改进模糊控制策略在光伏发电MPPT中的应用

王亚楠， 杨旭红， 李浩然， 冯成臣

(上海电力学院自动化学院上海市电站自动化技术重点实验室，上海200090)

改进模糊控制策略在光伏发电MPPT中的应用

王亚楠， 杨旭红， 李浩然， 冯成臣

(上海电力学院自动化学院上海市电站自动化技术重点实验室，上海200090)

由于光伏电池的非线性和时滞性，模糊控制策略在MPPT控制中应用十分普遍。分析了传统模糊MPPT控制策略模糊控制器输入量的缺陷，提出一种新的改进模糊控制策略，即应用优化函数对传统输入量进行优化，使其更精确地进行模糊控制。最后还搭建了光伏发电系统仿真模型，对比传统模糊控制策略，所提改进型模糊在跟踪精度和响应速度均表现出优越性。

光伏发电；最大功率点跟踪；模糊控制

太阳能作为未来的能源，是一种取之不尽、用之不竭的非常理想的清洁能源，可用之于太阳能光伏发电、太阳热发电等许多领域。如果充分合理地利用太阳能，将会为人类提供充足的能源和美好的环境。近年来由于人们对能源、环境及科学发展等问题的日益关注，太阳能光伏系统的研究、应用与普及越来越受到人们的高度重视，并取得了很大的发展[1]。

目前，对光伏发电系统研究热点之一即为最大功率点跟踪(MPPT)。由于外界环境及本身技术指标影响着光伏发电系统的传输功率，使得光伏电池的输出特性具有明显的非线性[2]。如何使光伏发电系统始终以最大功率点输出来提高光伏发电效率在光伏发电系统中具有重要地位。传统的MPPT方法有很多，常见的有恒定电压法[3]，电导增量法[4]和扰动观察法[5]，但是他们由于自身算法的缺陷，步长若取得过大，则在最大功率点附近振荡幅度过大，若取得过小，则使得跟踪时间过长，即传统算法在跟踪精度与响应速度得不到很好的兼顾[6]。近年来，由于以模糊控制为代表的智能控制[7-8]更适用于类似于光伏电池输出功率这样的强非线性系统，所以将智能控制与最大功率点跟踪结合，一度成为研究热点。本文分析了传统模糊MPPT控制算法的缺陷，提出一种改进型模糊控制策略，通过理论分析和仿真实验验证了新方法的实用性。

1 光伏电池的特性

太阳电池的特性一般包括太阳电池的输入输出特性(伏安特性)、光照强度(照度)特性及温度特性，其输入输出特性随着光照强度与温度的变化而变化[5]。光伏电池的数学模型可用图1等效电路图表示[9]。

图1 光伏电池的等效电路

根据图1可以得到光伏电池的输出特性方程为：

图2 光伏电池P-U特性曲线图

从图2结果可得出结论：光伏电池的输出功率随着光照强度的增加而增加，随着温度的增加而减小，同时当光照强度或者温度发生改变时伴随着最大功率点的移动，以上结论证明所搭建的光伏电池仿真模型符合实际情况，可以满足仿真实验的需要。

2 传统模糊MPPT控制原理与缺陷

模糊算法是近几年在MPPT方法中比较热门的一种智能算法，相较于传统的常规算法，其更适用于类似于光伏系统这样的复杂非线性系统。传统的模糊MPPT算法控制器如图3所示，以光伏系统输出功率控制误差与误差变化率和经过归一模糊量化处理后为模糊输入量[10]，即：

图3 传统模糊MPPT控制器结构原理图

模糊控制器的控制规则遵循工作点不断靠近MPP，离MPP越近步长越小的大致原则[11]。大致可总结如下：

传统的模糊MPPT算法的缺陷主要在于其模糊输入量的数学特性缺陷，图4是光伏系统在外界环境温度=25℃，光照强度=1 000 W/m2条件下的输出功率误差随输出电压的变化图，图4中区域1代表工作点在MPP的左侧，区域2代表工作点在MPP的附近，区域3代表在MPP的右侧。从图4可见在区域3工作时功率误差值过大，要远大于工作在区域1时。不仅如此，从图4中可以推算出传统模糊MPPT算法另一输入量的缺陷[6]，与功率误差类似，功率误差率在区域3时的的值要远大于工作在区域1。这说明功率点左右两侧的功率误差和误差率的数学特性有着很大的不同，影响到了模糊控制器的控制规则的制定，同时影响着系统的跟踪精度与响应速度[12]。

图4 功率误差随输出电压变化图

3 优化模糊输入量的模糊MPPT算法

为了解决上文传统模糊MPPT存在的缺陷问题，本文特提出一种优化模糊输入量的控制思想，即在归一模糊量化之前先通过优化函数优化，使得其左右两侧的数学特性更相似，并且在最大功率点附近更为“突出”，更准确的制定模糊控制器的控制规则从而对系统最大功率更好地跟踪，提高系统输出效率。所提出优化函数为：

