光伏发电系统最大功率点跟踪研究

冯佩云 冯俊青 段小汇

摘要：随着社会的进步，越来越多的可再生能源开始应用于农业生产。在水产养殖测试基站中引入太阳能光伏发电系统，同时为确保系统在野外环境下的可靠供电，提出一种新型的MPPT跟踪方法。该方法针对扰动观察法存在的最大功率点附近震荡问题引入变步长参数，使系统能够快速跟踪到最大功率点，并在最大功率点附近稳定运行;针对因环境变化剧烈造成的错误跟踪情况，引入功率预测法，使系统具有较好的动态性能。最后在仿真环境下对该方法进行验证，结果表明：新型的MPPT跟踪方法具有较快的跟踪速度与较高的稳态精度，能够适应复杂的工作环境。

关键词：光伏发电;最大功率点跟踪;功率预测;变步长

Research on Maximum Power Point Tracking of Photovoltaic Power Generation System

FENG Pei yun， FENG Jun qing， DUAN Xiao hui

（School of Electrical Engineering， Yancheng Institute of Technology，Yancheng 224001， China）

Abstract：With the improvement of the society， more and more renewable energy is applied to agricultural production. Solar photovoltaic power generation systems are introduced into aquatic observation base stations. In order to ensure reliable power supply in the field， a new MPPT tracking method is proposed in this article. In this method， in view of the problem of turbulence near the maximum power point， a variable step size parameter is introduced， which enables the system to quickly track the maximum power point and run stably near the maximum power point. Aiming at the error tracking caused by severe environmental changes， power prediction is introduced. Thus， the system has better dynamic performance. Finally， the new method is verified in the simulation environment. Results show that the new MPPT tracking method has faster tracking， higher steady state accuracy， which proves the method can adapt to the complex working environment.

Key Words：photovoltaic power generation; maximum power point tracking;power prediction;variable step size

0 引言

我国是水产养殖大国，近年来养殖规模不断扩大[1]，但由于养殖方式落后，养殖水体污染日趋严重，再加上极端天气频现，导致养殖风险越来越高。因此，智能养殖测试基站应运而生[2]。基于养殖环境的特殊性，传感节点通常设置于户外且分布比较离散，通过市电供电有很大困难，若选用光伏电池为整个装置提供电源，由于光照及温度等影响因素，将使系统产生较大的功率损失，影响传感节点的正常检测与传输。

为了高效地利用太阳能进行发电，需要对光伏电池的输出功率进行最大功率点跟踪（MPPT）[3]，而为了提高最大功率点跟踪效果，目前的主要解决方法分为传统算法与智能算法[4]。野外环境变化较快，最大功率点也随之快速移动，使得跟踪难度加大。传统算法无法及时有效地找到功率最大值，而智能算法虽然收敛速度快、稳定性强，但其参数设置对于经验、运算方面依赖性较强，在实际应用中不具有普适性。因此，在对各种算法进行分析比较的基础上，提出一种新型扰动观察法，解决了传统算法跟踪速度慢或对给定扰动错误跟踪，以及智能算法计算量大等问题。最后，搭建了基于Boost电路的MPPT系统仿真模型，验证了该算法的优越性。

1 光伏电池等效模型及输出特性

1.1 光伏电池等效模型

光伏電池（太阳能电池板）可以将太阳辐射的光能转化为人类所需电能，其模型可等效为：一个电源与一个二极管并联，再串联与并联上其内部等效电阻[5]。等效电路如图1所示。

图1中，二极管为光伏电池内部等效PN结， I VD 为无光照条件下PN产生的总扩散电流，此时光伏电池可当作普通二极管; I ph为光伏电池受光照后激发产生的电流，其大小及光照强弱与光伏板面积成正比，I ph 值大约为16～30mA/cm 且随着温度上升而线性上升; R sh为光伏电池内部等效并联电阻，大小正常为几千欧，其一般是由光伏板内部晶体硅形成的;I sh为等效并联电阻上通过的电流，一般比较小;R sl为光伏板内部等效串联电阻，大小只有零点几欧姆，其是由光伏板外部结构形成的，I 0为光伏电池输出电流。从图中可以得出[6]：

