光伏电池MPPT模糊控制策略

孟祥萍，冷　淼，张　红

(1.长春工程学院, 电气与信息工程学院， 吉林 长春　130012;2.吉林省配电自动化工程研究中心， 吉林 长春　130012;3.长春工业大学 电气与电子工程学院, 吉林 长春　130012)



光伏电池MPPT模糊控制策略

孟祥萍1，2，冷淼3*，张红1，2

(1.长春工程学院, 电气与信息工程学院， 吉林 长春130012;2.吉林省配电自动化工程研究中心， 吉林 长春130012;3.长春工业大学 电气与电子工程学院, 吉林 长春130012)

对光伏电池最大功率点跟踪问题(MPPT)提出了模糊控制算法，并利用MATLAB进行了仿真。结果表明,该算法在最大功率点处转换效率较高。

光伏电池；MPPT； 模糊控制；MATLAB

0　引　言

一次能源的日益枯竭及由一次能源使用所带来的环境污染问题日益严重，这加快了人们对二次能源的开发与利用，光伏发电被认为清洁、安全、可靠、技术相对成熟，因此,近几年来光伏发电成为研究的热点问题[1-3]。光伏电池的输出功率不仅受自身因素影响，而且与光照强度、环境温度及其所接负载等外部因素有关，能否实现光伏发电系统光电转换效率的最大化，是整个光伏发电系统的关键所在。采用最大功率点跟踪算法可以使系统输出功率最大化，如文献[4]提出的恒压法实施简单、性能稳定，但因环境温度和光伏电池自身温度变化会导致最大功率点处的电压值发生偏移；文献[5]提出的扰动观察法被测参数少，控制系统结构简单，控制算法较易实现，但其控制目标比较盲目，由于不断进行扰动，光伏电池的工作点总在最大功率点附近不断变化，导致一定的功率损失；文献[6]提出的电导增量法控制精度较高，响应速度快，光伏电池的电压能够以较平稳的方式跟踪变化，而且稳态的振荡也比扰动观测法小，但其对控制系统的硬件要求较高，特别是对传感器的精度和系统各个部分的响应速度要求较高。由于光伏电池的具体数学模型并不明确，这使得跟踪系统随着外界环境的变化其输出具有较高的模糊性，为此，文中采用模糊控制算法，并在Simulink中进行了仿真实验，实验结果表明该算法的可行性。

1　光伏电池的输出特性

1.1光伏电池的数学模型

光伏电池是一种利用光生伏特效应将光能转化为电能的器件，根据电路理论，等效电路模型如图1所示[7]。

图1　光伏电池等效电路模型

根据光伏电池等效电路，结合工程实际设光伏电池的输出电压为V，输出电流为I，于是

(1)

最大功率点处有V=Vm，I=Im，于是

(2)

(3)

(4)

通过厂商提供的Vm、Im、Voc、Isc四个参数，即可求出C1、C2。当外界条件与标准参考条件不一致时，其输出特性会发生偏移，设偏移后的光伏电池的输出电压为V′，输出电流为I′，于是

(5)

(6)

(7)

(8)

(9)

式中：Vm——最大功率点处电压，V；

Im——最大功率点处电流，A；

Voc——开路电压，V；

Isc——短路电流，A；

T——环境温度，℃；

Tref——标准参考温度,25 ℃；

S——实际光照强度，W/m2；

Sref——标准参考光照强度,1 000W/m2；

α——电流温度系数，A/℃；

β——电压温度系数，V/℃；

Rs——光伏电池内部等效串联电阻，Ω。

对于单晶硅太阳能电池实测α=0.001 2 Isc，β=0.005 Voc，文中采用的电池板技术参数见表1。

表1　标准参考条件下光伏电池的技术参数

1.2光伏电池输出特性

通过上述分析，可在Matlab/Simulink中建立光伏电池仿真模型，如图2所示。

图2　光伏电池Matlab/Simulink模型

利用Matlab强大的封装功能将上述模型进行子系统封装，然后在Matlab/Simulink中建立光伏电池输出特性仿真模型，如图3所示。

图3　光伏电池输出特性仿真模型

设置仿真时间为60s，采用ode45算法分别进行了外界条件不同的4组仿真实验，仿真结果如图4所示。

(a) 相同温度不同光照强度的I-U曲线(T= 25 ℃)

(b) 相同光照强度不同温度的I-U曲线(S=1 000 W/m2)

(c) 相同温度不同光照强度的P-U曲线(T=25 ℃)

(d) 相同光照强度不同温度的P-U曲线(S=1 000 W/m2)

