基于扰动观察法的光伏电池MPPT控制算法优化

2023-01-16郭世初尹航帅刘冬冬

无线互联科技 2022年21期

郭世初，尹航帅，刘冬冬

(徐州工程学院物理与新能源学院，江苏徐州 221018)

0 引言

光伏发电如今已经成为人类日常生活中重要的发电方式。由于受到光照强度和温度等因素，光伏组件的输出功率实时变化。因此，光伏组件输出功率的最大功率点跟踪控制对于光伏组件的综合效率非常关键。

近年来，许多MPPT算法有了较大的发展与进步，目前较为成熟的MPPT算法有：电导增量法、扰动观察法、模糊控制算法、蜂群算法等。梁宇[1]提到的扰动观察法由于步长单一，在控制过程中会存在调制出的波形扰动较大。杨元培等[2-3]提到的模糊控制算法解决了局部最大功率点的缺陷问题，但是在实现过程中由于算法复杂，导致跟踪速度较慢。孟德越等[4-6]提到的电导增量法能适应光照强度的快速变化，跟踪精度较高，但是电导量值很小，在线计算量大，对传感器的精度要求很高，实际应用相对困难。

本文将介绍一种对传统算法进行优化改进的算法，对不同阶段的光伏功率曲线实施不同步长的跟踪控制，并对该算法和传统算法进行仿真模拟实验，比较两者的结果，从而论证本文算法的优越性。

1 光伏电池MPPT背景介绍

1.1 最大功率点跟踪

光伏电池是发电系统的核心，光伏组件的输出特性受光照强度和环境温度影响具有非线性，在不同的光照和温度条件下，光伏电池的输出功率和电压均不相同。但无论在何种光照强度和环境温度下，光伏电池的输出功率曲线上都会存在一个最大功率输出点，如果能够保证输出电压始终达到该点电压，即可以保证光伏组件以最大功率输出电能，光伏组件将以最高效率工作[7]。这个点被称为最大功率点(MPP)，而通过外接电路不断调整光伏的输出电压以达到最大功率点电压的方法被称为最大功率点跟踪(MPPT)[8]。

1.2 扰动观察法

扰动观察法主要通过针对每一个工作点的不断扰动去分析找到一个最大的输出功率点，在进行扰动时，求得各个测量点被扰动后的功率数值P，将其同上次被测量点扰动的功率值进行对比，若功率值比上一次大，则继续向该方向扰动，若小则改变扰动方向，重复步骤直至最优点。本方法的优点为跟踪速度快，但波形震荡较大[9]。

传统扰动观察法流程如图 1所示，先从电路中采样电压、功率等信息，通过与上一次采样的电压和功率对比，得出dP和dV。若dP=0，说明最大功率点已经达到，无需调整。若dP>0，则继续按原方向扰动来寻找MPP。即本次电压大于上次电压时减少电压参考值[3]，小于上次电压时提高电压参考值。当dP<0时，沿相反方向扰动来追踪MPP，即本次电压大于上次电压时增加电压参考值，小于上次电压时减小电压参考值。重复该过程，使输出功率稳定在最大功率点附近[10]。

2 基本原理

传统的扰动观察法跟踪速度快，但是波形震荡较大，因此选择优化传统算法，将电压取样的固定步长优化调整为根据不同情况进行取样的变步长。

通过观察如图 2所示的光伏输出特性曲线可以发现，在工作点向最大功率点靠近的过程中，由于光伏特性曲线的斜率的变化，dP/dV的值也在不断变化，因此在斜率不同时，功率曲线的控制策略完全不同。当值较大时，系统需要快速将输出功率逼近至最大功率点附近，因此需要更大的步长进行电压控制；dP/dV逐渐减小，工作点逐渐靠近最大功率点，控制需求变化为使功率输出曲线震荡减小，波形稳定在MPP附近，因此选择更小的步长。

图1 传统扰动观察法流程

图2 光伏组件输出特性曲线

如表1所示，本算法设定在功率曲线中最大功率点两端分别设置dP/dV的微分变化参考值K1，K2，通过比较dP/dV与0，K1，K2的关系，将其划分为4个取值区间。将不同的电压参考值的变化值取值与4个取值区间相互对应。

表1 电压参考值取值

变步长扰动观察法流程如图3所示，ΔV1，ΔV3为固定步长，且步长较长，作用是在|dP/dV|值较大时快速高效地将功率调至最大功率点附近；ΔV2，ΔV4为变化步长，且步长较短，步长为adP/dV，a为调整系数，是任意小于1的常数，作用是在输出功率趋近于最大功率点时稳定波形，减少震荡。

3 仿真实验及分析

为了验证本文中设计的光伏发电并网系统的MPPT控制效果，使用Matlab/Simulink作为实验平台，通过软件仿真模拟进行控制效果验证。选取的光伏电池最大功率为410 w，开路电压为50.12 V，短路电流为10.45 A。分析温度为25 ℃时，光照强度在0～5 s为1 000 w/m2、5～10 s为750 w/m2、10～15 s为500 w/m2时，传统扰动观察法与改进变步长扰动观察法的输出特性曲线。

如图5所示为传统扰动观察法的功率输出波形，如图6所示为改进后的算法的功率输出波形。固定步长设置为0.02，观察示波器输出图像对比发现，优化算法后的MPPT波形震荡明显较少，波形稳定，优化控制效果良好。

图3 变步长扰动观察法流程

图4 改进前算法功率输出波形

图5 改进后算法功率输出波形

为了进一步验证实验效果，将两组仿真中的功率输出数据进行汇总，计算方差，可以发现，改进前的传统算法在光照强度1 000 w/m2时，输出功率波形在2.4 s左右稳定，取2.4～5 s的功率为样本，样本方差为3.925，而在光照强度750 w/m2时, 6.884 s时功率稳定，样本方差为92.341，在光照强度500 w/m2时,11.7 s时功率稳定，样本方差为96.189 。改进后的算法在光照强度1 000 w/m2时，输出功率波形在2.7 s左右稳定，取2.7～5 s的功率为样本，样本方差为1.576，而在光照强度750 w/m2时, 6.87 s时功率稳定，样本方差为55.980，在光照强度500 w/m2时，11.2 s时功率稳定，样本方差为56.384 。

对比可以得出结论。改进后的算法在调试速度上，与改进前算法基本相同，但是在调试出的功率上，相比传统的算法明显更加稳定和高效。