扰动?模糊结合的双模式MPPT算法研究

来源:用户上传      作者:

　　摘  要： 为了实现MPPT控制同时兼备寻优速度与系统稳定，提出一种扰动?模糊双模式控制，当系统位于最大功率点附近采用模糊控制技术跟踪，当系统靠近功率曲线两端时采用扰动观察法跟踪，从而实现MPPT优化控制。通过Matlab对新控制算法与传统算法进行仿真和比较分析得出，新算法的寻优速度更快，在达到最大功率点后系统更稳定。对现有算法提出一种结合扰动?模糊结合控制算法在寻优速度和系统稳定两方面有所改进，通过Matlab进行仿真证明所提出控制方法在寻优速度和系统稳定方面的优越性能。
　　关键词： 扰动观察法; 模糊控制; 光伏发电; 系统跟踪; 寻优速度; 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
　　近年来，节能减排已成为国民经济发展的重要方向，节约能源更是当务之急。光伏发电具有分布广、清洁、环保等众多优点，在新能源领域有着一次能源不可代替的潜力。随着科学技术的迅猛发展，光伏发电技术也不断走向成熟，并将逐渐由补充能源向替代能源过渡[1]。但光伏电池的输出由于易受光照、温度的影响而呈现出较强的非线性，使光伏电池不能以最大功率输出，降低了系统的发电效率。基于此， MPPT算法被提出，大致分为三類：
　　1） 基于一般性规律的算法有开路电压法和短路电流法，优点是算法结构简单且易于实现，但无法保证控制精度，且无法对光伏电池所有未知情况进行模拟;
　　2） 自适应控制的方法有神经网络控制法、模糊控制等多种智能算法，此类算法能够实现足够高的控制精度，但最大的是随着算法复杂程度的增大，运行时间和成本也会相应增大;
　　3） 扰动特性的控制方法有扰动观察法和电导增量法等，这类算法通过对电路变量施加扰动实现最大功率点的跟踪[2]。
　　上述算法均存在局限性，尤其是快速性、稳定性不能兼得。因此，结合多种算法实现各算法间优势互补依然成为研究的热点。扰动观察法具有结构简单、响应速度快等优势;模糊控制具有控制精度高，对被控对象的数学模型准确性要求较低，适合难以建立准确数学模型以及受外界条件影响的控制系统[3]。基于上述分析，本文提出一种组合算法，即扰动?模糊双模式控制算法，并在Matlab/Simulink仿真环境下验证方法的可行性与优越性。
　　1  光伏发电
　　1.1  光伏电池的等效电路模型与特性分析
　　在整个光伏系统中，光伏电池为核心部件。目前，光伏系统大量使用的是单晶硅太阳能电池，其数学模型如图1所示。
　　光伏电池的输出特性方程为：
　　式中：[Ip]为光生电流;[Id]为流过二极管电流;[Ish]为流过旁漏电阻的电流;[RS]为串联电阻，主要包括电池的表面电阻和体电阻;[Rsh]为旁漏电阻;A为光伏电池常数因子（正偏电压较大时，A值可取1，正偏电压较小时，其值取2）;I0为二极管反向饱和电流;q为电荷电量1.602×10-19 ℃;k为玻尔兹曼常数1.38×10-23 J/K;T为光伏电池表面温度;I为输出电流;U为输出电压。
　　图2为不同光照强度下光伏电池的输出I?U（电流?电压）和P?U（有功?电压）曲线。
　　图中曲线1，3，5为环境温度固定在25 ℃，改变光照强度分别为1 kW/m2，0.8 kW/m2，0.6 kW/m2;曲线2，4，6光照强度分别为1 kW/m2，0.8 kW/m2，0.6 kW/m2，温度为35 ℃。 　　1.2  系统结构
　　为实现最大功率点追踪，光伏发电系统需借助于DC/DC变换器，通过改变电路的占空比D，使其等效输入阻抗与光伏输出阻抗相匹配，即内阻等于外阻，实现太阳电池的最大功率输出[4]。
　　2  MPPT算法
　　2.1  扰动观察法
　　扰动观察法工作原理是通过扰动光伏电池的端口电压，通过比较，并依据比较结果进行实时调整，使光伏电池的输出功率逐渐逼近最大功率点处，从而实现最大功率的跟踪。图3为扰动观察法的MPPT仿真模型[5]。
　　2.2  MPPT模糊控制算法
　　模糊控制为利用模糊集合论，把生活中专家用自己的语言描述的控制策略，通过计算机的算法语言，来模拟人工智能，达到控制生产过程的目的[6]。图4为模糊控制MPPT仿真模型[7]。
　　3  扰动?模糊算法
　　由上述分析已知扰动观察法具有优越的动态性能，但是稳态性能一般;而模糊控制算法具有优越的稳态性能。由此，将两种算法结合，取长补短，在系统需要快速追踪到最大功率点时采用扰动观察法。当系统靠近最大功率点时采用模糊控制算法，发挥其优越的稳态性能。判断系统是否处于最大功率点附近直接根据功率值来判断，即与太阳能电池板标称的最大功率相差10%～15%，均认为是系统处于最大功率点附近。图5为组合算法的仿真电路。
