới trạng thái MPP, nhưng độ dao động quanh điểm MPP lại lớn, làm giảm 
hiệu suất của MPPT. Và ngược lại, nếu kích thước bước nhỏ, thì thời gian để 
hệ thống PV đạt tới trạng thái MPP lại lâu. Sự hạn chế này được khắc phục 
bằng việc phát triển thuật toán INC với kích thước bước nhảy tự điều chỉnh 
sẽ được trình bày ở phần tiếp theo. 
3.3.2 Phát triển thuật toán INC nhằm đạt MPP nhanh 
 Phương pháp xác định kích thước bước nhảy tự điều chỉnh sẽ được 
xác định như sau: 
 푃
 ( ) = ( − 1) ± ∗ | | (3.3) 
 − 
Trong đó: N là tham số, tham số này sẽ quyết định kích thước bước trong 
thuật toán INC. Sơ đồ lưu đồ của thuật toán MPPT INC có bước thay đổi 
được trình bày trong hình 3.6. 
 10 
 Start
 Read V(k), I(k)
 dV = V(k) - V(k-1); dI = I(k) - I(k-1)
 dP = V(k)*I(k) - V(k-1)*I(k-1)
 DD(k) = N*abs(dP/(dV-dI))
 No Yes
 dV = 0
 Yes Yes
 D(k) = D(k-1) dI/dV = - I/V dI = 0 D(k) = D(k-1)
 No No
 Yes Yes
 dI/dV > - I/V dI > 0
 D(k) = D(k-1) - DD(k) D(k) = D(k-1) + DD(k)
 No No
 D(k) = D(k-1) + DD(k) D(k) = D(k-1) - DD(k)
 V(k-1) = V(k); I(k-1) = I(k)
 Return
 Hình 3.6. Lưu đồ thuật toán INC với kích thước bước nhảy thay đổi 
 nhằm mục đích hội tụ nhanh 
3.3.3 Phát triển thuật toán INC nhằm giảm dao động quanh MPP 
 Khi hệ thống ở trạng thái xác lập, các giá trị biến thiên công suất không 
lớn, thì một giá trị bước nhảy càng nhỏ sẽ càng giảm độ giao động, giảm tổn 
thất công suất cho hệ thống. Trong thuật toán đề xuất này, đề tài cũng áp dụng 
một giá trị bước nhảy có độ lớn giảm dần về giá trị 0, để giảm độ giao động 
của công suất khi đạt MPP. 
 ∆ 
 | 푃| ∆ = −1 (3.4) 
 훼
 Với điều kiện như biểu thức (3.4), bước nhảy tiếp theo sẽ được xác 
định dựa vào độ biến đổi của bước nhảy phía trước, và nếu công suất thay đổi 
nhỏ, thì giá trị bước nhảy sẽ giảm dần với một hệ số chia α, và giá trị α này 
thường được chọn là 2. 
 11 
 Start
 Read V(k), I(k)
 dV = V(k) - V(k-1); dI = I(k) - I(k-1)
 dP = V(k)*I(k) - V(k-1)*I(k-1)
 No Yes
 D D(k) = D D(k-1)/2 dP  D D(k) = N*abs(dP/(dV-dI))
 Yes
 No Yes
 dV = 0
 Yes Yes
 D(k) = D(k-1) dI/dV = - I/V dI = 0 D(k) = D(k-1)
 No No
 Yes Yes
 dI/dV > - I/V dI > 0
 D(k) = D(k-1) - D D(k) D(k) = D(k-1) + D D(k) 
 No No
 D(k) = D(k-1) + D D(k) D(k) = D(k-1) - D D(k) 
 V(k-1) = V(k); I(k-1) = I(k)
 Return
 Hình 3.7. Lưu đồ thuật toán INC với kích thước bước nhảy thay đổi nhằm 
 mục đích giảm dao động tại MPP 
3.4 Nghiên cứu phát triển thuật toán tối ưu bầy đàn trong điều 
 khiển bám điểm công suất cực đại 
3.4.1 Thuật toán tối ưu bầy đàn (PSO) 
 PSO (Particle Swarm Optimization) là một trong những kỹ thuật tính 
toán tiến hóa được đề xuất bởi Eberhart và Kennedy vào năm 1995 [48,49]. 
