最大功率优化控制

最大功率优化控制（精选7篇）

最大功率优化控制 第1篇

太阳能作为一种新型的绿色可再生能源,具有数量巨大、用之不竭、清洁无污染的优点[2],对于改善现阶段的能源结构,改善环境具有巨大优势。所以研究光伏发电系统是一项具有重大意义的事情。对于光伏发电系统来说,如果整个阵列没有得到均匀光照,太阳能电池板的输出会呈现强烈的非线性特性[3]。为实现太阳能发电系统在同样光照强度和环境温度下的最大输出,研究太阳能电池阵列的最大功率点跟踪(maximum power point tracking,MPPT)问题对提高光伏发电效率是至关重要的。

粒子群优化算法(PSO)是由J.Kennedy和R.Eberhart于1995年提出的新型优化算法,其基本思想是通过模拟鸟群的捕食行为,搜寻目前离食物最近的鸟的周围区域,通过群体个体之间的协作与竞争来寻找最优解[4]。粒子群优化算法在多峰值系统中体现出很好的性能,具有收敛速度快,不易陷入局部最有的特点[5]。但是在光伏发电系统中,该算法是基于数学模型的输出功率表达式,与实际输出有一定的差距,当系统有微小的扰动时就会出现误差;改进扰动观察法是基于传统扰动法的改进算法,此算法以四个变量作为输入,把下一刻的扰动方向变量作为输出,在稳态方面减小了传统算法的震荡,减少了能量损失。本文结合以上两种方法的优点,提出基于粒子群优化算法和改进的扰动观察法的最大功率跟踪算法,利用粒子群优化快速寻找全局最大功率区域,通过改进的扰动观察法寻找准确值。通过仿真,验证此方法的可行性。

1 光伏阵列的数学模型

光伏阵列通过并联和串联从而实现人们预想的输出电压和电流。一组典型的m*n光伏阵列如图1所示。

为了保护因局部阴影引起的热板效应,在每个光伏电池的两端反并联上旁路二极管DS;同时,为了防止每组电压不同引起的电流逆向流动加入了二极管DP。与光伏电池的开路电压和短路电流相比,这些二极管的压降和电流可以忽略不计。所以光伏电池的数学模型为:

Ii和Vj是光伏电池的输出电流电压,Ii=f是光伏阵列中第i行j列的电池的输出特性,由于旁路二极管的存在所以Vij>0;由于没串组件有防逆二极管DP的存在。所以Iij>0;所数学模型可以用分段函数表示,即:

出误Iscij是第j串第i个电池的短路电流,Vocij是第j串第i个电池的开路电压。C1ij,C2ij的值为:

Imij是局部阴影条件下第j串第i个最大功率处的电流,Vmij局部阴影条件下第j串第i个最大功率处的电压,由(1)-(4)可以总结为:

对于局部阴影条件下的仿真图如图2所示。从图上可以看出局部有阴影条件下的光伏模型有多个峰值的现象,对于传统的最大功率跟踪方法可以快速有效的寻找到峰值而对于多峰值现象虽然可以快速找到峰值,但是因为有多个峰值的缘故,可能是局部的峰值,并不是全局最优值。

2 算法设计

2.1 粒子群优化算法

式(5)是一个复杂的函数,求解功率时一般方法难于求解。本文利用粒子群算法寻找此函数取最大值的电流值。PSO中,通过搜索空间中的一个粒子去求优化问题的解,所有的粒子都有一个被目标函数决定的适应度。每个粒子都有一个速度决定他们变化的方向和距离[6]。粒子群算法的速度和位置更新公式为:

式中,Pi为粒子i的最优值;Pg为整个粒子群的最优值;w为惯性权重;c1、c2为学习因子;xi为粒子位置;vi为粒子速度。本算法采用的粒子数为10,最大迭代次数为100,记忆因子都为2,权重为0.7维数为1,其适应度函数为:

经拟合计算误差为0.06%。

粒子群算法因为没有扰动的因素,所以输出不会有震荡的结果,但是参数过于依赖经验参数。没有理论依据,且不一定能够搜索到最优值。

基于粒子群算法的最大功率跟踪步骤如下:

①初始化粒子的速度和位置。

②监测各个模块的温度和光照,确定目标函数。

③评估每个粒子的适应度。

④判断粒子的个体最优值和全局最优值。

⑤根据以上公式更新粒子的速度和位置。

⑥重新评估每个粒子的适应度。

⑦判断是否达到迭代次数。如果是返回第④步。否则保存数据。

2.2 改进的扰动观察法

传统的扰动观察法,对电池的输出电压进行扰动(增加或者减少),然后比较扰动前和扰动后的功率变化情况[7]。如果输出功率由于扰动增加,则继续增加相同方向的扰动,如果输出降低,则进行相反方向扰动。传统方法的输入为两个输入电压和电流。为了改进稳态时产生的震荡。改进扰动观察法以k时刻的功率和电压的增量、k-1时刻的功率和电压增量四个变量为输入,把下一刻的扰动变量为输出。在该控制算法中使用了规则表。该规则表指明了连续两次扰动时电池板的功率增加或者减少的情况。详细参见文献[8,9]。扰动步长的选择决定了控制系统的动态响应性能和稳态精度。步长较大时,响应速度增加,但是在最大功率处震荡厉害;步长小时,震荡会减小,但是动态响应速度变差。

3 建模与仿真

根据云电微网实验系统中光伏发电机组参数,搭建光伏发电模型,对光照强度变化时光伏发电运行特性进行仿真分析。在光照强度系数分别为0.7、1.0;温度为22℃和25℃时,利用粒子群算法取得最大功率点,并确定该点处的电压和电流。然后改变控制策略采用改进的扰动观察法,并与传统算法进行比较。其仿真结果如图3-4所示。

由仿真图可见,在加入优化算法后,在动态响应速度和最大功率跟踪的精确度都有了显著提升。

4 结束语

针对光伏发电系统在局部阴影条件下呈现高度非线性、时变不确定性和多个局部功率峰值的特点,针对局部阴影条件下太阳能发电最大功率跟踪输出曲线的多峰值现象,本文提出的基于粒子群优化算法和改进的扰动观察法相结合的最大功率跟踪,具有更快的响应时间,大大提高了系统的动态响应性能。同时通过选取合适的扰动步长消除了输出震荡功耗,具有更稳定的输出,而且解决了陷入局部最优的问题。

参考文献

[1]汪义旺,曹丰文,高金生.光伏发电MPPT的变论域自适应模糊控制[J].太阳能学报,2012(3):473-477.

