李自成，王志豪

（武漢工程大學(xué) 電氣信息學(xué)院，武漢430205）

風(fēng)能和太陽能作為優(yōu)質(zhì)的可再生能源，具有來源廣泛、清潔和可再生等優(yōu)點(diǎn)，然而獨(dú)立的風(fēng)力發(fā)電和光伏發(fā)電都會(huì)受到氣候以及晝夜變化的影響。文獻(xiàn)[1-3]表明，風(fēng)能與太陽能具有良好的互補(bǔ)性，風(fēng)光互補(bǔ)發(fā)電系統(tǒng)可以提高供電的穩(wěn)定性，連續(xù)性和可靠性。近年來，風(fēng)光互補(bǔ)路燈在國內(nèi)廣泛使用，它與傳統(tǒng)路燈相比優(yōu)勢(shì)明顯，不需要建立復(fù)雜的線路、控制站等供電設(shè)備，可以降低運(yùn)行費(fèi)用和維護(hù)費(fèi)用，綠色環(huán)保。為了提高發(fā)電效率，最大功率點(diǎn)跟蹤MPPT 技術(shù)在風(fēng)光互補(bǔ)發(fā)電系統(tǒng)中得到廣泛應(yīng)用[4]。傳統(tǒng)的風(fēng)光互補(bǔ)發(fā)電系統(tǒng)， 風(fēng)力發(fā)電MPPT 與光伏發(fā)電MPPT 單獨(dú)控制，系統(tǒng)結(jié)構(gòu)復(fù)雜，成本高。在此，提出一種基于雙Boost 電路的RBF 神經(jīng)網(wǎng)絡(luò)MPPT控制方法，結(jié)構(gòu)簡(jiǎn)單，滿足風(fēng)光互補(bǔ)路燈的最大功率點(diǎn)跟蹤的要求。

1 風(fēng)光互補(bǔ)路燈系統(tǒng)及其MPPT 控制方法

1.1 互補(bǔ)路燈系統(tǒng)構(gòu)成及工作原理

風(fēng)光互補(bǔ)路燈系統(tǒng)主要由3 部分組成，即發(fā)電環(huán)節(jié)、控制環(huán)節(jié)和電能儲(chǔ)存消耗環(huán)節(jié)。其中，發(fā)電環(huán)節(jié)包括風(fēng)力發(fā)電模塊和光伏發(fā)電模塊；控制環(huán)節(jié)包括風(fēng)光互補(bǔ)控制器和蓄電池充放電控制器；電能儲(chǔ)存消耗環(huán)節(jié)包括蓄電池模塊和LED 燈負(fù)載。系統(tǒng)結(jié)構(gòu)如圖1所示，包括：風(fēng)力發(fā)電模塊、光伏發(fā)電模塊和蓄電池模塊，風(fēng)光互補(bǔ)MPPT 控制器和蓄電池控制器。

圖1 風(fēng)光互補(bǔ)路燈系統(tǒng)結(jié)構(gòu)Fig.1 Structure of wind-PV hybrid streetlight system

控制環(huán)節(jié)為系統(tǒng)核心，是保證風(fēng)光互補(bǔ)路燈高效穩(wěn)定工作的關(guān)鍵。根據(jù)路燈的工作模式特點(diǎn)，對(duì)路燈供電，在光照良好的情況下，發(fā)電裝置對(duì)電池充電，電池充滿后接入卸荷電路。輻照度低，且風(fēng)能充足時(shí)，根據(jù)發(fā)電側(cè)和負(fù)載側(cè)的差值，電池進(jìn)行充電或放電，使系統(tǒng)工作在一個(gè)穩(wěn)定的環(huán)境中；輻照度低且風(fēng)速低時(shí)，蓄電池對(duì)路燈供電，電池電壓過低，切斷負(fù)載并報(bào)警。

1.2 光互補(bǔ)路燈MPPT 控制方法

常規(guī)的光伏MPPT 方法有恒定電壓法、 擾動(dòng)觀察法和增量電導(dǎo)法。恒定電壓法由于功率損耗導(dǎo)致能量轉(zhuǎn)換效率不高，而擾動(dòng)觀察法和增量電導(dǎo)法均涉及選擇合適步長的問題，步長過小則跟蹤速度慢，步長過大則跟蹤精度不夠[5-8]。