PSO được phỏng theo hành vi xã hội và hợp tác của nhiều loài khác nhau để 
đáp ứng nhu cầu tìm kiếm thức ăn của chúng trong không gian đa chiều. Khái 
niệm về PSO nguyên thể (được gọi là PSO) được thể hiện bằng hai phương 
trình toán học dưới đây [65]: 
 12 
 k 1 k k k k k
 Vij, wV ij , c 1 r 1()() Pbest ijij , X , c 2 r 2 Gbest jij X , (3.5)
 k 11 k k
 XXVi,,, j i j i j (3.6) 
Sơ đồ thuật toán của PSO được thể hiện trong Hình 3.8. 
 Đặt thông số PSO
 Khởi tạo vị trí và vận tốc ban đầu của mỗi cá thể 
 Tính toán giá trị hàm mục tiêu của mỗi cá thể
 Đánh giá hàm mục tiêu của mỗi cá thể,
 chọn Pbest và Gbest
 Đặt số lần lặp k =1
 Cập nhật giá trị vận tốc và vị trí của mỗi cá thể
 Đánh giá hàm mục tiêu của mỗi cá thể
 và cập nhật Pbest, Gbest
 Đúng
 k = k+1 Nếu k <= Maxite ?
 Sai
 In giá trị tối ưu của đầu ra, Gbest
 Hình 3.8 Sơ đồ thuật toán của PSO 
3.4.2 Phát triển thuật toán tối ưu bầy đàn 
3.4.2.1 Thuật toán tối ưu bầy đàn vi phân (DPSO) 
 DPSO là phát triển của thuật toán tối ưu bầy đàn (PSO), trong đó 
các cá thể có khả năng thoát khỏi tối ưu cục bộ, để tìm giải pháp tối ưu hóa 
tốt hơn trong không gian tìm kiếm. 
 13 
 Thuật toán DPSO khắc phục nhược điểm của PSO bằng cách cập 
nhật thêm tốc độ của một cá thể ngẫu nhiên được chọn trong bầy đàn. Sự khác 
biệt tỷ lệ ngẫu nhiên giữa bản thân cá thể đang xét và và cá thể được chọn 
mới, được thể hiện trong phương trình vận tốc. Về mặt toán học, thuật toán 
DPSO có thể được trình bày như sau: 
Vk 1 wV k c r()()() Pbest k X k c r Gbest k X k c r X k X k 
 pq,,,,,, pq11 pqpq 2 2 qpq 3 3 lq, pq
 (3.11) 
 k 11 k k
 XXVp,,, q p q p q 
 (3.12) 
 Chú ý rằng l đại diện cho cá thể chuyên gia tương ứng với cá thể 
mục tiêu p. Trong phương trình này, l thay đổi từ 1 đến N nhưng l ≠ p. Hình 
3.9 thể hiện cơ chế tìm kiếm của DPSO được đề xuất trong không gian tìm 
kiếm đa chiều. 
 k+1
 Xp
 k
 Vp
 k+1
 Vp
 Gbestk
 Gbest
 Vp
 k
 Pbestp
 X k Pbest
 p Vp
 Diff
 Vp
 Hình 3.9 Cơ chế tìm kiểm của DPSO trong không gian đa chiều
 k 
 Trong hình 3.9, Pbestp ,q đại diện cho thành phần thứ q cá thể tốt 
 k
nhất của cá thể thứ p, trong khi Gbestq đại diện cho thành phần thứ q của cá 
thể tốt nhất cho đến lần lặp k. 
