室外移动机器人光伏供电系统MPPT算法改进与实现

2022-07-07高涵燕丽红沈瑞冰吴加秀

电子技术与软件工程 2022年6期

高涵燕丽红沈瑞冰吴加秀

（西安欧亚学院信息工程学院陕西省西安市 710065）

目前，越来越多的室外智能移动机器人出现在人们的日常生活中，其主要采用锂电池供电的方式进行工作。太阳能作为清洁型能源，其具有取之不尽，用之不竭的特点。本次设计为了使室外智能移动机器人的能源更加绿色环保，通过太阳能为室外移动机器人的锂电池进行实时充电。同时，针对太阳能的高效利用问题，国内外目前已经对光伏系统最大输出功率跟踪（Maximum Power Point Tracking，MPPT）算法开展了很多研究。MPPT算法根据结构大体分为开环与闭环两种，开环的MPPT算法有恒定电压跟踪法（Constant Voltage Tracking，CVT）等，其存在控制精度不高等缺点，主要由于其根据太阳能电池输出的功率特性一般规律来实现对最大功率点追踪。闭环的MPPT算法有扰动观察法、电导增量法等，其虽然简单易实现，但存在实时性差、鲁棒性差等缺点，故只能在理想的环境中应用。

近年来，越来越多的学者基于开环与闭环MPPT算法进行研究，结合粒子群、卷积神经网络等优化算法，提出了基于变步长的MPPT算法、基于PSO优化算法的MPPT算法、以及基于Fuzzy控制策略MPPT算法。本次设计基于Simlink环境下建立太阳能供能模型，通过对其输出特性进行分析，提出了一种优化步长的扰动观察MPPT算法，其具有追踪速度快、震荡小、鲁棒性好的优点。

1 移动机器人光伏系统设计

室外智能移动机器人的太阳能供电系统设计如图1所示，首先太阳能电池板通过光伏效应将太阳能转化为电能，同时存储在锂电池中，锂电池再对整个系统的直流负载进行供电。由于整个系统不涉及交流用电部件，故不需要整流逆变环节，即在系统和交流负载之间无需配DC/AC变换器。本次设计根据实际所需额定功率，将多块单晶硅太阳能电池板串联或者并联组成光伏电池阵列，然后通过光伏效应将太阳能转化为电能。

图1：系统供电结构图

2 光伏系统容量设计

为了保证室外移动机器人系统的平稳运行，光伏供电系统输出功率满足整个负载的额定功率。因此，首先保证在光照强度适中，光伏系统的输出功率满足整个系统的额定功率。其次，在光照强度弱的情况下，也能保证系统正常工作。本次设计选取常见的室外智能移动机器人为例，其负载主要包括4个直流无刷电机、一个二自由度舵机云台、摄像头以及核心控制器，故按照如下步骤对光伏系统中元件的参数和容量进行设计：

Step1：计算整个系统所有用电模块所需的总额定功率，如表1所示。根据统计，系统用电设备的总功率为115W。

表1：系统用电设备总功耗表

Step2：根据当地天气情况，计算单晶硅太阳能电池板上日均辐射量、峰值日照时数。

Step3：计算光伏系统的容量。根据太阳能电池板的提供的基本信息，开路电压为21.5V，工作电压为18.5V，短路电流为1.92A，工作电流为1.77A，额定功率为30W（存在±3%的误差）。本次设计将六块单晶硅太阳能电池板之间通过并联进行连接，在实验环境下的最大输出总功率为180W。

3 光伏系统输出特性分析

3.1 光伏系统数学模型

单晶硅太阳能电池板的等效电路由电流源、二极管，以及两个等效电阻组成，等效电路如图2所示。

图2：太阳能电池的等效电路

等效电流由理想电流源I、并联二极管D、并联电阻R和串联电阻R组成。周围环境会对I造成影响。其输出特性入下所示：

其中：

上式中：I为光伏阵列输出电流，I为光伏电池光生电流，I为二极管电流，I为光伏阵列漏电流，I为标准测试条件下光伏阵列短路电流，K为温度补偿系数，λ为光照强度，I为二极管饱和电流，q为电子电荷，取l.6×10-19C，U为光伏阵列输出电压，A为PN结曲线常数，取1～2之间，K通常取1.38×10-23J/K，通常I的大小可以忽略不记，在标准测试条件下，光照强度为1000W/m，T为298开尔文，带入式（2）可以得到：

因此光伏阵列输出电流表达式（1）可以简化为：

3.2 光伏系统仿真模型

在一定光照强度、一定温度的外部环境下，可以得到太阳能电池输出功率特性曲线。在Matlab的Simulink中根据式（1至6）的太阳能电池板输出特性建立数学模型，根据太阳能电池的基本参数，如表2所示。在Simulink中仿真得到其输出特性曲线如图3所示。

