梁國(guó)壯 趙博 田涵雷 王春光

摘? 要： 為了實(shí)現(xiàn)MPPT控制同時(shí)兼?zhèn)鋵?yōu)速度與系統(tǒng)穩(wěn)定，提出一種擾動(dòng)?模糊雙模式控制，當(dāng)系統(tǒng)位于最大功率點(diǎn)附近采用模糊控制技術(shù)跟蹤，當(dāng)系統(tǒng)靠近功率曲線兩端時(shí)采用擾動(dòng)觀察法跟蹤，從而實(shí)現(xiàn)MPPT優(yōu)化控制。通過(guò)Matlab對(duì)新控制算法與傳統(tǒng)算法進(jìn)行仿真和比較分析得出，新算法的尋優(yōu)速度更快，在達(dá)到最大功率點(diǎn)后系統(tǒng)更穩(wěn)定。對(duì)現(xiàn)有算法提出一種結(jié)合擾動(dòng)?模糊結(jié)合控制算法在尋優(yōu)速度和系統(tǒng)穩(wěn)定兩方面有所改進(jìn)，通過(guò)Matlab進(jìn)行仿真證明所提出控制方法在尋優(yōu)速度和系統(tǒng)穩(wěn)定方面的優(yōu)越性能。

關(guān)鍵詞： 擾動(dòng)觀察法; 模糊控制; 光伏發(fā)電; 系統(tǒng)跟蹤; 尋優(yōu)速度; 仿真分析

Abstract： A disturbance?fuzzy dual?mode control is proposed to realize MPPT control with both optimization speed and system stability. When the system nears the maximum power point， the fuzzy control technology is used to track the system; when the system is close to both ends of the power curve， perturbation and observation method is used to track the system， so as to implement MPPT optimal control. The simulation and comparison between the new control algorithm and the traditional algorithm are performed with Matlab， and it is concluded that the new algorithm has faster optimization speed and more stable system after reaching the maximum power points. A disturbance?fuzzy control algorithm is proposed， which improves optimization speed and system stability. The high performance of the proposed control method in optimization speed and system stability is proved by simulation with Matlab.

Keywords： perturbation observation method; fuzzy control; photovoltaic power generation; system trace; optimization speed; simulation analysis

0? 引? 言

近年來(lái)，節(jié)能減排已成為國(guó)民經(jīng)濟(jì)發(fā)展的重要方向，節(jié)約能源更是當(dāng)務(wù)之急。光伏發(fā)電具有分布廣、清潔、環(huán)保等眾多優(yōu)點(diǎn)，在新能源領(lǐng)域有著一次能源不可代替的潛力。隨著科學(xué)技術(shù)的迅猛發(fā)展，光伏發(fā)電技術(shù)也不斷走向成熟，并將逐漸由補(bǔ)充能源向替代能源過(guò)渡[1]。但光伏電池的輸出由于易受光照、溫度的影響而呈現(xiàn)出較強(qiáng)的非線性，使光伏電池不能以最大功率輸出，降低了系統(tǒng)的發(fā)電效率?；诖?， MPPT算法被提出，大致分為三類：

1） 基于一般性規(guī)律的算法有開路電壓法和短路電流法，優(yōu)點(diǎn)是算法結(jié)構(gòu)簡(jiǎn)單且易于實(shí)現(xiàn)，但無(wú)法保證控制精度，且無(wú)法對(duì)光伏電池所有未知情況進(jìn)行模擬;

2） 自適應(yīng)控制的方法有神經(jīng)網(wǎng)絡(luò)控制法、模糊控制等多種智能算法，此類算法能夠?qū)崿F(xiàn)足夠高的控制精度，但最大的是隨著算法復(fù)雜程度的增大，運(yùn)行時(shí)間和成本也會(huì)相應(yīng)增大;

3） 擾動(dòng)特性的控制方法有擾動(dòng)觀察法和電導(dǎo)增量法等，這類算法通過(guò)對(duì)電路變量施加擾動(dòng)實(shí)現(xiàn)最大功率點(diǎn)的跟蹤[2]。