 Từ hình 3.9 có thể thấy rằng DPSO được đề xuất được thực hiện 
 Diff
bằng cách thêm một đặc trưng mới (Vp ) trong phương trình vận tốc, do đó 
điểm công suất cực đại có thể thu được sớm hơn nhiều so với trường hợp sử 
dụng PSO cổ điển. Hơn nữa, tính năng bổ sung này cho phép các cá thể thoát 
khỏi tối ưu cục bộ để tìm kiếm một giải pháp tốt hơn trong không gian tìm 
kiếm. 
 Thuật toán MPPT dựa trên DPSO (MPPT – DPSO)
 Như đã đề cập ở chương 2, đặc tính tế bào quang điện là phi tuyến 
tính, có công suất đầu ra thay đổi theo sự biến đổi của bức xạ ánh sáng và 
nhiệt độ, do đó làm giảm hiệu quả hoạt động của tấm pin mặt trời (PV). Ngoài 
ra, hiệu quả của các mô-đun quang điện này không được đạt yêu cầu, do đó 
đòi hỏi sự hỗ trợ của các thuật toán thông minh để khắc phục vấn đề này. 
 14 
Trong luận án này, một mô hình sử dụng thuật toán MPPT dựa trên DPSO 
được đề xuất để nâng cao hiệu quả hoạt động của PV. 
Lưu đồ thuật toán của MPPT - DPSO được thể hiện trên hình 3.10: 
 Chọn giá trị w, c1, c2 , c3, n
 Khởi tạo vị trí và vận tốc ban đầu của mỗi cá thể d=d0; 
 v=0.1*d0 
 Xác định V(i), I(i). Tính toán giá trị hàm mục tiêu của 
 mỗi cá thể: P(i)=V(i)*I(i)
 Đánh giá hàm mục tiêu của mỗi cá thể,
 chọn Pbest và Gbest
 Đặt số lần lặp k =1
 Cập nhật giá trị vận tốc và vị trí của mỗi cá thể
 Đánh giá hàm mục tiêu của mỗi cá thể
 và cập nhật Pbest, Gbest
 Đúng
 k = k+1 Nếu k <= Maxite ?
 Sai
 In giá trị tối ưu của chu kỳ xung, Gbest
 Hình 3.10. Sơ đồ thuật toán của MPPT - DPSO 
3.4.2.2 Thuật toán tối ưu bầy đàn nhiễu loạn (PPSO) 
 Thuật toán PPSO cũng là một phát triển của thuật toán PSO nó làm 
việc dựa trên nguyên tắc sau: bất cứ khi nào các cá thể bị hội tụ vào vùng cực 
đại cục bộ vectơ vận tốc của mỗi cá thể cần được thực hiện nhiễu loạn. Thông 
thường, tình huống này xảy ra khi giải pháp tối ưu (Gbest của bầy đàn) không 
được cải thiện sau một số lần lặp nhất định, chẳng hạn như sau một giá trị sai 
 15 
lệch cho phép (dung sai) hoặc khi đạt đến một tiêu chí dừng (được quy định 
trước và phải nhỏ hơn số lần lặp tối đa). Nhiễu loạn là hiện tượng vectơ vận 
tốc của mỗi cá thể cần được thiết lập lại, để các cá thể có thể thoát ra khỏi 
cực đại cục bộ. Về mặt toán học, các khái niệm nhiễu loạn vận tốc cho mỗi 
cá thể có thể được biểu diễn như sau: 
 kk 1
 Vp,, q pbest p q (3.13) 
 Ngoài ra, giới hạn dung sai cần được điều chỉnh, để các cá thể có khả 
năng tìm kiếm các cơ hội khác tối ưu hơn trong không gian với một số lần 
lặp tối thiểu nhất định. Bên cạnh đó, sự nhiễu loạn vận tốc có thể được thực 
hiện với một số lần nhất định. Nói cách khác, sự nhiễu loạn trong vectơ vận 
tốc của mỗi cá thể cho phép các cá thể tiếp tục khám phá không gian tìm kiếm 
để thoát khỏi cực đại cục bộ. Một mô hình mô tả điển hình của mỗi cá thể 
tương ứng với chiều dài tăng dần của mũi tên của các cá thể bị nhiễu loạn vận 
tốc (PP) được thể hiện trong Hình 3.11. 