从图4(a)可以看出，光照强度对短路电流影响显著,而开路电压随光照强度的升高略有增大；从图4(b)可知，温度对开路电压影响显著,而短路电流随温度的只是略有增加；图4(a)、(b)的变化趋势相似，在右侧电压较高区域，光伏电池可视为一系列不同等级的电压源，具有明显的低内阻特性，在左侧电压较低区域内，光伏电池可视为一系列不同等级的电流源，具有明显的高电阻特性。从图4(c)可以得到，当温度相同时，输出功率随光照强度的增大而增大；图4(d)表明，同一光照强度下，输出功率随温度的升高反而下降。图4(c)、(d)同时说明无论外界环境如何变化，光伏电池都存在一个特定的最大功率点，因此，运用MPPT控制算法可以实现光伏电池输出功率的最大化。

2　 光伏电池MPPT原理

2.1MPPT原理

通过上面的分析可知，光伏电池的输出特性呈非线性的特点，并受外部环境因素影响显著，既使光照强度与环境温度保持不变，光伏电池的输出功率也会随负载的变化而变化。理论上只要光伏电池阻抗与负载阻抗完全匹配，即可实现光伏电池输出功率的最大化。因此，要提高光伏发电池的转换效率，就必须实时改变其所接外部负载，这一过程称之为最大功率点追踪，即MPPT原理。

2.2MPPT控制算法

传统的控制方法如恒压法、扰动观察法、电导增量法等不能兼顾跟踪速度和控制精度，而且当外部环境变化较大时会造成一定的功率损失。现代智能控制技术如模糊控制算法对于数学模型未知或知之甚少、非线性时变的复杂控制系统有良好的控制效果。文中提出的模糊控制策略是基于占空比扰动的MPPT控制方法[8]，根据调整后功率变化的方向来改变占空比步长的扰动方向，它通过调节Boost电路PWM的占空比D来改变负载阻抗值，使其与光伏电池的输出阻抗完全匹配，其原理图如图5所示。

图5负载阻抗变换原理图

根据电力电子学理论，设变换后的负载为R′，则

文中直接把占空比步长作为唯一控制变量，不仅简化了控制器的结构，同时降低了系统运行成本。

3　 模糊控制器的设计

3.1确定输入输出语言变量

基于占空比扰动观察法的原理，将模糊控制器的结构设定为二维模糊控制器，控制器结构如图6所示。

图6二维模糊控制器结构框图

图中把光伏电池第n时刻与第n-1时刻的输出功率差值e(n)和第n-1时刻的占空比步长值A(n-1)分别作为模糊控制器的两个输入语言变量，把第n时刻的占空比步长值a(n)作为模糊控制器的输出语言变量，其中Ke为量化因子，Ka为比例因子。

3.2确定语言变量的论域和语言取值

通过量化因子Ke和比例因子Ka将连续的输入和输出语言变量论域映射到由有限整数组成的离散模糊论域，E(n)的论域定义为{-6,-5,-4,-3,-2,-1,-0,+0,+1,+2,+3,+4,+5,+6},A(n-1)和A(n)的论域定义为{-6,-5,-4,-3,-2,-1,+1,+2,+3,+4,+5,+6}，E(n)对应的语言取值划分为{NB,NM,NS,NO,PO,PS,PM,PB}八档，A(n-1)和A(n)对应的语言取值划分为{NB,NM,NS,PS,PM,PB}六档，其中NB,NM,NS,NO,PO,PS,PM,PB分别表示负大，负中，负小，负零，正零，正小，正中，正大模糊概念[9]。

3.3确定各语言取值的隶属函数

针对太阳能电池输出特性非线性化的特点，选择三角形隶属函数作为各语言取值的隶属函数。由三角形形状可知离原点越近曲线越陡峭，这样便于提高系统的分辨率，离原点越远曲线越平缓，这样便于提高系统的跟踪速度。功率差值E(n)和占空比步长值A(n-1)、A(n)的隶属函数如图7所示。

(a) 功率变化量E(n)的隶属函数 (b) 占空比步长A(n-1)的隶属函数

(c) 占空比步长A(n)的隶属函数

3.4模糊规则库的描述

根据光伏电池输出功率P和Boost电路PWM占空比D之间的关系，模糊规则库的制定需满足以下3个条件：

1)如果输出功率P增大，则沿原来的扰动方向调整占空比步长值，否则沿相反方向调整；

2)离最大功率点较远时，采用较大步长逼近最大功率点，以加快跟踪速度；相反，则采用较小步长逼近最大功率点，以减少搜索损失；

3)当外界条件如光照强度、环境温度发生变化时，系统能够迅速做出反应。满足以上3条规则的模糊规则库见表2[10]。

表2　模糊控制规则表

3.5解模糊化

在模糊逻辑控制工具箱中选择Mamdani型推理算法，解模糊方法选择重心法，重心法解模糊所确定的清晰点y*是模糊集B′的隶属度函数所涵盖区域的重心[11]，即

(10)