上述算法均存在局限性，尤其是快速性、穩(wěn)定性不能兼得。因此，結(jié)合多種算法實(shí)現(xiàn)各算法間優(yōu)勢(shì)互補(bǔ)依然成為研究的熱點(diǎn)。擾動(dòng)觀察法具有結(jié)構(gòu)簡(jiǎn)單、響應(yīng)速度快等優(yōu)勢(shì);模糊控制具有控制精度高，對(duì)被控對(duì)象的數(shù)學(xué)模型準(zhǔn)確性要求較低，適合難以建立準(zhǔn)確數(shù)學(xué)模型以及受外界條件影響的控制系統(tǒng)[3]?；谏鲜龇治觯疚奶岢鲆环N組合算法，即擾動(dòng)?模糊雙模式控制算法，并在Matlab/Simulink仿真環(huán)境下驗(yàn)證方法的可行性與優(yōu)越性。

1? 光伏發(fā)電

1.1? 光伏電池的等效電路模型與特性分析

在整個(gè)光伏系統(tǒng)中，光伏電池為核心部件。目前，光伏系統(tǒng)大量使用的是單晶硅太陽(yáng)能電池，其數(shù)學(xué)模型如圖1所示。

光伏電池的輸出特性方程為：

式中：[Ip]為光生電流;[Id]為流過(guò)二極管電流;[Ish]為流過(guò)旁漏電阻的電流;[RS]為串聯(lián)電阻，主要包括電池的表面電阻和體電阻;[Rsh]為旁漏電阻;A為光伏電池常數(shù)因子（正偏電壓較大時(shí)，A值可取1，正偏電壓較小時(shí)，其值取2）;I0為二極管反向飽和電流;q為電荷電量1.602×10-19 ℃;k為玻爾茲曼常數(shù)1.38×10-23 J/K;T為光伏電池表面溫度;I為輸出電流;U為輸出電壓。

圖2為不同光照強(qiáng)度下光伏電池的輸出I?U（電流?電壓）和P?U（有功?電壓）曲線。

圖中曲線1，3，5為環(huán)境溫度固定在25 ℃，改變光照強(qiáng)度分別為1 kW/m2，0.8 kW/m2，0.6 kW/m2;曲線2，4，6光照強(qiáng)度分別為1 kW/m2，0.8 kW/m2，0.6 kW/m2，溫度為35 ℃。

1.2? 系統(tǒng)結(jié)構(gòu)

為實(shí)現(xiàn)最大功率點(diǎn)追蹤，光伏發(fā)電系統(tǒng)需借助于DC/DC變換器，通過(guò)改變電路的占空比D，使其等效輸入阻抗與光伏輸出阻抗相匹配，即內(nèi)阻等于外阻，實(shí)現(xiàn)太陽(yáng)電池的最大功率輸出[4]。

2? MPPT算法

2.1? 擾動(dòng)觀察法

擾動(dòng)觀察法工作原理是通過(guò)擾動(dòng)光伏電池的端口電壓，通過(guò)比較，并依據(jù)比較結(jié)果進(jìn)行實(shí)時(shí)調(diào)整，使光伏電池的輸出功率逐漸逼近最大功率點(diǎn)處，從而實(shí)現(xiàn)最大功率的跟蹤。圖3為擾動(dòng)觀察法的MPPT仿真模型[5]。

2.2? MPPT模糊控制算法

模糊控制為利用模糊集合論，把生活中專家用自己的語(yǔ)言描述的控制策略，通過(guò)計(jì)算機(jī)的算法語(yǔ)言，來(lái)模擬人工智能，達(dá)到控制生產(chǎn)過(guò)程的目的[6]。圖4為模糊控制MPPT仿真模型[7]。