 IP: Initialized Particle
 PP: Perturbed Particle
 LCP: Locally Converged Particle
 Arrow: Represents direction of move
 Length of arrow: Values of velocity
 IP4
 PP4
 Local optimum
 IP5
 PP5 PP3
 Global optimum
 IP4
 LCP4
 IP1 LCP3
 LCP5
 LCP2
 LCP1
 IP2
 PP3
 IP3 PP1
 Hình 3.11 Cơ chế tìm kiếm của PPSO trong không gian đa chiều 
 Thuật toán MPPT dựa trên PPSO ( MPPT-PPSO) 
 Lưu đồ thuật toán của phương pháp MPPT-PPSO được đề xuất như 
Hình 3.12. 
 Đầu tiên, giá trị chu kỳ xung D của bộ chuyển đổi DC/DC được chọn 
làm vị trí của cá thể trong không gian tìm kiếm. Trong khi đó, công suất đầu 
ra của dãy PV được định nghĩa là giá trị hàm mục tiêu. Cần lưu ý rằng số 
lượng của các cá thể nên được chọn là số lượng các mô đun kết nối nối tiếp 
trong dãy PV. Tiếp theo, thuật toán PPSO sẽ bắt đầu quá trình tối ưu hóa từ 
một giá trị ban đầu ngẫu nhiên được chọn trong phạm vi sau: 
 k
 Di = [D1, D2, D3,  DN] 
 16 
 Đặt giá trị w , c1 , c2,c3 , n
 Khởi tạo vị trí và vận tốc ban đầu của mỗi cá thể d=d0; 
 v=0.1*d0 
 Xác định V(i), I(i). Tính toán giá trị hàm mục tiêu của 
 mỗi cá thể: P(i)=V(i)*I(i)
 Đánh giá hàm mục tiêu của mỗi cá thể,
 chọn Pbest và Gbest
 Đặt số lần lặp k =1
 Cập nhật giá trị vận tốc và vị trí của mỗi cá thể
 Đánh giá hàm mục tiêu của mỗi cá thể
 và cập nhật Pbest, Gbest
 Yes
 If tol<tol_max tol=1
 No
 k k+1
 tol = Fb - Fb1 V=Pbest
 Đúng
 k = k+1 If k <= Maxite ?
 Sai
 In giá trị tối ưu của chu kỳ xung, Gbest
 Hình 3.12 Lưu đồ thuật toán MPPT-PPSO 
 Trong đó N là số cá thể và k là số lần lặp. Nói cách khác, các cá thể 
được khởi tạo bởi các vị trí ngẫu nhiên trong không gian tìm kiếm [Dmin, 
Dmax]. Dmax và Dmin lần lượt là chu kỳ xung tối đa và tối thiểu của bộ chuyển 
đổi DC/DC được sử dụng trong nghiên cứu. Sau đó, bộ điều khiển kỹ thuật 
số gửi tín hiệu điều khiển PWM theo chu kỳ xung (tín hiệu này đại diện cho 
 17 
vị trí của cá thể thứ i), điện áp và dòng điện đầu ra của dãy pin, VPV và IPV 
được xác định, từ đó tính được công suất đầu ra của dãy pin (giá trị hàm mục 
tiêu), theo công thức: PPV = VPV*IPV. Giá trị hàm mục tiêu của từng cá thể 
 k k
được đánh giá theo công thức: Fp = f(Xp ) ∀p, để tìm chỉ số cá thể tốt nhất b. 
Cuối cùng, thuật toán PPSO cập nhật Pbest, Gbest cho đến khi đạt được giá 
trị tối ưu của chu kỳ xung, được gọi là Gbest. Cần lưu ý rằng bất cứ khi nào 
 k k + 1
tol <tol_max thì V = Pbest và tol = 1, nếu sai tol = Fb - Fb1 . 