常規(guī)的風(fēng)力發(fā)電MPPT 方法有最優(yōu)葉尖比法、功率反饋法和爬山搜索法。最優(yōu)葉尖比法需要增加測(cè)速設(shè)備和改造風(fēng)機(jī)結(jié)構(gòu)，成本高，可靠性降低。功率反饋法需要測(cè)量較多發(fā)電系統(tǒng)物理量，移植性較差，成本高。爬山搜索法涉及到尋找合適步長的問題，步長過小則跟蹤速度慢，步長過大則跟蹤精度不夠[9-10]。

在此，針對(duì)風(fēng)光互補(bǔ)路燈最大功率點(diǎn)跟蹤非線性、多物理量等特點(diǎn)，設(shè)計(jì)了雙Boost 電路分別控制風(fēng)力發(fā)電模塊和光伏發(fā)電模塊，基于徑向基RBF 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)風(fēng)力發(fā)電和光伏發(fā)電統(tǒng)一MPPT 控制策略， 直接調(diào)節(jié)Boost 電路的脈寬調(diào)制PWM（pulse width modulation）波的占空比，控制輸出電壓，達(dá)到最大功率點(diǎn)跟蹤的目的。雙Boost 電路可以隔離光伏模塊和風(fēng)電模塊， 避免二者相互沖擊， 并采用RBF 神經(jīng)網(wǎng)絡(luò)建立最大功率點(diǎn)預(yù)測(cè)模型，對(duì)光伏發(fā)電模塊和風(fēng)力發(fā)電模塊分別進(jìn)行最大功率點(diǎn)預(yù)測(cè)，控制Boost 電路輸出的PWM 波，使發(fā)電側(cè)與負(fù)載側(cè)的等效電阻相匹配達(dá)到最大功率點(diǎn)跟蹤的目的。與傳統(tǒng)的MPPT 控制策略比較，其發(fā)電效率高，最大功率點(diǎn)電壓振蕩小。

2 RBF 神經(jīng)網(wǎng)絡(luò)的MPPT 控制方法

2.1 RBF 神經(jīng)網(wǎng)絡(luò)模型

RBF 神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)具有一致逼近性，學(xué)習(xí)速度快，處理速度快[11]。風(fēng)光發(fā)電互補(bǔ)系統(tǒng)MPPT過程有非線性、多變量等特性，傳統(tǒng)控制算法無法滿足控制要求，RBF 神經(jīng)網(wǎng)絡(luò)模型能很好地?cái)M合MPPT過程，處理速度快，擬合精度高，滿足控制要求[12-14]。故在此采用雙Boost 電路結(jié)構(gòu)分別對(duì)光伏模塊和風(fēng)電模塊進(jìn)行最大功率點(diǎn)跟蹤， 采用RBF 神經(jīng)網(wǎng)絡(luò)直接調(diào)節(jié)Boost 電路的PWM 波的占空比，根據(jù)不同的訓(xùn)練樣本分別訓(xùn)練RBF 神經(jīng)網(wǎng)絡(luò)其結(jié)構(gòu)如圖2所示。

圖2 RBF 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Structure of RBF neural network

在此選擇的RBF 神經(jīng)網(wǎng)絡(luò)激活函數(shù)為

式中：xp為歸一化后的輸入；hn為隱函數(shù)數(shù)據(jù)中心。其網(wǎng)絡(luò)輸出為

式中：Dj為網(wǎng)絡(luò)輸出；wij為權(quán)重系數(shù)。其損失函數(shù)為

2.2 RBF 神經(jīng)網(wǎng)絡(luò)MPPT 控制策略

在此，選取Boost 電路輸入端的電壓、電流作為RBF 神經(jīng)網(wǎng)絡(luò)的輸入，PWM 波為網(wǎng)絡(luò)的輸出。由網(wǎng)絡(luò)輸入、輸出的單位量不同，將輸入、輸出數(shù)據(jù)進(jìn)行最大-最小歸一化處理，選取200 個(gè)處理數(shù)據(jù)，進(jìn)行隨機(jī)樣本處理， 隨機(jī)160 個(gè)樣本作為訓(xùn)練樣本，剩余40 個(gè)樣本作為驗(yàn)證樣本。