[2]宋绍楼,陈龙虎,陈晓菊,等.基于粒子群多峰值MPPT算法的光伏系统研究[J].计算机测量与控制,2012(5):1354-1356.

[3]孙博,梅军,郑建勇.局部阴影条件下最大功率点跟踪改进算法[J].电力自动化设备,2014(1):115-119,127.

[4]刘洪波,王秀坤,谭国真.粒子群优化算法的收敛性分析及其混沌改进算法[J].控制与决策,2006(6):636-640,645.

[5]王红艳,万盟.基于粒子群算法的MPPT控制策略研究[J].南京工程学院学报:自然科学版,2014(2):24-27.

[6]王雨,胡仁杰.基于粒子群优化和爬山法的MPPT算法[J].太阳能学报,2014(1):149-153.

[7]孙会明,陈薇.基于粒子群优化的光伏MPPT算法[J].电子科技,2014(6):187-189.

[8]肖俊明,王东云,李燕斌,等.基于遗传算法的占空比扰动法在MPPT中的应用研究[J].电力系统保护与控制,2010(15):43-46.

太阳能电池最大功率跟踪控制 第2篇

1 光伏电池的仿真

1.1 光伏电池的数学模型

当光照强度不变时, 由于太阳光产生的电流Iph不会随光伏电池的工作状态变化而变化, 所以在其等效电路中可以看作为一恒电流源。光伏电池两侧接入了负载电阻R之后, 太阳光产生的电流就会流过负载, 故在负载两端就会产生端电压V。负载两端的端电压在反作用于光伏电池的P-N结上, 就会产生一股与太阳光产生的光电流方向相反的电流Id。另外, 因为太阳能光伏电池板内部会产生串联损耗, 故需引人串联电阻Rs。串联电阻阻值越大, 线路的损耗也就会越大, 光伏电池的输出效率就会越低。一般在实际的光伏电池中, 串联电阻阻值大约在10-3欧和几欧之间。另外, 考虑到制造工艺的影响, 在制作时光伏电池的边缘和金属电极可能会产生一些微小的裂痕或划痕, 形成漏电导致原本要流过负载电阻的光电流被短路了, 因此必须引入并联电阻Rsh来等效。并联电阻Rsh相对于串联电阻Rs来说, 并联电阻Rsh比较大, 大约1000欧以上。太阳能电池的等效电路如图1所示。

由光伏电池等效电路图1可得出:

其中

由上述公式可以得出光伏电池输出电流表达式:

式中:I为流过负载电阻R的电流;Iph为与光照强度成正比的太阳光产生的光电流;Id为流过二极管D的电流;Ish为光伏电池的漏电流;I0为反向饱和电流 (10-4A) ;q为电子电荷 (1.6×10-19C) ;K为波尔兹曼常数 (1.38×10-23I/K) ;T为绝对温度 (t+273K) ;A为PN结理想因子;Rsh为光伏电池的并联电阻;Rs为光伏电池的串联电阻。

1.2 影响光伏电池伏安特性的因素

对太阳能电池组件伏安特性影响的主要因素是日照强度和工作温度。对于在一定温度不同光照和一定光照不同温度情况下, 对应的P-V和V-I曲线我们都应该知道呈现什么样的关系。这里我们通过建立太阳能电池的数学模型并在MATLAB/SIMULINK仿真环境下搭建模块中进行仿真, 通过观察输出P-V和V-I波形验证该电池模型的实用性。

仿真模块搭建如图2:

温度不变时, 改变光照从600w/m2到1500w/m2 (每次增加200w/m2) 得P-V, V-I曲线分别如图3 (a) 和 (b) :

可以看出在太阳光谱和组件温度不变的前提下, 随着日照强度的不断增加, 太阳能电池的开路电压基本维持在某一固定值附近变化不大, 但短路电流会随这光照强度的增加而增加, 所以最大输出功率也会增大。

日照强度时, 改变温度从15度到30度 (每次增加5度) 的P-V, V-I曲线分别如图4 (a) 和 (b) :

可以看出对于工作温度, 在日照强度相同时, 随着温度的上升, 太阳能电池的开路电压会下降, 短路电流会有所增加但是变化不是很大, 最大输出功率会减小。另外, 无论在任何温度和光照强度下, 太阳能电池总会有一个最大输出功率点。当然温度或者光照强度不同, 最大输出功率点位置也随之不同。

2 电导法实现太阳能电池最大功率跟踪控制

2.1 电导增量法

该方法是通过比较光伏电池瞬时电导和增量电导来实现对最大功率点的跟踪控制。其原理为:

假设太阳能电池的输出功率为:

上式中, 对U进行求导:

不妨假设最大功率点处电压为Umax, 由太阳能电池P-U特性曲线可知, 当>0时, UUmax;当=0时, U=Umax。将上述三种情况代入式 (6) 可得:

由于d U是分母, 首先判断d U是否为0, 当d U=0, 且d I=0时, 则认为找到了最大功率点, 不需要调整;当d U=0, 且d I≠0时, 则根据d I的正负来对应的调整工作点电压;当d U≠0, 则依据上述方程之间的关系来对应的调整工作点电压, 从而来实现最大功率点跟踪控制。流程图如图5示。

其中比较简单的方法是依据经验, 采用固定步长ΔV (一般取0.02V~0.03V, 采样间隔Δt在硬件允许的情况下采用尽量小的采样间隔, 一般取1s) 。采用电导增量法, 设计简单, 计算方便, 但由于太阳能电池的输出功率具有明显的非线性特性, 跟踪速度和跟踪精度之间的矛盾很难较好地解决。而电导增量法在环境变化时, 能够快速地跟踪其变化, 而且它还适合天气变化大和变化快的场所, 缺点就是它对硬件的要求很高。

2.2 电导增量法实现太阳能电池最大功率跟踪控制

仿真模块搭建如图6:电导增量法控制算法在M文件编写的S函数中实现。

温度30度不变时, 光强为1000w/m2时的波形如图7 (a) , 光强为1400w/m2时的波形如图7 (b) 。注意观察图中纵坐标的幅值大小。

由仿真结果可以发现, 采用电导增量法可以跟踪不同环境下的太阳能电池最大功率点, 它的最大优点是当日照强度变化时, 太阳能电池的输出端电压能以平稳的方式追随其变化, 其电压波动较其他的MPPT控制方法小很多, 跟踪效果更明显。

3 结论

本文结合光伏电池模型进行建模仿真, 首先对光伏电池的输出特性进行了验证。之后在所建立的光伏电池模型基础上, 搭建了MPPT仿真模块, 运用电导增量法, 通过仿真实验, 表明了电导增量法能保证系统的动态性能和稳态性。

参考文献

[1]冯垛生, 宋金莲, 赵慧, 林珊, 赵海波.太阳能发电原理与应用[M].北京:人民邮电出版社.