式中：∫v——常规积分，V⊂R；

μB′(y)——隶属函数。

4　 仿真分析

4.1仿真模型

在Matlab/Simulink中建立基于占空比扰动的模糊控制MPPT仿真模型，如图8所示。

图8基于占空比扰动的模糊控制MPPT仿真模型

4.2仿真结果

参数设置：设外部负载RL=32 Ω，Transport Delay模块延迟时间设置为0.05 s，经反复实验量化因子Ke取值0.1，比例因子Ka取值1/70，将标准参考条件的光照强度和环境温度置换成两个阶跃信号模拟外界环境变化，模拟光照强度在3 s时由900 W/m2变化到1 000 W/m2，环境温度在4 s时从25 ℃变化至-25 ℃，仿真时间设置为10 s，解算器算法为Fixed-Step Discrete，步长设置为0.02 s，仿真结果如图9所示。

从图9可知，当光照强度发生变化时，光伏电池输出功率重新达到了最大值的时间约为0.1 s；当温度发生变化时，光伏电池输出功率几乎立刻到达新稳态。综上所述，当外部环境发生变化时，运用模糊控制策略能使光伏电池迅速跟踪到最大功率点，并且达到新稳态后输出功率几乎没有出现振荡，这表明运用模糊控制算法取得了良好的静态、动态跟踪效果。

图9　光照强度和温度变化时的输出功率P波形

5　结　语

为了提高光伏电池光电转换效率，使其工作在最大功率点处，针对光伏发电系统输出特性进行了建模分析，并提出了一种基于占空比扰动的模糊控制策略，把占空比步长作为唯一控制量，根据输出功率变化的幅度对占空比步长进行自适应调整。仿真实验结果表明，采用模糊控制算法进行光伏发电系统MPPT控制取得了良好的控制效果。

[1]丁明,王伟胜,王秀丽，等.大规模光伏发电对电力系统影响综述[J].中国电机工程学报,2014,34(1):1-14.

[2]陈圆圆，卢秀和，薛鹏，等.基于复和控制的单相光伏逆变电源的研究[J].长春工业大学学报：自然科学版,2001,32(1):14-19.

[3]张天瑜.新颖单相光伏并网逆变系统的仿真研究[J].长春工业大学学报：自然科学版,2008，29(4):414-419.

[4]熊远生,俞立,徐建明.固定电压法结合扰动观察法在光伏发电最大功率点跟踪控制中应用[J].电力自动化设备,2009,29(6):85-88.

[5]刘邦银,段善旭,刘飞，等.基于改进扰动观察法的光伏阵列最大功率点跟踪[J].电工技术学报,2009,24(6):91-94.

[6]Cihchiang H, Chihming S. Study of maximum power tracking techniques and control of DC/DC converters for photovoltaic power system[C]//The 29th IEEE Annual Conference on Power Electronics Specialists, Germany: IEEE,1998:86-93.

[7]苏建徽,余世杰,赵为，等.硅太阳电池工程用数学模型[J].太阳能学报,2001,22(4):409-412.

[8]Efichioskoutroulis, Kostaskalaltzkis, Voulgarisc. Development of microcontroller-based photoltaic maximum power point tracking control system[J]. IEEE Transaction on Power Electronics,2001,16(1)：46-54.

[9]叶秋香.光伏电池最大功率跟踪器的模糊控制及其应用[D].上海：东华大学,2006.

[10]黄克亚.光伏发电系统最大功率点跟踪算法研究及实现[D].苏州：苏州大学,2010.

[11]赵争鸣,陈剑,孙晓瑛.太阳能光伏发电最大功率点跟踪技术[M].北京：电子工业出版社,2012.

MPPT fuzzy control for photovoltaic cells

MENG Xiangping1,2,LENG Miao3*,ZHANG Hong1,2

(1.School of Electrical Engineering & Information Technology, Changchun Institute of Technology, Changchun 130012, China;2.JilinProvinceDistributionAutomationEngineeringResearchCenter,Changchun130012,China;3.SchoolofElectrical&ElectronicEngineering,ChangchunUniversityofTechnology,Changchun130012，China)

Forthemaximumpowerpointtracking(MPPT)tophotovoltaiccells,afuzzycontrolalgorithmisputforwardandtestedwithMATLAB.Thesimulationresultsshowthattheconversionefficiencyofthesystemisimprovedatthemaximumpowerpoint.

photovoltaiccell;MPPT;fuzzycontrol;MATLAB.

2016-04-23

吉林省发展和改革委员会研究项目(20131188-31)

孟祥萍(1961-)，女，汉族，吉林长春人，长春工程学院教授，博士，主要从事智能控制理论及电力系统安全性优化应用方向研究,E-mail:mxp_1961@163.com. *通讯作者：冷淼(1991-)，男，汉族，湖北云梦人，长春工业大学硕士研究生，主要从事分布式电源能量管理与预测方向研究,E-mail:798919503@qq.com.

10.15923/j.cnki.cn22-1382/t.2016.4.13

TM615

A

1674-1374(2016)04-0379-08