3? 擾動(dòng)?模糊算法

由上述分析已知擾動(dòng)觀察法具有優(yōu)越的動(dòng)態(tài)性能，但是穩(wěn)態(tài)性能一般;而模糊控制算法具有優(yōu)越的穩(wěn)態(tài)性能。由此，將兩種算法結(jié)合，取長(zhǎng)補(bǔ)短，在系統(tǒng)需要快速追蹤到最大功率點(diǎn)時(shí)采用擾動(dòng)觀察法。當(dāng)系統(tǒng)靠近最大功率點(diǎn)時(shí)采用模糊控制算法，發(fā)揮其優(yōu)越的穩(wěn)態(tài)性能。判斷系統(tǒng)是否處于最大功率點(diǎn)附近直接根據(jù)功率值來(lái)判斷，即與太陽(yáng)能電池板標(biāo)稱的最大功率相差10%～15%，均認(rèn)為是系統(tǒng)處于最大功率點(diǎn)附近。圖5為組合算法的仿真電路。

為驗(yàn)證所提算法的優(yōu)勢(shì)，本文在Matlab/Simulink平臺(tái)對(duì)光伏電池最大功率點(diǎn)追蹤進(jìn)行仿真。設(shè)置初始環(huán)境：T=25 ℃，初始光照強(qiáng)度為1 000 W/m2，0.32 s時(shí)光照強(qiáng)度下降為500 W/m2。圖6～圖8分別為擾動(dòng)觀察法的仿真結(jié)果、模糊控制算法的仿真結(jié)果和組合算法的仿真結(jié)果。

圖6為設(shè)置仿真時(shí)間為600 ms時(shí)的結(jié)果，初始光照強(qiáng)度為1 000 W/m2，溫度為25 ℃，在320 ms處光照強(qiáng)度降到500 W/m2，系統(tǒng)可以快速地實(shí)現(xiàn)最大功率追蹤，在15 ms處系統(tǒng)首次追尋到最大功率點(diǎn);但在達(dá)到最大功率后系統(tǒng)并沒有穩(wěn)定在最大值處，而是在最大值附近劇烈震蕩;震蕩幅值在100～130 W，在光照強(qiáng)度突然改變時(shí)，系統(tǒng)再次追蹤到最大功率點(diǎn)的時(shí)間為20 ms，在達(dá)到最大功率點(diǎn)后存在幅值較小的功率震蕩。

圖7中，設(shè)置仿真時(shí)間為600 ms，初始光照強(qiáng)度為1 000 W/m2，溫度為25 ℃，在320 ms處光照強(qiáng)度降到500 W/m2。觀察圖7，系統(tǒng)可以快速地實(shí)現(xiàn)最大功率追蹤，在20 ms處系統(tǒng)首次追尋到最大功率點(diǎn)，但相比擾動(dòng)觀察法較慢一些，且在達(dá)到最大功率后，并沒有穩(wěn)定在最大值處，而是在最大值附近震蕩;相比擾動(dòng)觀察法，模糊控制法的震蕩幅值比較小，100～120 W，在光照強(qiáng)度突然變化時(shí)，系統(tǒng)再次追蹤到最大功率點(diǎn)時(shí)的時(shí)間為1 ms，相比擾動(dòng)觀察法追蹤時(shí)間有一個(gè)很大的提升。由此可知，采用模糊控制法跟蹤時(shí)，系統(tǒng)的動(dòng)態(tài)性能較差，然而穩(wěn)態(tài)性能較好。

圖8為擾動(dòng)模糊組合算法的仿真結(jié)果，設(shè)置仿真時(shí)間為600 ms，初始光照強(qiáng)度為1 000 W/m2，溫度為25 ℃，在320 ms處光照強(qiáng)度降到500 W/m2。觀察圖8，系統(tǒng)可以快速地實(shí)現(xiàn)最大功率追蹤，在8 ms處系統(tǒng)首次追尋到最大功率點(diǎn)，相比擾動(dòng)觀察法和模糊控制法都有一個(gè)很好地提升，而且在達(dá)到最大功率點(diǎn)后，在最大功率點(diǎn)附近僅存在振幅很小的功率震蕩，且震蕩時(shí)間很短，隨后穩(wěn)定在最大功率點(diǎn)處。在光照強(qiáng)度突變的情況下，系統(tǒng)再次追尋到最大功率點(diǎn)處的時(shí)間為1 ms，且隨后穩(wěn)定在最大功率點(diǎn)處保持不變。