将式（2）、式（3）代入式（1）可以得出：

式（4）中，I s为光伏电池的逆向饱和电流，q=1.6×10-19C，n为二极管品质因子，K为波尔兹曼常数（1.38×10-23J/K），T为光伏电池表面温度。U o、I s两个参数与光伏板内部半导体材料有关，其大小一般为常数，且不受光照、温度等外部环境影响。

1.2 光伏电池输出特性

光伏电池的输出电能是由光电效应转化而来，利用MATLAB对光伏电池输出特性进行仿真，在温度恒定不变的条件下，光伏电池在不同光照条件下的P-V特性曲线如图2所示。由图中可以看出，随着光照辐射的增强，光伏电池的输出功率变大，且存在单峰值。

在光照恒定不变的条件下，光伏电池在不同温度条件下的P-V特性曲线如图3所示。随着温度的变化，光伏电池输出量之间存在典型的非线性关系[7]。在输出电压较低时，功率随着温度升高而小幅提升，在输出电压较高时，功率随着温度的升高而降低。

将在不同温度、光照等环境因素下的输出特性进行对比可以看出，無论在哪种情况下，光伏板的输出功率都存在一个极值，即最大输出功率点。

2 MPPT原理与分析

2.1 光伏电池MPPT原理

根据上述光伏电池输出特性曲线可知，在不同的光照强度及温度下，光伏电池输出功率只有一个最大值。在水产养殖现场，传感器节点分布广、维护困难，且电源对供电可靠性要求较高，因此其对太阳能的高效利用有着迫切需求，即能够快速、稳定地寻找到光伏电池的最佳工作状态，寻求最大功率点输出[8]。利用各种控制方法实现光伏板输出最大功率的技术称为最大功率点跟踪技术（MPPT）。图4给出了光伏电池工作时的简单等效电路。

由图4可以看出，要使光伏电池的输出功率最大，也即使负载R 0的获得功率最大。R 0的功率表达式为：P o=I＼+2 oR o=U iR i+R o＼+2R o，对R o求导可得：dP odR o=U＼+2 iR i-R o（R i+R o）。因此，得到当dP od R o=0时，输出功率最大，即：R i=R o。

由以上分析可知，当调整负载电阻等于光伏电池内阻时，光伏电池输出最大功率。MPPT控制一般是由DC-DC电路实现的，即：通过调整开关管占空比对DC/DC电路等效内阻进行调节，从而实现最大功率点跟踪的目的。

2.2 光伏电池MPPT分析

在MPPT控制常用的DC/DC变换电路中，Boost电路具有更高的转换效率，更有利于实现最大功率点跟踪。本文选择Boost电路作为MPPT控制电路，根据Boost电路原理可知，在理想状态下，其输入、输出关系为：

而Boost电路输入电阻为：

根据功率平衡可得：

由公式（5）～（7）可得：

由公式（8）得出，通过调节占空比 D ，即可改变Boost电路输入电阻，如果使其恰好等于光伏电池等效内阻，则光伏电池可输出最大功率[9]。

3 常见MPPT控制方法

目前，MPPT的控制方法较多，其中传统控制算法有：定电压跟踪法、扰动观测法及电导增量法[10]。该类算法主要是实时采集光伏电池的电压与电流值并通过MPPT控制算法实现控制[11]，输入条件是养殖水塘光伏发电系统实时运行情况，且控制算法相对简单，理论较为成熟，实际应用也最为广泛[12]。

3.1 定电压跟踪法（CVT）

由图2可得，在温度一定的条件下，随着光照的增强，光伏电池的最大功率输出点集中于一条垂直线两侧。因此，光伏电池最大功率点所对应的工作电压几乎一致，只需将光伏电池的工作电压稳定在某一固定值，光伏电池的输出将接近最大功率，这种简单的方法称为定电压跟踪法[13]。定电压跟踪法是一种开环MPPT控制方法，对硬件结构要求不高，实现较为容易，但该控制方法未考虑温度影响，在水产养殖现场，环境温度变化较大，因而控制精度较差。