[2]孔娟, 夏东伟, 李永辰.光伏发电系统中最大功率点跟踪研究综述[J].自动化原理技术与应用.

[3]Bangyin Liu, Shanxu Duan, Fei Liu, and Pengwei Xu.Analysis and Improve-ment of Maximum Power Point Tracking Algorithm Based on Incremental Con-ductance Method for Photovoltaic Array[J].IEEE, 2007, 637~641.

[4]李思, 孙建平.光伏发电的最大功率跟踪算法比较.中国高新技术企业技术论坛, 2009.

[5]杜慧.太阳能光伏发电控制系统的研究[硕士学位论文].华北电力大学 (保定) 硕士学位论文.2008.

[6]冯冬青, 李晓飞基于光伏电池输出特性的MPPT算法研究[J].计算机工程与设计, 2009.

最大功率优化控制 第3篇

由于化石能源储量的减少,开发可再生能源被认为是缓解全球能源危机的最好方式。考虑到能源开发中的环境因素和开发潜力,太阳能,风能,核能等成为了各种能源中极具开发前景的新能源,因此这些能源将具有不可撼动的地位。由于可再生能源的分散性、随机性和多样性,分布式发电系统被认为是新能源的最佳网络结构[1]。同时,在这些新能源中最受瞩目的就应该属于太阳能发电,因此,太阳能光伏发电技术逐渐受到青睐。

1 光伏发电系统的结构

光伏发电系统通常由太阳能电池阵列、连接箱、功率调节器、并网变压器、并网断路器等构成[2]。其基本结构如图1 所示。

由于光伏电池的特性受温度和光照度的影响,因此其特性的分析可以分别讨论。首先对标准条件( 光照度: 1 000 W/m2、电池温度: 25 ℃ ) 下光伏电池U - I特性进行了分析[3],然后又分析标准条件下的P - U特性。

因光伏电池数学物理模型会受外界环境影响,所以需对其参数适当调整。物理模型要以光照度和电池温度为参变量。通常,光照度S变化范围为0 ~ 1 000 W/m2,电池温度变化范围10 ℃ ~70 ℃ 。当环境变化时,电池温度T和光照度S不再是标准量,此时必须考虑环境变化的影响,并对光伏电池模型做出修正。由标准S、T下的Isc、Uoc、Im、和Um可以推算出新的S、T下的I'sc、U'oc、I'm、和U'm,再将它们代入实用表达式,即可得到新的光照度和电池温度下的伏安特性曲线。

其中a = 0. 002 5 ℃ ,b = 0. 5,c = 0. 002 88 ℃ 。

图2 为光伏电池伏安特性和P - U特性的仿真原理图,其中需要创建函数[IL,P]= Solar( U,S,T) ; 功能是当外界环境变化时对输入光照度和温度进行修正。P1 模块可以将Solar模块输出的功率传到MATLAB的工作空间以用于绘制波形。Saturation模块用于限制输入的幅度,其值设为30。图3 ~ 图4 是依据图2 所得仿真图,用于对光伏电池U - I、P - U特性的分析。

当温度和光照度为标准( S = 1 000 W/m2,T = 25 ℃ ) 时光伏电池的伏安特性和P - U特性如图3 和4 所示。

图3表明光伏电池U-I特性为非线性,图4表明光伏电池P-U特性为峰值曲线,这两条曲线对于研究光伏系统MPPT控制意义重大。若假设温度不变,先考虑光伏电池的U-I特性受光照强度变化的影响,即分别考虑T为1 000 W/m2、800 W/m2、600 W/m2、400 W/m2情况下的伏安特性,此情况下的伏安特性如图4所示。

从图4可以看出,光伏电池的输出电流、电压均与光照度成正比,光伏电池的特性曲线在不同的光照度下是不同的[4]。空载电压Uoc即为光伏电池输出的U - I特性曲线与电压轴( 横轴) 的交点,短路电流Isc即与电流轴( 纵轴) 的交点。从U - I特性曲线可以看出,光伏电池是一种非线性直流电源,既不是恒流源,也不是恒压源。图4 中A、B、C、D即为光伏电池的工作点,这四点是负载特性曲线与光伏电池的U - I特性曲线的交点。如果让光伏电池工作点移至U - I特性曲线上的A',B',C',D'点,使得在此点处电流值Im,电压值Um所围成矩形的面积最大( 功率最大) ,就认为此点为光伏阵列的最佳输出功率点或最大输出功率点[5]。

2 功率调节器中Boost电路的设计

DC / DC变流器的工作电路原理图如图5 所示。

此中PWM控制电路能够控制IGBT的开通以及关断。光伏阵列输出的直流电压通过DC/DC变流器被升压,输出的直流电压作为逆变器的输入电压。DC/DC变流器主要由电抗器、二极管、IGBT等开关元件组成,因为要进行MPPT控制,使其从太阳能电池所获取的电力最大,所以其输入的电压要通过PWM控制被控制为最佳电压。通过比较调制波和载波( 通常使用三角波) ,当调制波大于载波时时IGBT处于ON状态,当调制波小于载波时时IGBT处于OFF状态。

3 MPPT控制的MATLAB仿真设计

本文利用扰动观察法对系统进行MPPT控制,这种方式比较易操作且编程较简单,仿真比较容易实现。系统的MPPT仿真如图6 所示,是在标准光照度和温度( S = 1 000 W/m2、T = 25) 下进行的仿真,电感L = 0. 005 H、C = 300 μF、R = 19 Ω。