3.5 Kết luận chương 3 
 Trong hệ thống PV người ta luôn mong muốn cho dù ở bất kỳ điều 
kiện thời tiết như thế nào thì dòng công suất phát từ dàn PV tới tải luôn là cực 
đại, đó là mục tiêu của bài toán điều khiển MPPT. Chương 3 tác giả nghiên 
cứu các thuật toán điều khiển công suất cực đại thông dụng và đưa ra các cải 
tiến phát triển cho thuật toán để áp dụng trong điều khiển MPPT của hệ thống 
PV làm cho hệ thống hoạt động hiệu suất tốt hơn. 
 Chương 3 tác giả giới thiệu một số thuật toán cho bộ điều khiển 
MPPT và nghiên cứu thuật toán INC và đưa ra các cải tiến phát triển cho 
thuật toán INC làm cho hệ thống đạt điểm công suất cực đại nhanh hơn, dao 
động quanh điểm công suất cực đại hẹp và ít hơn, giảm thiểu được hao tổn 
công suất phát do dao động quanh điểm công suất cực đại. Trong chương 3 
này tác giả cũng chú trọng nghiên cứu thuật toán PSO áp dụng trong điều 
khiển MPPT và đã đề xuất ra các thuật toán mới bằng cách phát triển dựa trên 
thuật toán PSO cổ điển đó là thuật toán DPSO và thuật toán PPSO để cải thiện 
hiệu quả hoạt động của hệ thống PV. 
 CHƯƠNG 4 
 MÔ PHỎNG KIỂM CHỨNG CÁC THUẬT TOÁN MPPT PHÁT 
 TRIỂN CHO HỆ THỐNG NĂNG LƯỢNG ĐIỆN MẶT TRỜI 
4.1. Kết quả mô phỏng thuật toán INC các phát triển của thuật toán INC 
4.1.1. Sơ đồ mô phỏng 
 Hình 4.1. Sơ đồ mô phỏng thuật toán INC 
 18 
4.1.2 Kết quả mô phỏng 
4.1.2.2 Thuật toán phát triển INC nhằm đạt MPP nhanh 
 Tác giả tiến hành mô phỏng theo lý thuyết đã đề xuất thì thu được kết 
quả các đáp ứng của hệ thống PV so với trường hợp INC truyền thống như 
hình 4.2. 
 CURRENT
 Traditional I
 25 Variable I
 20
 15
 I(A)
 10
 5
 0 
 0 2 4 6 8 10 12 14
 Time(s) 
 a) So sánh đáp ứng dòng điện 
 VOLTAGE
 400 
 Traditional V
 350 Variable V
 300
 250
 200
 V(V)
 150
 100
 50
 0 
 0 2 4 6 8 10 12 14
 Time(s) 
 b) So sánh đáp ứng điện áp 
 POWER
 8000 
 7000
 6000
 5000
 4000
 P(W)
 3000
 2000
 Theory P
 1000 Traditional P
 Variable P
 0 
 0 2 4 6 8 10 12 14
 Time(s) 
 c) So sánh đáp ứng công suất 
 Hình 4.2. So sánh các đáp ứng của thuật toán INC truyền thống 
 và bước nhảy thay đổi 
 DUTY CYCLE
 0.6 
 Traditional D
 0.55 Variable D
 0.5
 0.45
 0.4
 0.35
 Duty
 0.3
 0.25
 0.2
 0.15
 0.1 
 0 0.5 1 1.5 2 2.5 3 3.5 4
 Time(s) 
 Hình 4.3 Đáp ứng D của INC truyền thống và bước nhảy thay đổi lúc khởi động 
 19
 POWER
 7000 
 6000
 5000
 4000
 P(W)
 3000
 2000
 Theory P
 1000
 Traditional P
 Variable P
 0 
 0 0.5 1 1.5 2 2.5 3 3.5 4
 Time(s) 
 Hình 4.4 Đáp ứng công suất của INC truyền thống và bước nhảy 
 thay đổi lúc khởi động 
 POWER
 7800 
 7600
 7400
 7200
 7000
 6800
 P(W)
 6600
 6400
 6200
 Theory P
 6000 Traditional P
 Variable P
 5800 
 4 4.05 4.1 4.15 4.2 4.25 4.3 4.35 4.4 4.45 4.5
 Time(s) 
 Hình 4.5 Đáp ứng công suất của INC truyền thống và bước nhảy thay đổi lúc 
 bức xạ thay đổi từ 700W/m2 lên 900W/m2. 