3.2 扰动观察法（P&O）

扰动观察法是一种应用较为广泛的MPPT控制算法，其主体思想是：对光伏电池某个参数给定一个小幅扰动，观察光伏电池输出功率变化，以决定下一步电压、电流的方向[14]，最终使光伏电池的输出功率落在最大功率点。扰动观察法由于算法思路通俗易懂、控制方式简单、需要测量的参数少等优点在MPPT控制中应用较多，但当系统追踪到最大功率点时，系统因扰动影响而在最大功率点附近震荡，导致系统稳定性较差，而且当环境因素变化较快时容易引起误判，导致MPPT跟踪算法失效。

3.3 电导增量法（ICM）

电导增量法本质也是在不同情况下增大或减少系统控制量（电压、电流等），以达到最大功率点跟踪的目的[15]，不同之处在于其是根据光伏电池U-P曲线的dP/dU变化情况判断是否工作在最大功率点。采用电导增量法能够快速、准确地跟踪光伏电池最大功率点，且算法波动较小。但其对系统初始化数据的准确性要求较髙，且计算量较大，对传感器精度与硬件要求也较高，因此系统成本较高，算法计算过程也较为复杂，实际应用受到限制。

除上述传统算法外，还有基于现代控制理论的人工智能控制法，如模糊逻辑控制、人工神经网络等[16 17]，但这类算法对系统硬件要求更高，且计算量庞大，不适合应用于实际光伏发电系统中[18 19]。

4 新型MPPT控制算法

通过上文对MPPT控制算法的介绍，根据对各算法的理论分析及实际运行经验，对比各算法的响应能力、稳态时跟踪效率、控制难易程度等指标，对比结果如表1所示。

结合实际运行结果可知，扰动观测法由于扰动的作用，系统存在最大功率点附近震荡现象，且在实际环境光强变化剧烈的情况下会产生错误跟踪，造成较大的功率损失，甚至出现程序控制运行中的失序。如图5所示，假设在前一时刻，对系统工作光强较低的①点增加扰动量，观察功率变化情况，此时光强急剧增大，使光伏电池特性曲线变为 x 2 ，系统工作于②点。通过比较可得，随着功率增大，系统认为扰动方向正确，则会继续增大向右的扰动，如果光强继续增加，工作点则越来越偏离最大功率点。

基于上述分析，对扰动观察法进行改进，针对最大功率点附近的震荡问题引入变步长参数 λ（k）。λ（k）=ε |Δ P|，ε为常数，λ（k）决定功率变化步长。当功率变化较大时，步长也较大，可以快速跟踪最大功率点;当功率变化较小时，步长较小，可以保证功率稳定性。另设置功率变化的最小阈限值e，|ΔP|<e 时，此时对参考电压不作调整;当|Δ P|>e时，任务系统偏离最大功率点，需要重新计算步长。

针对扰动方向误判的问题，引入功率预测法。即：当采样频率较高时，假定一个采样周期中光强变化恒定，在kT时刻，測得电压U k，功率P（k），此时不对参考电压施加扰动。在kT后半个采样周期（k+1/2）T，测得功率P（k+1/2），由于前半采样周期的光强变化量与后半采样周期的光强变化量相同，可预测得知（K+1）T时的功率为P′（k）=2[P（k+1/2）-P（k）]+P（k），在此时施加扰动λ（k）。在（K+1）T时，测得功率为P（k+1），此时P（k+1）和P′（k）是在同一光强下施加扰动前后的两个工作点，根据两个功率判断扰动方向以跟踪最大功率点，具体流程如图6所示。

5 新型MPPT控制算法仿真

根据以上对改进型扰动观察法的研究，搭建基于Boost电路的MPPT系统仿真模型[20]。如图7所示，仿真参数设置为：温度为25℃，开路电压 U OC =22V，短路电流 I SC =8.58A，最大功率点电压 U m =17.7V，最大功率点电流 I m =7.94A。仿真结果如图8所示。