表2：太阳能电池参数表

图3：光伏系统输出特性曲线

如图3（a）所示，随着输出电压的增大，输出电流一开始几乎恒定，但是当电压到达最大工作点时，电流开始下降；当电压为开路电压时，电流下降为0。如图3（b）所示，在电压达到最大工作点电压时，存在最大功率工作点（MPP）。因此，在保证实验标准环境时，通过调整太阳能电池的输出电压就可以控制太阳能电池输出最大功率。但是在实际环境中，外界温度和光照并非恒定，故MPP并非不变的，它会随外界温度和光照强度的改变而变化。为了提高其输出效率，必须保证在外界环境发生变化时，迅速找到其MPP点，保证单晶硅太阳能电池板时刻输出最大功率。

4 光伏系统MPPT算法

4.1 扰动观察法

目前，国内外对光伏系统最大功率点跟踪算法（Max Power Point Tracking，MPPT）已经开展了很多研究，常见的有以下几种方法：恒定电压跟踪法、电导增量法扰动观察法等等。

本文重点对于扰动观察法进行研究，扰动观察法通过增大或者减小电压，使系统的输出功率逐渐逼近最大功率点。其原理图如图4所示，在A点时，由于输出功率未达到最大功率点，此时增大太阳能电池板的电压到B点，此时B点的功率大于A点的功率，继续增大太阳能电池板的电压到C点，此时C点的功率大于B点的功率，为了使输出功率最大，则继续增加太阳能电池板的工作电压到D点，此时由于D点的功率小于C点，则需要反向减小电压。经过往复循环，系统始终在B、C、D三点循环波动，即在最大功率点处来回震荡，造成部分功率损失。由于其是定步长，步长的选取会对整个系统产生影响，因此本次设计将定步长优化为变步长，既可以减少最大功率点处震荡，又可以提高对最大功率点的追踪速度。

图4：扰动观察法原理图

4.2 改进的扰动观察法

针对定步长扰动干扰法存在追踪速度慢、且震荡大的缺点。本次设计对扰动观察法的跟踪步长进行优化，通过逐渐减小跟踪步长，逐渐逼近最大功率点，当系统到达最大功率点时，跟踪步长减小至0，系统输出功率始终为最大功率。

图5是改进的扰动观察法工作原理图，假设太阳能电池的在A点工作，由于此时不知道是否达到最大功率点，所以将A点的电压增加ΔU；此时到达B点，由于B点功率小于A点功率，故需要较小电压进行反向扰动，减小的电压为ΔU的一半；此时到达C点，由于C点输出功率大于B点，则继续对电压进行减小ΔU/2；此时再次返回A点，由于A点的功率大于C点，则继续将电压较小ΔU/2到达D点；此时由于D点功率小于A点功率，则需要增加电压进行反向扰动，且增加的电压为上一次的一半，即ΔU/4。系统会按照上述规律，通过改变扰动方向以及步长，最终逐渐逼近最大功率点。需要注意的是，幅度相同的步长不会出现3次以上，若同一步长改变3次以上，说明此时距离最大工作点很远，需要增大步长加快系统的追踪速度。

图5：扰动逼近法原理示意图

5 实验结果与分析

为了验证本文提出的改进的电导增量MPPT算法，在Simulink仿真环境下搭建模型对其进行验证。

5.1 标准环境下的仿真对比

太阳光辐射强度设置为1000W/m，外界温度设置为25℃，光伏系统的输出曲线为0.5s。

扰动观察法如图6所示，本文改进的变步长扰动观察法如图7所示。传统扰动观察法大概在0.42s时到达最大功率点，由图可知其存在一定的震荡波动，导致光伏系统的输出功率损失。由于本文将定步长改为变步长，对步幅进行自适应调整，使调节时长和速率达到最优，故在大约0.11s左右时已经跟踪到了MPP点，相比于定步长扰动观察法，不仅追踪速度快，且降低输出特性曲线震荡，减小光伏系统的功率损耗。

图6：传统扰动观察法输出功率曲线

图7：改进的扰动观察法输出功率曲线

5.2 环境变化条件下的仿真对比

外界的温度、太阳辐射强度等发生变化，都会引起单晶硅太阳能电池MPP点的移动，故为了使光伏系统随外界条件变化同时保证自身系统最大功率输出，使用Simulink来模拟太阳光照强度变化。将仿真时间设置为0.5s，设置0～0.25s为标准太阳光照辐射强度，在0.25～0.5s之间的太阳光照辐射强度骤降10%，由于这里用整数1代表光照强度为1000W/m，故0.9代表光照强度为900W/m，本次设计在Simulink中使用Signal Builder模块来模拟日照的变化。

跟据图8，图9所示，在光照突变条件下，传统扰动观察法由于还未追踪到MPP点，但是输出功率下降，且存在震荡，同时最终并未到达标准环境下的最大功率点。而本文改进的变步长扰动观察法在0.25s时已经到达最大功率点，同时面对光照强度突变，输出功率迅速下降，并未产生震荡。