整个仿真电路是在Boost电路的基础上搭建的,将MPPT输出的参考电压Uref与三角波电压进行比较,产生理想PWM波形( 即理想的占空比) 以控制全控器件的通断,图中Con-Current source模块是受控源,此模块受光伏电池输出电流的控制,相当于电池等效电路中的直流电流源。太阳能电池的输出电流、输出电压以及输出的功率均送示波器显示。其中PWM波产生模块的MATLAB仿真图如图7 所示。

此中三角载波频率设为2 k Hz,采样时长为0. 1 s,开关模块( Switch) 的功能是若输入量大于零,输出值是1,否则输出是0,其输出是幅值为1 的PWM波形,将此PWM波形送入IGBT的门极以控制其导通关断,以实现DC/DC变换电路的输入电阻与电源内阻的动态匹配。

使用扰动观察法,光伏阵列的电流在MPPT控制下的输出波形如图8 所示。

从图8 中可以看出,光伏电池在经过大约0. 025 s后达到稳定状态,电流基本稳定在7. 6 A左右,电压基本稳定在26 V左右,与所选KD180GH - 2P型多晶硅太阳电池在标准条件下最大功率点的电流Im( 7. 63 A) 和电压Um( 23. 6 V) 均非常接近,同时也表明在跟踪速率上扰动观察法还是比较快的,对光伏电池控制能力较强。但光伏电池输出电流和电压在达到稳定状态后会有小幅度波动,这也和扰动观察法的特征相符,即在最大功率点邻近波动将会导致少量功率损失。

光伏电池的输出功率如图9 所示。

从图9 中可以看出,光伏电池在经过大约0. 02 s后达到稳定状态,功率基本稳定在175 W左右,与所选KD180GH - 2P型多晶硅太阳电池在标准条件下最大功率点的功率Pm( 180 W) 基本相等。

升压斩波电路的输出电压波形如图10 所示。

图中可以看出Boost电路经过大约0. 02 s达到稳态,输出电压稳定在56 V左右,会有小幅振荡,因PWM输出方波的占空比大约为0. 6,光伏电池输出稳定电压为23 V左右,和升压斩波电路增压规律相符。

下面是光伏电池在受到波动后的再一次达到稳定状态的曲线图,扰动的产生在仿真图中是借助阶跃函数来实现的,输出的曲线如图11 和图12 所示。

从图11 和12 中可以看出,在t = 0. 05 s时系统受到一定扰动( 光照度由1 000 W/m2降到800 W/m2) ,在经过大约不到0. 02s之后系统会重新达到新的稳定状态,这表明了扰动观察法的可行性,使用这种方法的系统在受到干扰后可以很快的达到新的稳定输出状态。

4 结束语

本次设计以光伏发电为主,主要讨论了光伏发电的基本原理与构造,针对光伏电池的U - I特性和P - U特性进行了深入剖析以及MATLAB仿真,并由此引出了光伏电池的MPPT控制。同时对多种MPPT控制的方法进行了分析,本文对MPPT进行了仿真分析,利用的是扰动观察法。主要通过仿真研究了方法的实用性。

参考文献

[1]张冬洁,王志远,刘胜利.太阳能在我国的应用及发展前景[J].洛阳工学院学报,2001,22(4):35-37.

[2]李洋.光伏微型逆变器的研究[J].电子技术,2014,52(10):12-15.

[3]曹承栋.浅谈国内外太阳能发电技术发展状况及展望[J].华北电力大学电气工程学院,2001,28(1):36-37.

[4]王立乔孙孝峰.分布式发电系统中的光伏发电技术[M].北京:机械工业出版社,2010.

模糊控制在最大功率点跟踪中的应用 第4篇

关键词：光伏电池,最大功率点,模糊控制

0 引言

进入21世纪以来, 面对日益枯竭的化石能源和越来越严重的环境问题, 世界各国愈发重视对于太阳能的开发与利用。将太阳能转化为电能的系统, 称为光伏发电系统。光伏发电系统的输出功率会随着日照强度与电池温度的变化呈现出明显的非线性, 因此在特定的工作环境下, 存在着一个唯一的最大功率输出点 (MPP) 。为了实现光伏发电系统的最大功率输出, 选择适当的最大功率跟踪算法是十分必要的。本文在分析光伏电池输出特性的基础上, 提出了基于模糊控制的跟踪算法, 并且建模进行了仿真验证。

1 光伏电池输出特性分析

由于光伏系统的非线性, 根据光伏电池MATLAB的仿真模型可以绘制出不同光照强度、不同温度下的I—V、P—V曲线, 图1是相同光照强度下的I—V、P—V输出曲线, 图2是相同温度下的I—V、P—V输出曲线。

从这两组输出特性曲线中可以看出, 在相同光照强度条件下, 随着温度的升高, 光伏电池开路电压有所下降, 短路电流有所上升, 它的最大功率点的输出功率值明显下降;在相同温度条件下, 随着光照强度的增大, 它的开路电压变化不大, 短路电流明显上升, 最大功率点的输出功率值也明显增大。

2 基于模糊控制原理的MPPT跟踪系统

模糊控制法对各类具有非线性、不确定性的系统具有良好的控制效果。模糊控制原理的MPPT跟踪算法是基于光伏电池温度与负载情况的变化、辐照度的不确定性以及光伏电池输出特性的非线性特征提出的, 为实现对MPPT的控制, 模糊控制系统将采样得到的数据经过运算, 判断出工作点与最大功率点之间的位置关系, 自动校正工作点电压值, 使工作点趋于最大功率点。

2.1 输入量和输出量的确定

定义模糊控制器的输出量为占空比D, 输入量分别为输出电压变化量d V和光伏电池P—V特性曲线的斜率。为了便于控制, 对控制系统的输入变量和输出变量的精确值通过量化因子与比例因子映射到相应的模糊集合论域中。将输入集合论域和输出集合论域均定义为7个模糊子集{NL、NM、NS、ZO、PS、PM、PL}。模糊集合论域采用离散化数字表示为{-6, -4, -2, 0, 2, 4, 6}。