 Qua mô phỏng ta dễ dàng quan sát được tốc độ đạt MPP lúc bắt đầu 
hoạt động của INC bước nhảy thay đổi nhanh hơn INC truyền thống rất nhiều 
được thể hiện ở hình 4.4. Ngay cả trong trường hợp bức xạ thay đổi từ G = 
700W/m2 lên G = 900W/m2 thuật toán INC bước nhảy thay đổi bám điểm 
công suất tốt hơn, được thể hiện ở hình 4.5, qua đây có thể thấy INC bước 
nhảy thay đổi dao động quanh MPP nhẹ hơn so với INC truyền thống. 
 4.1.2.3 Thuật toán phát triển INC nhằm giảm dao động tại MPP 
 Kết quả thu được từ mô phỏng phần mềm Matlab như hình 4.6 ta thấy 
được phương án đề xuất này có tốc độ hội tụ nhanh và giảm dao động tại 
MPP đáng kể. 
 CURRENT
 Traditional I
 25 Modify Variable I
 20
 15
 I(A)
 10
 5
 0 
 0 2 4 6 8 10 12 14
 Time(s) 
 a) So sánh đáp ứng dòng điện 
 20 
 VOLTAGE
 400 
 Traditional V
 350 Modify Variable V
 300
 250
 200
 V(V)
 150
 100
 50
 0 
 0 2 4 6 8 10 12 14
 Time(s) 
 b) So sánh đáp ứng điện áp 
 POWER
 8000 
 Theory P
 7000 Modify Variable P
 6000
 5000
 4000
 P(W)
 3000
 2000
 1000
 0 
 0 2 4 6 8 10 12 14 16
 Time(s) 
 c) So sánh đáp ứng công suất 
Hình 4.6. So sánh thuật toán INC truyền thống và giảm dao động tại MPP 
 DUTY CYCLE
 0.6 
 Traditional D
 0.55 Modify Variable D
 0.5
 0.45
 0.4
 0.35
 Duty
 0.3
 0.25
 0.2
 0.15
 0.1 
 0 0.5 1 1.5 2 2.5 3 3.5 4
 Time(s) 
 a) Đáp ứng D quá trình khởi động 
 Time(s)
 3.9
 3.95
 4
 4.05
 4.1
 4.15
 4.2
 4.25
 4.3
 4.35
 4.4
 0.46
 0.47
 0.48
 0.49
 0.5
 Duty
 0.51
 0.52
 0.53
 0.54
 Modify Variable D
 Traditional D
 0.55
 DUTY CYCLE 
 b) Đáp ứng D ở thời điểm gia tăng bức xạ 
 Hình 4.7. Đồ thị D khi quá độ và tăng bức xạ 
 Từ hình 4.7 a) ta nhận thấy rằng, với một giá trị bước nhảy thay đổi, 
hệ thống sẽ nhiễu loạn những bước dài hơn, được giới hạn 10%, và càng gần 
 21 
giá trị công suất cực đại, giá trị bước nhảy nhỏ dần và tiến gần đến 0, trong 
đó giá trị giảm dần α được chọn là 2, có nghĩa là thuật toán sẽ liên tục giảm 
giá trị bước nhảy cho 2 cho đến khi đạt giá trị gần 0. Việc này cải thiện được 
độ giao động công suất ở trạng thái xác lập. 
