基于CMAC與PID控制的光伏發電逐日系統研究

諸天逸

摘 要：CMAC與PID并行控制的算法能夠具有比傳統PID控制更好的非線性逼近能力，更適合在復雜動態環境下太陽能光伏發電板的非線性實時逐日控制，實現了最大限度吸收太陽能并使太陽能利用率達到最大化的目的。

關鍵詞：光伏發電；CMAC控制；PID算法；非線性學習算法

DOI：10.16640/j.cnki.37-1222/t.2016.07.035

0 前言

在太陽能光伏發電系統中，最大功率點控制問題稱為太陽能光伏發電系統中的重要問題。為了追蹤最大功率點，傳統的最大功率點跟蹤控制方法包括固定電壓法、擾動觀察法、電導增量法、模糊控制法等。其中固定電壓法控制方式簡單，易于實現，但是此方式忽視了對光伏陣列開路電壓的影響；擾動觀察法具有控制精確、響應速度快等優點，但是對硬件要求比較高，而本文提出的PID控制算法適用于非線性系統。

1 項目概括

太陽能逐日系統中，空間角度變化必須與時間掛鉤，并且在不同時間點所需要控制的方式都不通過，必須將空間劃分為8個卦限，在幾種模式中來回調整，新型PID算法結合CMAC（神經網絡）控制，該算法可以通過學習算法改變非線性函數的表格查詢內容，并具有信息分類存儲能力。

2 CMAC（神經網絡）與PID控制算法

2.1 光伏發電逐日要求及傳統PID的缺陷

由于太陽能自身特點雖然普遍性、無害性、巨大性、長久性，但由于其分散性、不穩定性、效率低和成本高的缺陷[1]。而且，太陽能行業目前現狀也不容樂觀，2010年的“黑色春天”成為一些太陽能熱水器企業心中的痛，行業性的下滑、產能嚴重過剩、產品積壓，甚至有些產品被出現被砸機當廢鐵賣的殘局。由此可見太陽能產業需要有較大的技術等革新。太陽能大規模應用難度在增加，為了使太陽能稱為連續、穩定的能源，從而最終成為能夠與常規能源相競爭的替代能源，就必須解決這些問題。而傳統的PID控制對于太陽能最大功率點的采集的滯后性與不靈敏性，現提出一種基于CMAC（神經網路）與PID并行控制的光伏發電逐日系統研究方案。

2.2 PID多參數輸入融合計算

本文提出的基于CMAC與PID控制的光伏發電逐日系統，通過ST公司的單片機STM32F103RBT6芯片的控制，具體驗證了CMAC（神經網絡）和PID控制算法的合理性。

系統首先根據用戶設置的空間光源位置和目標偏移角度，基于起始太陽能光伏板平面空間傾斜角度與目標偏移角度間的線性關系，然后系統通過角度傳感器和光敏電阻采集獲取當前的角度和光強信息，CMAC（神經網絡）與PID控制算法將實際空間角信息與目標目標角信息一起進行比例（Proportion）、積分（Integral）和微分（Differential）計算。

2.3 CMAC（神經網路）與PID參數并行控制

CMAC（Cerebellar Model Articulation Controller）亦即小腦模型神經網絡，是一種表達復雜非線性函數的表格查詢型自適應神經網絡，該網絡可以通過學習算法改變表格的內容，具有信息分類存儲能力[2]。

該神經網絡算法把系統的輸入情況看成是一個指針，把檢測到的太陽能光伏強度及通過光敏電阻采集光影計算所得的太陽能電池板的三維偏角分布式地存入一組存儲單元，將所需要的角度輸入空間劃分成一定數量的個體，每個個體將被指定在某個特定的空間實際存儲器位置，每個個體學習到的信息分散著被存儲到相鄰個體的臨近位置上。該系統通過CMAC與PID的并行控制，符合控制實現前饋反饋控制，其特點如圖1。CMAC采用的學習算法每一控制周期結束時，計算出CMAC輸入的空間角度信息，并與總控制出入標準角度信息相比較，修正權重，進入學習過程。學習的目的是使總控制輸入與CMAC的輸出之差最小，經過CMAC的學習，使得系統的總控制算法輸出由CMAC產生，而常規的采用PD算法而不用PID控制算法的控制器會使得CMAC學習僅僅依賴于空間角度誤差的當時測量值及其變化值。

3 結論

在光伏發電逐日系統應用該CMAC與PID控制并行控制的只能算法后，通過調整太陽能電池板面的空間角度，能夠實時高效追蹤太陽照射角度，提高集熱效率，較傳統平板光伏系統能增加至少27%的發電量。實驗表明，該系統較好的實現了最大限度吸收太陽能并使太陽能利用率達到最大化的目的，各項功能工作正常，控制方案簡單可行，系統工作穩定可靠，性能良好。

參考文獻：

[1]白建波.太陽能光伏系統建模、仿真與優化[M].電子工業出版社，2014.

[2]舒懷林.PID神經元網絡及其控制系統[M].國防工業出版社，2006.