魏立明，李凱凱

(吉林建筑大學電氣與計算機學院，吉林長春 130118)

近年來，隨著化石能源日益短缺、環(huán)境問題形勢嚴峻，新能源的利用與開發(fā)受到各國的廣泛關注。太陽能作為一種分布廣泛、資源充足的清潔能源，其衍生的技術產(chǎn)品擁有了巨大的市場和研發(fā)前景。對于已確定的光伏陣列而言，其最大輸出功率與外界環(huán)境有關，如太陽輻射水平、環(huán)境溫度等。因此，為了獲得最大功率，引入最大功率點追蹤算法是非常必要的[1]。

傳統(tǒng)算法如擾動觀察法、電導增量法等被廣泛應用并不斷改進。文獻[2]將電導增量法、擾動觀察法、恒定電壓法相結(jié)合，減少了追蹤最大功率點的時間，并減小了到達最大功率時的振蕩。文獻[3]用功率差代替?zhèn)鹘y(tǒng)擾動觀察法的求導部分，通過數(shù)列迭代使得步長越來越小，可以快速穩(wěn)定在最大功率點，同時減小振幅，所以能夠解決定步長擾動觀察法追蹤時間長的不足，且算法結(jié)構簡單。文獻[4]針對傳統(tǒng)擾動觀察法不能兼顧跟蹤穩(wěn)定性與快速性的問題，提出一種基于不確定性推理的擾動觀察法，提高了算法的響應速度以及跟蹤穩(wěn)定性和跟蹤速度。但以上幾種算法都只適用于均勻光照條件下，即光伏陣列輸出的P-V 特性呈現(xiàn)為單峰；當環(huán)境條件變化時，光伏陣列的P-V 特性通常為多峰，以上幾種算法都不具備追蹤最大功率點的能力。因此有專家開發(fā)出人工智能算法，并應用于光伏發(fā)電最大功率點追蹤，例如細菌覓食優(yōu)化算法[5]、粒子群優(yōu)化算法[6]、蜻蜓算法[7]、神經(jīng)網(wǎng)絡算法[8]等。智能算法具有良好的全局搜索能力，能夠在復雜環(huán)境條件造成的多峰特性中搜索到最大功率點。但智能算法通常依賴于迭代收斂，需要多次迭代計算，由此產(chǎn)生了較大的運算壓力，并延長了追蹤時間。

針對以上問題，本文將在光伏陣列輸出特性的基礎上，以擾動觀察法為基本尋優(yōu)算法，通過檢測光伏陣列輸出特性中的各個峰值點，判斷其分布特點，進而得到最大功率點的數(shù)據(jù)，達到在減輕運算壓力、確保追蹤精度的同時，解決擾動觀察法不能應用于多峰狀態(tài)的最大功率點追蹤問題。

1 光伏陣列輸出特點

光伏陣列在均勻光照條件下時，每個光伏組件受到相同光照，輸出同樣大小的電壓、電流；當環(huán)境條件較為復雜時，各光伏組件受到的光照強度不同，致使輸出的電壓、電流不同，由于輸出小的組件會反過來消耗功率而使自身溫度升高，由此產(chǎn)生熱斑現(xiàn)象，為避免熱斑現(xiàn)象，給每個光伏組件并聯(lián)旁路二極管，使輸出的P-V 特性曲線呈現(xiàn)多峰狀態(tài)。幾位學者對光伏陣列在局部陰影條件下的輸出特性做了深入而細致的研究[9-10]，從中得到了以下結(jié)論：“輸出功率隨著輸出電壓改變而變化，而峰值點的分布具有連續(xù)遞增或遞減的趨勢。即在最大功率點左側(cè)，峰值點依次增大；在最大功率點右側(cè)，峰值點依次遞減”。依據(jù)這個特點，光伏陣列的輸出特性可以分為兩種：一是最大功率點處于兩個局部峰值的中間，另一種是最大功率點為第一個峰值或者最后一個峰值，如圖1～3所示。