根據(jù)被控對(duì)象Boost 電路的特點(diǎn)， 選取目標(biāo)均方差ε=0.001， 光伏模塊與風(fēng)電模塊的RBF 神經(jīng)網(wǎng)絡(luò)訓(xùn)練分別如圖3所示， 光伏模塊訓(xùn)練次數(shù)為36次，風(fēng)電模塊為41 次，訓(xùn)練速度快都滿足Boost 電路控制要求。

圖3 網(wǎng)絡(luò)訓(xùn)練Fig.3 Network training

3 仿真與試驗(yàn)研究分析

3.1 仿真分析

為驗(yàn)證基于RBF 神經(jīng)網(wǎng)絡(luò)MPPT 控制策略的控制性能，在MatLab/Simulink 環(huán)境下建立風(fēng)光互補(bǔ)路燈系統(tǒng)仿真模型，對(duì)不同氣候條件和負(fù)載要求的情況下的風(fēng)光互補(bǔ)路燈系統(tǒng)進(jìn)行仿真，并與擾動(dòng)觀察法MPPT 控制策略進(jìn)行對(duì)比。

輻照度在0～3 s 為30 W/m2；3～4 s 由30 W/m2變化為1030 W/m2；4～9 s 為1030 W/m2；9～10 s 由1030 W/m2變化為30 W/m2；10～12 s 為30 W/m2。

風(fēng)速在0～3 s 為6 m/s；3～4 s 由6 m/s 變化為2 m/s；4～9 s 為2 m/s；9～11 s 由2 m/s 變化為6 m/s；11～12 s 為6 m/s。

蓄電池的初始電荷狀態(tài)（SOC）為50%。電池兩端的電壓、電流和剩余電量波形如圖4所示。

圖4 風(fēng)速和光強(qiáng)漸變電池特性仿真波形Fig.4 Simulation waveform of battery characteristics with both gradual change wind speed and solar radiation

由圖可見，擾動(dòng)觀察法MPPT 控制時(shí)，0～3 s，輻照度過小，為30 W/m2，光伏發(fā)電模塊未運(yùn)行，風(fēng)速為6 m/s，風(fēng)力發(fā)電模塊為系統(tǒng)供電，但是風(fēng)力機(jī)有啟動(dòng)過程，蓄電池對(duì)LED 路燈供能，電池放電電流為正，電池的SOC 值減小，在0.85 s 時(shí)風(fēng)力機(jī)啟動(dòng)并工作在最大功率點(diǎn)，輸出的功率大于LED 路燈的消耗功率，蓄電池緩慢充電。輻照度在3～4 s 變大，風(fēng)速減小，光伏發(fā)電模塊輸出變大，風(fēng)力發(fā)電模塊輸出減小，由于光伏發(fā)電功率大，滿足了LED 路燈的功率消耗，蓄電池充電。輻照度在4～9 s 為1030 W/m2，風(fēng)速為2 m/s，發(fā)電系統(tǒng)在4.17 s 時(shí)工作在最大功率點(diǎn)，蓄電池兩端電壓為31.1～31.5 V，蓄電池充電。輻照度在9～10 s 由1030 W/m2變化為30 W/m2，風(fēng)速由2 m/s 變化為4 m/s。在9.51 s 時(shí)，發(fā)電端輸出功率與負(fù)載端功率相等，蓄電池SOC 值為65.2%；9.51 s 后發(fā)電端輸出功率小于負(fù)載端功率，電池放電。

由圖可見，RBF 神經(jīng)網(wǎng)絡(luò)MPPT 控制時(shí)，0～3 s輻照度過小，為30 W/m2，光伏發(fā)電模塊未運(yùn)行，風(fēng)速為6 m/s 風(fēng)力發(fā)電模塊為系統(tǒng)供電，但是風(fēng)力機(jī)有啟動(dòng)過程，蓄電池對(duì)LED 路燈供能，電池放電電流為正，電池的SOC 減小，0.8 s 時(shí)風(fēng)力機(jī)啟動(dòng)并工作在最大功率點(diǎn)， 輸出的功率大于LED 路燈的消耗功率，蓄電池緩慢充電。輻照度在3～4 s 變大，風(fēng)速減小，光伏發(fā)電模塊輸出變大，風(fēng)力發(fā)電模塊輸出減小，由于光伏發(fā)電功率大，滿足了LED 路燈的功率消耗，蓄電池充電。輻照度在4～9 s 為1030 W/m2，風(fēng)速為2 m/s， 發(fā)電系統(tǒng)在4.11 s 時(shí)工作在最大功率點(diǎn)，蓄電池兩端電壓為33.5～33.6 V，蓄電池充電。輻照度在9～10 s 由1030 W/m2變化為30 W/m2，風(fēng)速由2 m/s 變化為4 m/s。在9.55 s 時(shí)，發(fā)電端輸出功率與負(fù)載端功率相等， 蓄電池SOC 值為66.8%；9.55 s 后發(fā)電端輸出功率小于負(fù)載端功率，電池放電。