由图8（a）可知，初始时刻光伏电池输出功率在出现较大震荡后逐步趋于平稳，在0.05s附近系统完成最大功率点跟踪，并保持在140.5W左右。由此说明算法跟踪精度高，在最大功率点处并无明显振荡，显示出良好的稳态性能。在图8（b）中，t=0.3s时，设置光强从500W/m 2突变为1 000W/m 说明在外界环境突变时，系统能够快速完成最大功率点跟踪，显示出较好的动态响应能力。

6 结语

在现代水产养殖需求下，由于光照及温度等因素影响，使测控基站产生较大功率损失。为了高效利用太阳能发电，本文提出一种新型的光伏电池最大功率点跟踪技术，引进变步长参数解决了最大功率点附近波动大的问题，同时运用功率预测法解决了功率跟踪中的“误判”现象。仿真研究表明，系统显示出较好的稳态及动态性能，能够很好地适应恶劣的工作环境。

参考文献：

[1] 杨正勇，黄书培.水产养殖经济研究文献综述[J].中国渔业经济，2010（4）：166 176.

[2] 苗卫卫，江敏.我国水产养殖对环境的影响及其可持续发展[J].农业环境科学学报，2007（S1）：319 323.

[3] 田勤曼.光伏发电系统中最大功率跟踪控制方法的研究[D].天津：天津大学，2008.

[4] 谭文龙.光伏发电系统最大功率点跟踪算法研究及实现[D].武汉：湖北工业大学，2017.

[5] 廖志凌，阮新波.任意光强和温度下的硅太阳电池非线性工程简化数学模型[J].太阳能学报，2009，30（4）：430 435.

[6] 李勇，程汉湘，陈杏灿，等.光伏电池输出特性及其最大功率跟踪研究[J].华北电力大学学报：自然科学版，2017，44（1）：70 75.

[7] 张建成，李倩，周春霞，等.基于混沌搜索的MAP SO BPNN在光伏功率预测中的应用研究[J].华北电力大学学报：自然科学版，2014，41（4）：15 21.

[8] 王岩.光伏发电系统MPPT控制方法的研究[D].北京：华北电力大学，2007.

[9] KWON J M， CHOI W Y， KWON B H. Multi mode MPPT control for improved efficiency[C].IEEE International Conference on Sustainable Energy Technologies， 2008：140 143.

[10] 李扶中，雄蕊.一种新型的不对称规则SPWM采样法[J].电力电子技术，2007，41（4）：93 95.

[11] 张运长.基于DSP的光伏MPPT控制器的研究[D].合肥：安徽大学，2015.

[12] 沈友朋.非隔离型光伏并网逆变器的研究[D].南昌：华东交通大学，2012.

[13] 张忠政，程晓舫.太阳电池最大功率恒压跟踪研究[J].中国电机工程学报，2014，34（26）：4521 4527.

[14] 刘胜荣.基于DSP控制的光伏发电系统逆变器的研制[D].广州：华南理工大学，2010.

[15] 蒲鹏鹏.小功率光伏并网发电系统控制策略研究[D].焦作：河南理工大学，2009.

[16] 吴学敏.H相电压型光伏并网控制系统研巧[D].成都：西南石油大学，2015.

[17] HUANG K， LI W， HUANG X. MPPT of solar energy generating system with fuzzy control and artificial neural network[C]. IEEE International Conference on Information Technology， Computer Engineering and Management Sciences， 2011：230 233.

[18] 呼忠权，王洪瑞，贺晙华，等.基于差分进化算法的太阳能自动跟踪控制方法[J].太阳能学报，2014，35 （6）：1016 1021.

[19] 蔡纪鹤，孙玉坤，李蓓，等.基于LS-SVM的光伏最大功率跟踪控制方法[J].农业机械学报，2014，45（S1）：213 219.

[20] 茆美琴，余世杰，苏建徽.带有MPPT功能的光伏阵列Matlab通用仿真模型[J].系统仿真学报，2005，17（5）：1248 1251.