将公式(5)进行求导。即：

利用matlab工具画出式(5)，式(7)的函数图像如图5(a)、图5(b)所示，为优化后的变量函数，图像如图6所示。

图5 优化函数说明图

图6 优化后的功率误差图

从上述几幅图中可以总结出优化函数f(x)的几点优势：

(1)f(x)的单调递增性，使用其作为优化函数不会改变变量的基本数学性质，即其只会起到优化的作用而未改变变量“本质”；

(2)在原点O左右两边均有界[－1，1]，解决了原变量作为模糊输入在零点左右侧值相差太大的问题；

(3)另一个输入量同样得到了优化，经过优化后的功率误差变化率在MPP两侧的值更加的接近，并且越接近MPP时值越小。

将优化过的e和ec重新作为模糊控制器的输入量，模糊集分别为E与EC，输出的模糊集为U。其中EC论域为[－5，5]，分割成6个模糊子集，分别为{NB，NS，NO，PO，PS，PB}。E和U论域为[－7，7]，分割成7个模糊子集，分别为{NB，NM，NS，ZE，PS，PM，PB}。根据最大功率点的特性，本文模糊控制器模糊子集一律用三角形隶属度函数[13]。根据最大功率点跟踪要求制定模糊规则[14]如表1。

4 仿真分析

为了验证上述优化模糊算法的可行性，在MATLAB/SIMULINK搭建了基于Boost电路光伏发电系统的仿真模型，通过控制开关工作时间来改变占空比实现控制光伏电池工作电压的目的。仿真模型由光伏电池模块，Boost电路模块和MPPT模块组成，如图7所示。本次仿真采用ode45算法，采样保持器参数设定为1×10－5。Boost电路模块中部分参数[1]：电容C设定值为300×10－6F，电容CF设定值为500× 10－6F，电感L设定值为1×10－3H。PWM变换器中三角波设定为[－0.5，0.5]。

表1 模糊控制器控制规则

图7 光伏发电系统仿真模型

仿真实验首先设定在外界条件稳定的情况下(设定温度为25℃，光照强度为1 000 W/m2)，在0.2 s后，仿真外界条件突变的情况，考虑到一般外界温度不会发生突变，特设定光照强度从1 000 W/m2突然降到800 W/m2，以此来验证算法的动态特性。为了说明本文所提优化模糊输入量模糊算法的优越性，特对比传统模糊MPPT控制算法的追踪精度与响应速度。从仿真结果来看，新旧两种模糊算法均成功地完成了对最大跟踪点的跟踪，在标准测试的情况下的都稳定在了最大功率140 W左右，如图8所示。

图8 两种控制算法仿真结果对比图

图8(a)是传统模糊MPPT控制算法仿真图，图8中两幅小图分别放大了初始达到稳定状态和外界环境突变时功率的变化情况。具体仿真结果如下：系统在0.025 s左右时达到最大功率点，并在最大功率点上下波动，波动幅度为139.7～140.7 W，波动大小为1 W。在0.2 s时，环境光照强度发生突变，系统在0.21 s时重新达到最大功率点处，波动幅度为107.6～108.4 W。

图8(b)是改进模糊MPPT控制算法仿真图，效果具体如下：系统在不到0.01 s时就达到最大功率点，在最大功率点上下波动幅度为140.2～140.7 W，波动大小为0.5 W。当0.2 s外界环境光照强度发生突变时系统在0.203 s左右时就重新达到最大功率点处，波动幅度为108～108.4 W。从上分析数据可以得知，所提出优化模糊输入量的控制思想是可行有效的，具有更好的动态特性，并在跟踪精度与响应速度方面都要优于传统模糊控制算法。

5 结论

本文分析了传统模糊MPPT算法的原理，针对传统模糊MPPT控制器模糊输入量的数学特性上的缺陷，提出一种优化模糊输入量的方法，即在其归一模糊处理之前经过所提优化函数进行优化。文章首先理论分析了所提方法的可行性并搭建了基于MATLAB/SIMULINK的光伏发电系统仿真平台，对比传统模糊MPPT算法的仿真结果，从跟踪精度和响应速度的角度，验证并分析了所提改进模糊MPPT算法效率上的优越性。

[1]王军成，杨旭红，王严龙.改进自适应变步长光伏系统最大功率跟踪[J].现代电力，2014，31(5)：70-73.

[2]苑薇薇，李延雄.模糊PID应用于光伏发电MPPT的研究[J].沈阳理工大学学报，2013，32(5)：48-54.

[3]张翔，王时胜，余运俊，等.基于电导增量法MPPT仿真研究[J].科技广场，2013(2)：60-64.

[4]王丽萍，张建成.光伏电池最大功率点跟踪控制方法的对比研究及改进[J].电网与清洁能源，2011，27(2)：52-55.

[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]王义飞，吴伟，张嗥华，等.改进型变步长光伏最大功率点快速跟踪[J].上海大学学报：自然科学版，2011，17(3)：249-252.

[7]李兴鹏，石庆均，江全元.双模糊控制法在光伏并网发电系统MPPT中的应用[J].电力自动化设备，2012，32(8)：113-117.

[8]LI X P，SHI Q J，JIANG Q.Application of double fuzzy control in MPPT of grid-connected photovoltaic generation system[J].Electric Power Automation Equipment，2012，32(8)：113-116.