2.2 模糊决策表

根据光伏电池的P—V输出特性曲线容易得出, 当d V>0、d P/d V>0时, 应保持当前扰动方向;当d V<0、d P/d V>0时, 向相反的方向进行扰动;当d V>0、d P/d V<0时, 保持当前扰动方向;当d V<0、d P/d V<0时, 向相反方向扰动。若环境条件突变, 则系统能迅速做出响应, 继续进行对最大功率点的跟踪。

根据以上原则, 得出的模糊控制系统决策表, 如表1所示。

2.3 解模糊方法

解模糊是将一个模糊变量转换成确定的量的过程。本文采用面积重心法作为输出变量的计算方法, 计算公式如下:

3 仿真结果分析

通过Simulink仿真实验平台, 建立了基于BOOST电路的光伏系统。模糊控制仿真结构如图3所示。

为验证模糊控制算法的优点, 在本文中同时建立了P&O算法仿真模型, 与模糊算法模型进行比较。

仿真图像如图4~6所示 (模糊控制跟踪算法仿真结果在前) , 图4是在标准环境条件下, 模糊控制MPPT系统与传统控制系统的仿真效果, 图5是温度持续上升时二者的仿真结果, 图6是光照突变时二者的仿真结果。

由图4可以看出, 在标准环境条件下模糊算法的最大功率点处非常稳定, 功率波动小;P&O算法功率曲线不稳定, 在最大功率点附近震荡非常大。由图5可以看出, 在温度上升时, 模糊算法输出曲线变化均匀, 而P&O算法输出曲线震荡较大。由图6可以看出, 当光照强度变化时, 模糊算法可以持续稳定地跟踪至新的最大功率点, 并且在新的最大功率点处震荡非常小;P&O算法在重新跟踪的过程中功率曲线震荡很大, 稳定时间较慢。

4 结语

通过与传统扰动控制算法的比较, 可以看出基于模糊控制的最大功率点跟踪算法不仅可以很好地在常规环境条件下对光伏电池输出的最大功率进行跟踪, 且在温度变化或光照强度突变时仍有良好的跟踪效果。与传统的扰动控制算法相比, 模糊控制最大功率点跟踪算法有着跟踪速度快、抑制功率震荡好等优点。

参考文献

[1]王宝忠, 王志兵.基于模糊控制的光伏系统最大功率点跟踪[J].哈尔滨理工大学学报, 2012, 17 (4) :13-17.

[2]钱念书, 刘阔, 郭建业, 等.光伏电池建模及其输出特性研究[J].电源学报, 2012 (5) :78-82.

最大功率优化控制 第5篇

太阳能是人类可利用的最直接的清洁能源, 它无污染、无噪声、取之不尽、用之不竭, 日益被人们重视, 太阳能光伏发电正在发展成为世界二次能源的重要组成部分。全球能源课题组分析世界能源使用结构预测图显示到2050年以后太阳能发电将成为世界上主要发电方式。

目前光伏发电系统存在着成本较高及光伏电池[1]的输出特性不稳定, 易受负载大小、环境温度、日照强度等因素影响等问题。太阳能光伏电池在运行中输出的电压和电流变化很大, 从而使光伏发电系统输出功率不稳定, 导致光伏发电系统效率降低。为了降低光伏发电的建造成本、提高发电效率, 实现光伏电池输出功率的最大化, 需要提高太阳能光伏电池的转换效率, 充分利用光伏阵列所转换的能量, 让输出功率时刻保持在最大功率点, 必须对最大功率点进行跟踪控制。常见的最大功率点跟踪 (MPPT) 方法有[2]:扰动观察法、导纳增量法、间歇扫描法、模糊控制法等。本文介绍光伏发电系统最大功率跟踪这四种常用控制方法的原 理和特点, 并总结评价了它们各自的优缺点。

二、光伏电池的输出特性

光伏电池的输出功率是外界环境温度和光照强度的函数, 具有强非线性[3]。图2 (a) 是相同温度T不同光照强度S下光伏电池的输出U-P曲线。可以看出, 光照强度越大, 光Mobile Office Network·Security总第288期伏电池输出功率也越大;图2 (b) 是相同光照强度S不同温度T下光伏电池的输出U-P曲线。可以看出, 温度越低, 光伏电池输出功率也越大;图2 (c) 是在一定T和S下, 光伏电池输出功率P和输出电压U是二次函数的关系。从光伏电池的P-U特性曲线可以看出, 每条曲线都有一个峰值点, 在峰值点处光伏电池输出功率将达到该光照强度下的最大值, 该点即称之为最大功率点。每条曲线最大功率点所对应的输出电压是唯一的, 正是由于光伏电池的这个特点使得MPPT控制方法的实现成为可能。

三、最大功率跟踪常用控制方法

光伏发电系统最大功率跟踪控制是无论光照强度、温度和负载特性如何变化, 太阳能电池方阵工作始终跟踪在最大功率点, 就需要同时采样太阳能电池方阵的电压和电流, 并要计算出太阳能电池方阵的功率, 然后通过寻优和调整, 使太阳能电池方阵工作在最大功率点附近。常用的寻优办法有以下四种。

1、扰动观察法

扰动观察法的基本原理是每隔一定的时间增加或者减少光伏电池输出电压, 并观测所引起的输出功率变化方向, 从而决定下一步的控制策略。

扰动观测法的控制流程图如图3所示。其基本控制过程为:首先, 让光伏电池按照给定的参考电压值Un输出, 测量此电压时的输出功率, 然后再在这个电压的基础上叠加一个电压扰动a, 测量叠加扰动电压后的输出功率P (n+1) 。比较P (n) 和P (n+1) 的大小, 如果P (n+1) 大于P (n) , 表明叠加电压扰动后输出功率增加, 所给电压扰动方向是使输出功率增大方向, 则继续施加相同方向的扰动, 下一时刻电压为U (n+2) =U (n+1) +a;如果P (n+1) 小于P (n) , 表明叠加电压扰动后输出功率减小, 所给电压扰动方向不是使输出功率增大方向, 则给反方向的扰动, 下一时刻电压为U (n+2) =U (n+1) -a, 这样循序渐进, 使输出功率逐渐逼近光伏电池的最大功率点。

2、导纳增量法

导纳增量法也是MPPT方法中较为常用的一种方法。其基本原理是通过不断比较光伏电池的电导增量和瞬间电导来实现最大功率点跟踪。由光伏电池阵列的P-U特性曲线可知, 最大值Pmax处的斜率为零, 在最大功率点附近斜率都不为零。即