由圖4基于RBF 神經(jīng)網(wǎng)絡(luò)的MPPT 控制策略與擾動(dòng)觀察法MPPT 控制策略的比較可見，在同一條件下，RBF 神經(jīng)網(wǎng)絡(luò)算法跟蹤速度快，在4～9 s 時(shí)外部環(huán)境穩(wěn)定，提前0.06 s 達(dá)到最大功率點(diǎn)，且最大功率點(diǎn)處電壓波動(dòng)小，其波動(dòng)僅為0.1 V，小于0.4 V；系統(tǒng)發(fā)電量大，蓄電池最大SOC 值為，大于65.2%。

3.2 試驗(yàn)結(jié)果及分析

為了驗(yàn)證RBF 神經(jīng)網(wǎng)絡(luò)MPPT 控制策略的可行性，設(shè)計(jì)了試驗(yàn)平臺(tái)，其結(jié)構(gòu)如圖5所示。

圖5 試驗(yàn)平臺(tái)Fig.5 Experiment platform

試驗(yàn)所用太陽能電池板為單晶硅40 W 的電池板，其STC 條件下短路電流Isc=2.64 A，開路電壓Voc=21.8 V，最大功率點(diǎn)電流Im=2.24 A，最大功率點(diǎn)電壓Vm=17.5 V； 風(fēng)機(jī)的額定電壓12 V， 額定功率為100 W，調(diào)壓電路為Boost 電路；選用STC12C5A60S2-35I-PDIP40 單片機(jī)作為主控芯片，12 V 開關(guān)電源為輔助電源，負(fù)載為額定電壓12 V，額定功率為15 W的LED 燈。試驗(yàn)以調(diào)壓射燈作為光源，鼓風(fēng)機(jī)為風(fēng)源，SM206 太陽能功率計(jì)測(cè)量光照強(qiáng)度，?，擜S877熱電偶溫度計(jì)測(cè)電池板溫度，Chroma66203 功率表測(cè)功率。

試驗(yàn)條件如下：光伏電池板溫度為16 ℃，自然光光照強(qiáng)度為104 W/m2，太陽能射燈開啟光伏電池板處光照強(qiáng)度為556 W/m2，鼓風(fēng)機(jī)變頻器設(shè)為22 Hz，風(fēng)速為3.8 m/s。試驗(yàn)利用太陽能射燈作為補(bǔ)充光源產(chǎn)生光強(qiáng)突變，比較2 種控制算法的性能。風(fēng)光互補(bǔ)發(fā)電輸出如圖6所示，RBF 神經(jīng)網(wǎng)絡(luò)MPPT 控制算法，在外部光強(qiáng)改變時(shí)，發(fā)電模塊輸出功率更大。表明本文算法的跟蹤性能更好。

圖6 風(fēng)光互補(bǔ)發(fā)電輸出Fig.6 Output of wind-PV hybrid power module

4 結(jié)語

針對(duì)傳統(tǒng)擾動(dòng)觀察法MPPT 的快速性與精確性的矛盾，結(jié)合風(fēng)光互補(bǔ)路燈系統(tǒng)的工作環(huán)境變化大的特點(diǎn)，提出一種基于RBF 神經(jīng)網(wǎng)絡(luò)的MPPT 算法。通過仿真與試驗(yàn)驗(yàn)證，當(dāng)風(fēng)速與光強(qiáng)變化時(shí)，基于RBF 神經(jīng)網(wǎng)絡(luò)的MPPT算法，能快速跟蹤到MPP 并在MPP 處振蕩更小，系統(tǒng)發(fā)電更多、續(xù)航能力更強(qiáng)。