 Để so sánh được hiệu quả giữa các phương pháp, tác giả vẽ lại các 
đường công suất tại thời điểm khởi động như hình 4.8 a), gia tăng ánh nắng 
như hình 4.8 b) và hệ thống ổn định hình 4.8 c). 
 POWER
 7000 
 6000
 5000
 4000
 P(W)
 3000
 2000
 Theory P
 1000 Traditional P
 Variable P
 Modify Variable P
 0 
 0 0.5 1 1.5 2 2.5 3 3.5 4
 Time(s) 
 a) Đáp ứng P ở quá trình khởi động 
 POWER
 7800 
 7600
 7400
 7200
 7000
 6800
 P(W)
 6600
 6400
 6200 Theory P
 Traditional P
 6000 Variable P
 Modify Variable P
 5800 
 4 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 5
 Time(s) 
 b) Đáp ứng P ở quá trình thay đổi bức xạ 
 POWER
 6860 
 6840
 6820
 6800
 6780
 6760
 P(W)
 6740
 6720
 6700 Theory P
 Traditional P
 6680 Variable P
 Modify Variable P
 6660 
 11 11.2 11.4 11.6 11.8 12 12.2 12.4 12.6 12.8 13
 Time(s) 
 c) Đáp ứng P trong quá trình ổn định 
 Hình 4.8 So sánh đáp ứng công suất của 3 thuật toán và lý thuyết 
 Từ những kết quả mô phỏng và so sánh trên, đã chứng minh được rằng 
2 thuật toán đề xuất có khả năng cải thiện được hiệu suất của thuật toán INC 
truyền thống ở các tiêu chí về thời gian đáp ứng, độ dao động tại MPP và tổn 
thất công suất. Điều này chứng minh sự phù hợp của các thuật toán đề xuất 
so với thuật toán truyền thống. 
 22 
4.2. Kết quả mô phỏng thuật toán PSO và các phát triển của thuật 
 toán PSO 
4.2.1 Kết quả mô phỏng thuật toán MPPT-PSO 
 Dựa vào lưu đồ thuật toán PSO hình 3.8 tác giả mô phỏng được các 
đáp ứng công suất đầu ra của hệ thống PV và so sánh với trường hợp không 
có bộ điều khiển MPPT như hình 4.9. Từ đáp ứng đầu ra ta thấy với thuật 
toán PSO cho kết quả đáp ứng công suất đầu ra không bị giao động như các 
phương pháp INC hay P&O. 
 Hình 4.9 Đáp ứng đầu ra hệ thống PV với thuật toán PSO 
4.2.2 Kết quả mô phỏng thuật toán MPPT-DPSO 
 Trong phần này, tác giả mô phỏng để đánh giá hiệu quả của thuật 
toán DPSO trong việc dò tìm điểm công suất cực đại của PV. Trước tiên, 
thuật toán PSO và DPSO được thử nghiệm trên năm vấn đề Benchmark để 
chứng minh tính hiệu quả của chúng trong việc giải quyết các vấn đề tối ưu 
hóa phức tạp. Sau đó, các thuật toán tối ưu hóa này được áp dụng để dò tìm 
điểm công suất cực đại của PV. 
 Hình 4.10 thể hiện thời gian đáp ứng của công suất đầu ra trong điều 
kiện môi trường không đổi (với năng lượng bức xạ G = 900 W / m2 và nhiệt 
độ T = 25°C) trong ba trường hợp sau: 1) không có bộ điều khiển MPPT, 2) 
sử dụng DPSO và 3) các phương pháp truyền thống (P&O and InCond). 
 Hình 4.10. Đáp ứng của công suất đầu ra trong ba trường hợp: không sử dụng 
 MPPT, sử dụng DPSO, P&O và InCond 
 23 
 Khả năng dò tìm điểm công suất cực đại của phương pháp được đề 
xuất tốt hơn thuật toán bầy đàn PSO truyền thống trong việc tối ưu hóa năng 
lượng của tấm pin mặt trời. Điều này được thể hiện trong hình 4.11 có thể 
thấy rằng cả hai thuật toán thông minh nh