圖1 最大功率點位于第一個峰值的光伏陣列輸出特性曲線

圖2 最大功率點位于兩個局部峰值中間的光伏陣列輸出特性曲線

圖3 最大功率點位于最后一個峰值的光伏陣列輸出特性曲線

2 最大功率點追蹤策略

2.1 傳統(tǒng)擾動觀察法

擾動觀察法被廣泛應用于解決最大功率點追蹤問題，其基本原理為通過擾動光伏電池的輸出變量，觀察其輸出功率的變化趨勢，根據(jù)結(jié)果調(diào)整下一次擾動的方向，使得光伏電池工作點逐漸接近最大功率點。其具體追蹤過程如圖4 所示，其中V(k)、I(k)和P(k)為當前時刻檢測的光伏電池電壓、電流和功率，V(k－1)、I(k－1)和P(k－1)為上一時刻檢測的光伏電池電壓、電流和功率。

圖4 擾動觀察法流程圖

由以上過程可以看出，擾動觀察法的實質(zhì)就是調(diào)整光伏電池輸出電壓不斷向最大功率點靠近，該方法的優(yōu)點是控制簡單、容易實現(xiàn)，且需要檢測的參數(shù)不多，對傳感器裝置的精度要求不高。然而，擾動觀察法自身也存在不足之處，即只能應用于均勻光照條件下光伏陣列最大功率點追蹤，而對復雜光照下呈現(xiàn)多峰特性的光伏陣列最大功率點追蹤無能為力。

2.2 改進追蹤策略

針對傳統(tǒng)擾動觀察法的不足，結(jié)合上述三種最大功率點分布特性，設計了一種最大功率點追蹤方法，解決了傳統(tǒng)擾動觀察法不適用于復雜光照條件下光伏陣列最大功率點追蹤的缺陷，即通過修改擾動觀察的起始搜索電壓(參考電壓)而搜索連續(xù)峰值點，判斷幾個連續(xù)峰值點的分布特點是否與圖1～3 中的某一種符合，從而可得到最大功率點相關數(shù)據(jù)。最大功率點追蹤算法流程圖如圖5 所示。

圖5 MPPT追蹤策略流程圖

具體追蹤過程如下所述：通過測量裝置獲取光伏陣列輸出電壓、電流；通過擾動觀察法追蹤到一個光伏陣列輸出功率峰值點，并將此點的功率、電壓、對應的轉(zhuǎn)換器占空比分別存儲到P1、V1、D1；如果V1+0.8×Voc(其中Voc為光伏組件的開路電壓)小于光伏陣列最大輸出電壓Vmax，則繼續(xù)尋找下一個峰值點，并令參考電壓Vref=V1+Voc；通過擾動觀察法追蹤到第二個光伏陣列輸出功率峰值點，并將此點的功率、電壓、對應的轉(zhuǎn)換器占空比分別存儲到P2、V2、D2；如果P2>P1(第一次)，則將P1、D1、V1和P2、D2、V2存儲的數(shù)據(jù)互換，使P1、D1、V1總是存儲已得最大功率峰值點的數(shù)據(jù)；然后判斷V1+0.8×Voc是否大于光伏陣列最大輸出電壓。如果此時V1+0.8×Voc仍小于光伏陣列最大輸出電壓，將調(diào)動擾動觀察法找到第三個光伏陣列輸出功率峰值點，并將此點對應的功率、轉(zhuǎn)換器占空比、電壓數(shù)據(jù)存儲到P2、D2、V2。判斷若P1>P2(第二次)，說明屬于三種類型中的第一種，即最大功率點位于幾個峰值點中間。此時P3中存儲著第一個點的功率，因此P3大于0，則令占空比Duty等于最大功率點對應的轉(zhuǎn)換器占空比D1。如果第一次判斷P1>P2成立，按照光伏陣列輸出特點，后續(xù)的功率峰值依次降低，所以屬于三種類型中的第二種，即最大功率點位于第一個功率峰值點。但此時P3中沒有數(shù)據(jù)，即P3不大于0。為了確保屬于第二種情形，判斷V1－0.8×Voc是否小于光伏陣列最小輸出電壓Vmin，若成立則令占空比Duty等于最大功率點對應的轉(zhuǎn)換器占空比D1；不成立說明之前有一個峰值點沒有檢測到，則減小參考電壓，重新開始追蹤。如果P1>P2一直不成立，則屬于三種類型中的第三種，即最大功率點位于最后一個功率峰值點。這時將會一直循環(huán)直到追蹤到最后一個峰值點，此時由于V1+0.8×Voc大于光伏陣列最大輸出電壓Vmax而跳出循環(huán)。在循環(huán)過程中P3存有數(shù)據(jù)即P3大于0，因此令占空比Duty等于最大功率點對應的轉(zhuǎn)換器占空比D1。最后輸出最大功率點對應的轉(zhuǎn)換器占空比Duty，得到轉(zhuǎn)換器占空比后，通過PWM 調(diào)制得到Boost 電路的控制信號，使光伏陣列工作在最大功率點。