由此可知，擾動(dòng)模糊的組合算法初次尋優(yōu)的速度加快，并且在達(dá)到最大功率點(diǎn)處減小了功率震蕩幅值和時(shí)間，兼顧了跟蹤速度與穩(wěn)態(tài)精度，達(dá)到了預(yù)期效果，表明算法理論上具有可行性。

表1為本文算法與已有算法在響應(yīng)時(shí)間、震蕩幅值、外界環(huán)境突然變化后，再次追蹤到最大功率點(diǎn)時(shí)間這三項(xiàng)指標(biāo)的對(duì)比。通過(guò)對(duì)比可以看出擾動(dòng)模糊的組合算法響應(yīng)時(shí)間最快，震蕩幅值最小，兼顧了追蹤速度與精度，達(dá)到了預(yù)期效果。

4? 結(jié)? 論

本文基于現(xiàn)有單一算法不能同時(shí)兼?zhèn)鋵?yōu)速度與系統(tǒng)穩(wěn)定的問(wèn)題，提出了擾動(dòng)觀察和模糊相結(jié)合的組合算法，既提升了系統(tǒng)初次尋優(yōu)速度，同時(shí)減小了最大功率點(diǎn)處的功率震蕩;并在Simulink中搭建三種情況下的仿真模型進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果證明，本文所提的組合算法在尋優(yōu)速度和系統(tǒng)穩(wěn)定方面都有了顯著的提升，可以同時(shí)達(dá)到速度與精度之間的平衡。此外，相較于文獻(xiàn)[10]，在響應(yīng)時(shí)間和穩(wěn)態(tài)幅值上得到了改進(jìn)。

參考文獻(xiàn)

[1] 黃禮明，連永圣，陳標(biāo)龍，等.基于擾動(dòng)觀察法的MPPT控制優(yōu)化策略[J].現(xiàn)代電子技術(shù)，2011，34（24）：206?208.

[2] 張禮勝，李全.基于模糊控制的光伏電池MPPT的設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2009，32（15）：165?167.

[3] 張超，何湘寧，趙德安.光伏發(fā)電系統(tǒng)變步長(zhǎng)MPPT控制策略研究[J].電力電子技術(shù)，2009，43（10）：47?49.

[4] LIU F R， DUAN S X， LIU B， et al. A variable step size INC MPPT method for PV systems [J]. IEEE transactions on industrial electronics， 2008， 55（7）： 2622?2628.

[5] YANG P， HE T， XU Z R， et al. A novel region partition MPPT method based on variable step?size INC [C]// 2016 IEEE Innovative Smart Grid Technologies?Asia. Melbourne： IEEE， 2016： 699?704.

[6] BRUNO W Fran?a， MAURICIO Aredes， MAYNARA A Aredes. Fuzzy adaptive P&O control for MPPT of a photovoltaic module [J]. Journal of power & energy engineering， 2014， 2（4）： 120?129.

[7] 郭爽，王豐貴.實(shí)用光伏電池建模及MPPT算法仿真[J].現(xiàn)代電子技術(shù)，2014，37（8）：148?150.

[8] 夏棟，徐耀良，王悅，等.基于指數(shù)變步長(zhǎng)擾動(dòng)觀察法的光伏MPPT控制策略[J].電源技術(shù)，2018，42（2）：258?261.

[9] 范欽民，閆飛，張翠芳，等.基于模糊控制的光伏MPPT算法改進(jìn)[J].太陽(yáng)能學(xué)報(bào)，2017，38（8）：2151?2158.

[10] 王立舒，蔣賽加，王君，等.基于混合策略的光伏MPPT算法優(yōu)化控制[J].太陽(yáng)能學(xué)報(bào)，2016，37（6）：1396?1402.