[9]殷桂梁，杨丽君，王珺.分布式发电技术[M].北京：机械工业出版社，2008：27-40.

[10]陈俊，惠晶.基于模糊策略的光伏发电MPPT控制技术[J].现代电子技术，2009，32(6)：182-185.

[11]吴大中，王晓伟.一种光伏MPPT模糊控制算法研究[J].太阳能学报，2011，32(6)：808-813.

[12]周习祥，李加升.基于自适应占空比扰动算法的光伏发电系统MPPT控制[J].电气传动，2012，42(8)：24-28.

[13]李春玲，石季英，武艳辉，等.模糊控制的扰动观察法在光伏MPPT中的应用[J].电气传动，2013，43(2)：61-64.

[14]徐锋.基于模糊控制和功率预测的变步长扰动观察法在光伏发电系统MPPT控制中的应用[J].计算机测量与控制，2014，22(02)：414-416.

图11 背接触式C2光伏组件EL图像

(1)多晶硅

多晶硅A1光伏组件主要问题为由于存在汇流条断裂，导致两个支路的电池不发光现象，在实际运行过程中，汇流条断裂的两个支路也无法正常输出功率；多晶硅A2光伏组件存在个别黑电池或者灰电池，导致电池失效，无功率输出。

(2)单晶硅

单晶硅B1光伏组件均存在不同程度的沿着栅线方向长短不一的黑色现状痕迹，即断栅现象。同时，从单晶硅B2光伏组件EL成像图片上可以发现明显的隐裂、裂纹和边缘过刻。总的来说，缺陷部分占整个光伏组件面积比例很低，对光伏组件输出特性的影响较小。

(3)背接触式

背接触式C1光伏组件存在的问题较为类似，组件内部电池转换效率不一致，导致电池在直流源输入相同电压和电流条件下，发光亮度不同，且在实际运行中，组件内不同串电池的电流亦会出现不一致现象。#1光伏组件沿组件边框位置呈现黑片，背接触式C2光伏组件还有部分电池存在隐裂和电池单体发光不一致现象，主要是由于电阻不均匀引起的，较暗区域一般串联电阻较大，这种缺陷能反映少子寿命的分布情况，缺陷部分少子跃迁几率降低，故EL图片上显现为暗色。

4 结论

本文通过分析光伏电站晶硅光伏组件在原材料、封装工艺和外力影响下缺陷的形成机理，建立了一套适用于现场应用的缺陷晶硅光伏组件检测方法，利用该方法能够及时有效地发现光伏组件存在的内部缺陷，有利于光伏电站针对性地开展高效维护，规范光伏电站的施工安装过程，改进厂家的生产工艺和质量控制，保障光伏电站的长期经济效益。

参考文献：

[1]帅争峰，杨宏，雷咸道.晶体硅太阳电池组件封装的电学损失分析[J].电源技术，2014，38(1)：82-84.

[2]刘祖明，苏里曼·K，特拉奥雷，等.晶体硅太阳电池丝网印刷电极接触电阻及其测量[J].太阳能学报，2003，24(5)：659-662.

[3]李召斌，王祺.晶体硅太阳电池的缺陷检测及分析[J].太阳能，2013，25(3)：34-38.

[4]柴亚盼，金新民，童亦斌.具备遮挡下光伏阵列的建模与方阵研究[J].电测与仪表，2013，50(12)：17-20.

[5]黄昆，谢希德.半导体物理学[M].北京：科学出版社，2012.

[6]葛华云.基于光伏组件的电位诱发功率衰减的研究[D].吉林：吉林大学，2013.

[7]任驹，郭文阁，郑建邦.基于P-N结的太阳能电池伏安特性的分析与模拟[J].光子学报，2006，35(2)：171-175.

[8]刘霄.利用电致发光检测晶硅太阳电池特性及电致发光法测定晶硅太阳电池少子寿命[D].上海：上海交通大学，2013.

Application of improved fuzzy control strategy in MPPT control of PV generation system

Due to the nonlinear characteristic and time delay of PV cell,the application of fuzzy control in MPPT control was very prevailing.The defects of traditional fuzzy controller invariables in MPPT control strategy were analyzed,then a improved fuzzy control was proposed,which optimized the traditional invariables through optimization function to implement fuzzy control more accurately.Finally,the simulation model of PV generation system was built to compare with traditional fuzzy control strategy.The simulation result shows that the tracking accuracy and response speed of improved fuzzy control are better and effective.

photovoltaic power generation;MPPT;fuzzy control

TM615

A

1002-087X(2016)12-2388-04

2015-05-21

国家自然科学基金 (61203224)；国家自然科学基金(61040013)；上海市电站自动化技术重点实验室开放课题（13DZ2273800）；上海市科委重点支撑项目(12510500800)；上海市自然科学基金资助项目（13ZR1417800）；上海市教委科研创新项目(09YZ347)

王亚楠（1991—），男，江苏省人，硕士生，主要研究方向为光伏微网运行控制。

杨旭红（1969—），女，江苏省人，博士，教授，主要研究方向为智能电网控制技术、新能源发电及储能、计算机建模及仿真、信息融合。