3 仿真驗證

3.1 仿真分析

為驗證本文所設計追蹤策略的有效性，在MATLAB/Simulink 中搭建仿真模型，單個光伏組件參數(shù)為開路電壓Voc=36.3 V，短路電流Isc=7.84 A，最大功率點電壓Vmp=29 V，最大功率點電流Imp=7.35 A。本文采用三個光伏組件串聯(lián)組成光伏陣列，通過圖1 所示三種類型進行驗證，其中光伏陣列信息如表1 所示。具體仿真結(jié)果如圖6～8 所示。

表1 光伏陣列仿真信息

圖6 類型一功率追蹤曲線

圖7 類型二功率追蹤曲線

圖8 類型三功率追蹤曲線

由圖6～8 可以看出，在三種分布類型下設計的追蹤策略最終都追蹤到了最大功率點。同時可以得到表2 所示信息。

通過表2 可知，整體追蹤效率達到99%，追蹤耗時保持在0.3 s 左右，穩(wěn)態(tài)振蕩保持在1.5 W 以內(nèi)，說明本方法能夠在光伏陣列輸出呈現(xiàn)多峰值狀態(tài)時追蹤到最大功率點，且追蹤精度較高，穩(wěn)態(tài)振蕩較小。其中類型三追蹤耗時最長，這是因為類型三中最大功率點位于最后一個峰值，搜索循環(huán)的時間較長。

表2 仿真結(jié)果總結(jié)

3.2 缺陷分析

通過上一小結(jié)的仿真分析，結(jié)果表明設計的追蹤策略能夠追蹤到最大功率點并保持較高的追蹤精度和較低的穩(wěn)態(tài)震蕩。但此方法也有以下兩個較為明顯的缺點：一是對光伏陣列的輸出特性曲線依賴較為嚴重，這要求我們在使用時要提前測得光伏陣列的輸出數(shù)據(jù)，以便于修改算法中的部分參數(shù)；二是當環(huán)境條件十分復雜時光伏陣列輸出特性中峰值較多，當最大功率點較為靠后時，追蹤耗時會延長。以上兩個缺陷在部分條件下會對算法性能造成一定影響，降低追蹤效率，解決這兩個問題是下一步工作的主要任務。

4 結(jié)論

本文針對光伏陣列在不同外界條件下輸出特性不同提出改進擾動觀察法，即傳統(tǒng)擾動觀察法與光伏陣列輸出的峰值點分布類型相結(jié)合的算法，主要解決部分陰影條件下傳統(tǒng)擾動觀察法易陷入局部峰值的問題。首先通過傳統(tǒng)擾動觀察法確定各個峰值點，通過判斷峰值點的分布特點得到其中是否包含最大功率點，如包含則結(jié)束算法，不包含則繼續(xù)搜索峰值點直至滿足條件。仿真結(jié)果表明，相對于傳統(tǒng)擾動觀察法，改進的追蹤策略能夠在多個局部峰值中確定最大功率點，同時具有較高的精度和較低的穩(wěn)態(tài)震蕩，有效減少了功率損失。