由P=UI可以推导出达到最大功率点时为:

故又可以变换公式此公式可以作为系统运行点是否在最大功率点的依据。

导纳增量法的控制流程图与扰动观测法类似, 采用变步长K来提高控制系统性能, 可以达到较为满意的效果。

3、间歇扫描法

由光伏电池的P-U特性曲线图可知, 光伏电池的最大功率输出点是在当前光照强度和外界环境温度下对应于某一特定电压时输出功率为最大的工作点, 因此可以定时间歇地扫描一段 (一般为0.5~09倍的开路电压[4]) 阵列输出电压, 同时记录下不同电压下对应的输出功率值, 经过比较不同点的太阳能电池阵列的输出功率就可以方便地得出最大功率点。采用间歇扫描法实施控制, 可使较快地使系统工作在最大功率输出点上, 而不需要一直处于搜寻状态。

4、模糊控制法

模糊控制全称模糊逻辑控制, 是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。在光伏系统最大功率跟踪控制中, 其定义输出偏差ec及其变化率Δec作为模糊控制器的输入, 将控制系统所需要的控制变化量以微分dD的形式从模糊控制器输出[5]。在光伏电池的P-U曲线中系统工作在最大功率点处的表征是实时检测光伏电池的输出电压和功率数据, 若当前采样和上次采样数值分别用下标n和n-1来表示, 则模糊控制器输入变量Δec (n) 及其变化率Δec (n) 的函数表达式:

定义模糊逻辑控制规则为:若检测到当前正向调节控制PWM占空比使输出功率增加, 则继续向正方向调节控制;若检测到输出功率减小, 则改为向反方向调节控制。调节幅度由具体的模糊规则表和隶属度函数经模糊控制器输出决定。定义模糊集合:ZO= 零、PS= 正小、PB= 正大、NB= 负大、NS= 负小。定义模糊函数F (ec (n) , Δec (n) ) 的输入输出隶属度函数E、CE、dD如下图所示

通过对模糊控制器输出dD进行积分运算, 即可得到控制所需的占空比D, 将其通过PWM控制器作用于PWM变换器主电路的开关器件即可实现对系统的控制。

四、结语

扰动观察法控制简单, 容易实现, 对参数检测的精度要求也不是很高, 但稳态精度不够、光照剧烈变化时可能出现误判, 故而此算法控制精度低, 只适用于小功率光伏系统。

导纳增量法虽然具有很高的跟踪效率, 但由于电信号的采样值, 会受到传感器等元件精度的限制。导纳增量法的跟踪效率优越于扰动观测法, 但是其算法复杂, 对硬件要求更高。故多在大容量的光伏发电系统的MPPT装置中采用, 也就可以忽略控制器成本对整个系统成本的影响。

间歇扫描法提高了跟踪的控制精度, 但在记录和比较不同电压下对应的阵列输出功率值时, 仍需要针对不同型号的太阳能电池建立电压与输出电流、功率关系的数学模型, 导出最大功率的表达式。在实现的过程中需要对光照、温度进行采样, 需要精度很高的传感器, 增加了控制器的成本。不太适用于需要有连续输出的光伏系统[6]。

模糊控制法可以对无法建立数学模型或干扰十分严重的系统进行控制, 因此在大型光伏系统中是一种较好的系统控制方式, 但也存在着精度不高、适应能力有限和容易产生振荡现象等问题。目前在光伏系统MPPT控制中模糊控制由于其自身理论还不够完善, 并不能适合所有应用场合。

参考文献

[1]Wei D X, Ozog N, Dunford W G.Topology Study of Photovoltaic Interface for Maximum Power Point Tracking[C].IEEE Transactionson Industrial Electronics, 2007, 54 (3) :1696-1704.

[2]王长贵, 王斯成主编.太阳能光伏发电实用技术 (2版) [M].化学工业出版社, 2011:125-135.

[3]陈卉, 王明春;独立光伏发电系统的最大功率跟踪研究[J].发电设备;2013年.

[4]杨海柱, 金新民.并网光伏系统最大功率点跟踪控制的一种改进措施及其仿真和实验研究[J].电工电能新技术2006, 25 (1) .

[5]赵争鸣, 陈剑, 孙晓瑛编著.太阳能光伏发电最大功率点跟踪技术[M].电子工业出版社, 2012.4.

最大功率优化控制 第6篇

光伏能源是可再生能源的一种, 也是目前开发利用较多的一种可再生能源。 光伏能源属于清洁能源, 其具有无污染、可再生、分布广泛等特点, 近年来被广泛认可并使用, 就我们国家的情况而言, 无论从现实需要, 还是从未来的发展潜力考虑, 太阳能都应是各种可再生能源中的首选。

1传统的最大功率跟踪方法

1.1恒定电压法

恒定电压法在太阳能电池温度变化不大时, 太阳能电池的输出P—V曲线上的最大功率点几乎分布于一条垂直直线的两侧。 恒定电压法特点是:检测参数少、对硬件电路的要求低、实现比较容易, 但是跟踪控制的效率差、仅适用于小功率发电设备中。

1.2扰动观察法

扰动观察法[1]是通过对系统的输出电压、电流或PWM信号上叠加一个或正或负的扰动, 在跟踪控制过程中, 通过不间断地比较系统的输出功率值来判断所受的扰动是增强型的还是削弱型的, 进而对控制PWM脉冲信号进行调节, 实现最大功率跟踪控制。 扰动观察法的特点是:实现起来比较容易, 但是在最大功率点附近的波动现象会影响系统的输出。

1.3电导增量法

电导增量法是根据光伏电池的输出特性中电压和功率的关系实现控制的。电导增量法的特点:实现起来比较容易, 而且与扰动观察法相比, 在最大功率点附近没有较大的波动现象, 但在实践中对硬件的要求较高, 最大功率跟踪控制调节的周期也会增加, 影响了控制的时实性。