　　为验证所提算法的优势，本文在Matlab/Simulink平台对光伏电池最大功率点追踪进行仿真。设置初始环境：T=25 ℃，初始光照强度为1 000 W/m2，0.32 s时光照强度下降为500 W/m2。图6～图8分别为扰动观察法的仿真结果、模糊控制算法的仿真结果和组合算法的仿真结果。
　　图6为设置仿真时间为600 ms时的结果，初始光照強度为1 000 W/m2，温度为25 ℃，在320 ms处光照强度降到500 W/m2，系统可以快速地实现最大功率追踪，在15 ms处系统首次追寻到最大功率点;但在达到最大功率后系统并没有稳定在最大值处，而是在最大值附近剧烈震荡;震荡幅值在100～130 W，在光照强度突然改变时，系统再次追踪到最大功率点的时间为20 ms，在达到最大功率点后存在幅值较小的功率震荡。
　　图7中，设置仿真时间为600 ms，初始光照强度为1 000 W/m2，温度为25 ℃，在320 ms处光照强度降到500 W/m2。观察图7，系统可以快速地实现最大功率追踪，在20 ms处系统首次追寻到最大功率点，但相比扰动观察法较慢一些，且在达到最大功率后，并没有稳定在最大值处，而是在最大值附近震荡;相比扰动观察法，模糊控制法的震荡幅值比较小，100～120 W，在光照强度突然变化时，系统再次追踪到最大功率点时的时间为1 ms，相比扰动观察法追踪时间有一个很大的提升。由此可知，采用模糊控制法跟踪时，系统的动态性能较差，然而稳态性能较好。
　　图8为扰动模糊组合算法的仿真结果，设置仿真时间为600 ms，初始光照强度为1 000 W/m2，温度为25 ℃，在320 ms处光照强度降到500 W/m2。观察图8，系统可以快速地实现最大功率追踪，在8 ms处系统首次追寻到最大功率点，相比扰动观察法和模糊控制法都有一个很好地提升，而且在达到最大功率点后，在最大功率点附近仅存在振幅很小的功率震荡，且震荡时间很短，随后稳定在最大功率点处。在光照强度突变的情况下，系统再次追寻到最大功率点处的时间为1 ms，且随后稳定在最大功率点处保持不变。
　　由此可知，扰动模糊的组合算法初次寻优的速度加快，并且在达到最大功率点处减小了功率震荡幅值和时间，兼顾了跟踪速度与稳态精度，达到了预期效果，表明算法理论上具有可行性。
　　表1为本文算法与已有算法在响应时间、震荡幅值、外界环境突然变化后，再次追踪到最大功率点时间这三项指标的对比。通过对比可以看出扰动模糊的组合算法响应时间最快，震荡幅值最小，兼顾了追踪速度与精度，达到了预期效果。
　　4  结  论
　　本文基于现有单一算法不能同时兼备寻优速度与系统稳定的问题，提出了扰动观察和模糊相结合的组合算法，既提升了系统初次寻优速度，同时减小了最大功率点处的功率震荡;并在Simulink中搭建三种情况下的仿真模型进行验证。实验结果证明，本文所提的组合算法在寻优速度和系统稳定方面都有了显著的提升，可以同时达到速度与精度之间的平衡。此外，相较于文献[10]，在响应时间和稳态幅值上得到了改进。
　　参考文献
　　[1] 黄礼明，连永圣，陈标龙，等.基于扰动观察法的MPPT控制优化策略[J].现代电子技术，2011，34（24）：206?208.
　　[2] 张礼胜，李全.基于模糊控制的光伏电池MPPT的设计[J].现代电子技术，2009，32（15）：165?167.
　　[3] 张超，何湘宁，赵德安.光伏发电系统变步长MPPT控制策略研究[J].电力电子技术，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，王丰贵.实用光伏电池建模及MPPT算法仿真[J].现代电子技术，2014，37（8）：148?150.
　　[8] 夏栋，徐耀良，王悦，等.基于指数变步长扰动观察法的光伏MPPT控制策略[J].电源技术，2018，42（2）：258?261.
　　[9] 范钦民，闫飞，张翠芳，等.基于模糊控制的光伏MPPT算法改进[J].太阳能学报，2017，38（8）：2151?2158.
　　[10] 王立舒，蒋赛加，王君，等.基于混合策略的光伏MPPT算法优化控制[J].太阳能学报，2016，37（6）：1396?1402.
转载注明来源:https://www.xzbu.com/8/view-15290253.htm