2基于预测模型加扰动控制的最大功率点跟踪方法

目前对太阳能光伏MPPT的研究主要是解决其中的两个问题[2], 一是跟踪速度, 二是系统的稳态性。基于以上两个问题, 本文提出了基于预测模型加扰动控制的最大功率点跟踪方法。本方法相当于在原有太阳能光伏发电系统的MPPT控制器上添加一个调节器, 改进后的MPPT控制器主要分为两部分, 预测模型控制器是为了快速准确地找到最大功率点位置, 扰动控制器是为了避免预测模型误差, 使跟踪结果更精确。本项目提出的基于预测模型加扰动控制的最大功率点跟踪方法原理图如图1所示。

2.1极限学习机理论

本项目釆用近年来发展起来的智能算法—神经网络极限学习机来训练预测模型控制器, 极限学习机 (ELM) 是一种误差比较小的单隐层前馈神经网络训练算法, 跟传统的基于梯度下降的学习算法相比极限学习机有很大的优势:ELM的计算速度非常快, 他随机给定隐含层的连接权值, 训练过程不需要迭代调整;传统的梯度下降算法, 容易陷入局部极小, 而ELM算法由于其求解输出权值最小二乘解的过程是一个凸优化问题, 因此不会陷入局部最优, 具有比传统算法更好的泛化性;ELM的参数选择简单, 只需要选择合适的隐层结点便可获得良好的性能, 而传统的基于梯度下降的算法如网络等, 还需要选择合适的学习率, 训练歩长等。

2.2预测模型控制器的训练

本文设计的MPPT控制器中的模型控制器是为了快速准确的找到光伏阵列的最大功率点, 因此把最大功率点作为预测模型控制器模型的输出, 由于在环境温度和光照强度一定时, 最大功率点的功率和电压是确定的, 所以在模型中可以选择最大功率点的功率作为输出, 也可以选择最大功率点的电压作为输出。

关于整个控制器里模型控制器的输入和输出变量已经确定, 由于它们之间呈现出高度的非线性关系, 利用传统的辨识方法很难辨识出这样一个两输入一输出的模型, 本文釆用极限学习机来训练此模型控制器, 并且其结构比较简单、误差较小, 对整个太阳能光伏发电系统的跟踪速度和稳态性能都有很大作用。 其结构如图2所示:

2.3仿真实验

本文采取在反馈控制器上加入由极限学习机算法训练的模型控制器, 由于扰动观察法的结构简单[3], 运算速度较快, 本文以扰动观察法作为反馈控制器的控制算法来进行下面的仿真实验。 第一组实验: 在5s以前的环境条件为:环境温度为15℃, 光照强度为1kw/m2, 在5s时环境条件变化为:环境温度为25℃, 光照强度为1.2kw/m2。 图3 (a) 为完整控制器和只使用模型控制器作为控制器的跟踪对比曲线, 图3 (b) 完整控制器和扰动观察法的控制对比曲线:

2.4仿真结果

从图3可以看出, 本文所设计的光伏控制器的跟踪性能特别好, 在短暂的一秒内就能完成跟踪, 并且稳定的运行在最大功率点, 变化后的环境条件依然离训练数据比较近, 其稳态误差几乎为零。

3结语

本文在分析几种传统最大功率点跟踪方法的缺点后, 提出了基于预测模型加扰动控制的最大功率点跟踪研究。 仿真实验结果表明:最大功率点跟踪研究当环境条件变化时, 基于预测模型加扰动控制的跟踪控制方法能够快速的跟踪新的最大功率点, 并且保证在进入稳定状态后光伏阵列无震荡稳定工作在最大功率点, 无论是跟踪速度和稳态性能都有很大提高, 证实了这种控制方法的有效性。

摘要：分析了光伏发电系统最大功率点跟踪的基本工作原理, 通过对现有控制方法的深入研究, 设计了基于预测模型加扰动控制的最大功率点跟踪研究方法, 仿真实验结果表明:基于预测模型加扰动控制的最大功率点跟踪研究方法不但能保证光伏阵列稳定准确的运行在最大功率点, 而且跟踪速度明显提高, 对于提高整个太阳能光伏发电系统的效率有非常重要的意义。

关键词：光伏发电,最大功率点跟踪,预测模型,扰动控制

参考文献

[1]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 (02) .

[2]方波, 罗书克, 康龙云.光伏占空比扰动控制MPPT及其仿真研究[J].可再生能源, 2013 (10) .

[3]沈实叠, 姚维.基于变步长的光伏系统MPPT算法研究[J].轻工机械, 2013 (05) .

最大功率优化控制 第7篇

太阳能电池的输出功率曲线为非线性特性,受负荷状态、环境温度、日照强度等因素的影响,太阳能电池输出的最大功率点时刻都在变化。若负载工作点偏离太阳能电池最大功率点将会降低太阳能电池输出效率,浪费电池板容量。

本文设计制作一种具有最大功率点跟踪功能的太阳能控制器,控制器采用高性价比的微控制器MC9S08QG8来实现最大功率点跟踪控制,提高了太阳能电池的输出效率,充分利用了光伏阵列所转换的能量。

1 太阳能电池输出特性

太阳能电池输出是非线性的,受外界多种因素的影响,如日照强度、温度等。太阳能电池特性曲线如图1、图2所示。

由图1、图2中可以看出,光照强度越大,太阳能电池输出的功率也越大;相反温度越高,太阳能电池输出的功率越小。在不同的环境中,太阳能电池输出曲线是不同的,最大功率点随着光照强度和温度的变化而变化。因此在实际应用中为了提高太阳能电池的发电效率,就要对太阳能电池最大功率点进行跟踪。

2 太阳能发电系统构成

太阳能发电系统主要由光伏板、太阳能控制器、蓄电池和负载4部分构成。其中太阳能控制器是整个系统的核心部分,主要完成最大功率点跟踪(MPPT)、蓄电池充电、负载供电和蓄电池保护等功能,其性能的好坏直接决定了整个光伏系统的性能。太阳能发电系统如图3所示。

太阳能控制器包括DC/DC转换电路、微控制器、电压电流检测、驱动电路和充放电保护电路等电路单元。该控制器采用低功耗、高性能8位微控制器MC9S08QG8,电压电流检测电路采集到的模拟信号经A/D端口送入微控制器进行分析计算,微控制器通过驱动电路输出PWM脉冲控制信号调节DC/DC转换电路内部开关管的通断,实现对转换电路输出电压及电流的控制。控制器还能实时测量蓄电池的端电压,对蓄电池进行充放电保护,防止蓄电池过充或过放。

3 最大功率点跟踪(MPPT)的实现

3.1 最大功率点跟踪控制原理

DC/DC转换电路接在直流电源和负载之间,通过控制电压的方法将不可控的直流输入变为可控的直流输出的一种变换电路。本文设计的太阳能控制器通过采用升降压式DC/DC转换电路,将太阳能电池的不可控输出电压转换成可控的输出电压。

升降压式DC/DC转换电路是输出电压既可高于又可低于输入电压的单管不隔离直流转换电路。如图4所示,主电路由开关管Q、二极管D、电感L和电容C等构成,其输出电压极性与输入电压极性相反。

转换电路输入输出电压关系式为:

undefined

占空比D=TON/T,其中T=TON+TOFF,TON是开关管导通时间。

从式(1)可以看出:当D=0.5时,Vo=Vi;当D<0.5时,VoVi,即DC/DC转换电路的输出电压既可高于又可低于输入电压。因此只要根据输入电压,通过调节开关管Q的占空比,可以将不可控的直流输入变成可控的直流输出,因此利用DC/DC转换电路的这一特点可以实现最大功率点跟踪。

3.2 跟踪控制方法设计

为了实现最大功率点跟踪功能,本文设计的太阳能控制器采用电压扰动法,控制器在每个控制周期用较小的步长改变太阳能电池的输出,方向可以是增加也可以是减小。然后,比较干扰周期前后太阳能电池的输出功率,如果输出功率增加,那么继续按照上一周期的方向继续“干扰”过程,如果检测到输出功率减小,则改变“干扰”方向。这样,太阳能电池的实际工作点就能逐渐接近当前最大功率点,最终在其附近的一个较小范围往复达到稳态。最大功率点跟踪控制流程如图5所示。

4 太阳能控制器硬件电路设计

控制器主体电路如图6、图7所示,采用微控制器MC9S08QG8作为核心控制单元,使用MOS管作为充放电控制管和保护管,减少了系统功耗和开关工作速度。为了可靠地检测到太阳能电池的输出电压和电流,DC/DC转换电路的输出电流,采用直流侧电压检测电路;转换电路的输出电压和蓄电池的端电压用电阻分压法进行采集,以上采集到的5个模拟电压信号通过A/D端口送入微控制器。由于肖特基二极管比普通二极管具有管压降低、功耗小、电荷储能效应小等特点,所以电路中采用肖特基二极管D2作为防反充二极管,防止蓄电池向太阳能电池反向充电。控制器通过控制DC/DC转换电路的内部开关管Q1的通断,可以控制蓄电池的充电过程;在蓄电池和负载间串联开关管Q2,当蓄电池电压小于放过电压时,切断蓄电池与负载间的回路,防止蓄电池的过放;只有当蓄电池电压重新升到正常电压范围内,开关管Q2才会重新导通。

4.1 微控制器电源变换电路

受控制器体积和成本的限制,以微控制器为核心的控制电路的电源直接通过蓄电池端电压变换得来,图8的LM317三端可调稳压器变换出微控制器的电源电压。

微控制器MC9S08QG8电源电压VDD为3.3V,LM317输出电压变化范围为1.25～37V,只需要调整2个外接电阻阻值就可以设置输出电压。LM317输出端Vout和调整端ADJ之间提供1.25V的基准电压Vref,输出电压满足下面公式:

undefined

4.2 MOS管驱动电路

MC9S08QG8使用PTB6和PTB7作为2个MOSFET开关管的栅极控制信号,来控制开关管Q1和Q2。以Q1为例,当PTB6输出高电平时,三极管Q3导通,Q1栅极被拉为低电平,Q1截止;反之PTB6为低电平时,Q1导通。驱动电路如图9所示。

4.3 电压检测电路

控制器使用高精度差动放大器LM324和线性光耦IL300组成直流侧电压检测电路如图10所示。

电压输入差动放大电路,其输出电压Vi:

undefined

令R4/R3=R2/R1,上式可以表示为:

undefined

Vi输入线性光耦IL300电压隔离放大电路,得到输出电压Vo为:

undefined

上式中K为IL300的传输增益,选取K=1。设计电路时,根据实际需要适当地选取R1、R2、R7、R8的阻值,可以调整电压检测电路的增益倍数。

5 实验结果

实验仪器:设计制作的太阳能控制器、太阳能电池板(Maximum Output 50W)、光辐照计FZ-A、万用表、变阻箱(负载)、蓄电池。

实验中首先将太阳能电池板与变阻箱连接,改变变阻箱阻值,测量太阳能电池在不同光照强度下的输出电流和电压并绘制U-I特性曲线,计算出各条曲线最大功率点处的电压值;之后将太阳能控制器与电池板、变阻箱、蓄电池相连,测量所对应的不同光照强度下控制器输出端的电压(即蓄电池端电压)。测得实验数据如表1所示。

从表1中可以看出,由于控制器采用了电压扰动法进行最大功率点跟踪,所以控制器输出电压在一定范围内变化。

6 结论

本文所设计的太阳能控制器以MC9S08QG8为控制核心,采用DC/DC转换电路,能改变太阳能电池的输出电流和电压,结合电压扰动法,使太阳能电池输出电压工作在最大功率点电压处,实现光伏功率输出最大化。控制器通过对开关管的通断控制,可以有效地对蓄电池进行充放电保护,延长了蓄电池的使用寿命。该控制器基本功能完善,具有体积小、可靠性高、成本低等特点,已运用在具体实验中。

摘要：针对目前太阳能发电系统效率低、铅酸蓄电池使用寿命短等问题,利用微控制器MC9S08QG8设计一种太阳能控制器。该控制器采用升降压式DC/DC转换电路、利用电压扰动法实现最大功率点跟踪,使太阳能电池始终保持最大功率输出;控制器还能实时测量蓄电池的端电压,对蓄电池进行充放电保护。该控制器软硬件结合、可靠性高,提高了太阳能发电系统的效率,延长了蓄电池的使用寿命。

关键词：太阳能控制器,最大功率点跟踪,DC/DC转换电路,电压扰动法

参考文献

[1]赵争鸣,刘建政,等.太阳能光伏发电及其应用[M].北京:科学出版社,2005.

[2]王长贵,王斯成.太阳能光伏发电使用技术[M].北京:化学工业出版社,2005.