微生物燃料電池最大功率點跟蹤算法綜述

顏閩秀+盧振方

摘 要：作為一種新型綠色能源微生物燃料電池（MFC）利用微生物將有機廢物轉換成電能，通過最大功率點跟蹤算法使其在工作條件變化時仍能輸出最大功率。文章分析對比了目前常用的微生物燃料電池最大功率點跟蹤算法，并展望了微生物燃料電池最大功率點跟蹤算法的發展趨勢。

關鍵詞：微生物燃料電池；最大功率點跟蹤；擾動觀察法；增量電導法；梯度法；復合優化法

中圖分類號：S216.3 文獻標志碼：A 文章編號：2095-2945（2017）28-0055-02

引言

隨著經濟高速發展，能源與環境問題成為人類所面臨的最嚴峻的挑戰，傳統的化石燃料儲備有限。隨著能源的緊缺，污染的加劇，能源開始成為戰爭的導火索[1-2]。

微生物燃料電池優勢是在處理廢水的同時可以回收廢水中有機物中蘊含的能量。通過最大功率點跟蹤（Maximum Power Point Tracking，MPPT）調節過程能夠提高MFC系統的效率。目前，最大功率點跟蹤的控制方法有擾動觀察法、增量電容法、梯度法、多元優化方法等。

1 主要跟蹤控制方法

1.1 擾動觀察法

擾動觀察法是最常用來尋找最大功率點的算法。主要原理是在固定的時間對輸出電壓施加擾動，根據輸出功率的變化決定下一步的動作以實現最大功率跟蹤。如果施加擾動后的輸出功率比最初的功率輸出大，則繼續施加相同方向的擾動；如果施加擾動后的輸出功率小于初值，則施加反方向的擾動，持續這個過程，直到找到最大的輸出功率。

這種方法最大的優點在于它容易實現，同時經濟實惠、工作效率高。并且只需要兩個參數，即功率和電壓[3]。缺陷是在最大功率點處不間斷的震蕩[4]。當操作點即將達到最大工作點的時候，該方法第二個缺陷是此時外部條件變化時，操作點會偏離最大功率點[5]。

1.2 增量電導法

電導增量法是通過設定一些很小的變化值，來判斷目前工作在 MPP（最大功率點）的哪一側，使太陽能電池陣列穩定在 MPP 的鄰域內，而不是圍繞其來回波動。當工作在 MPP的右側時，此時的變化值為負，增大輸出電流參考值來減小直流母線電壓，從而達到 MPP；當工作在 MPP 的左側時，此時的變化值為正，減小輸出電流參考值來增大直流母線電壓，達到 MPP，最終達到一個穩定的工作點。當從一個穩態過渡到另一個穩態時，電導增量法根據輸出電流的變化就能夠作出正確判斷[6]。

1.3 梯度法

梯度法[7]同樣通過使用一個常值擾動來進行梯度估計。梯度法與擾動觀察法不同之處在于相對于梯度估計值它的動作幅度是比例化的。

1.4 多元優化方法

多元優化方法的前提是存在兩個或多個相同的微生物燃料電池系統[8]。這種方法與梯度估計相關，通過不同單元輸出之間的差異來獲得梯度值，并將這個梯度值置零。這種方法收斂性好，無需等待動態過程完畢，因此減少了優化時間[9]。

這種方法顯而易見的缺陷就在于它只能在兩個或多個完全相同的微生物燃料電池，但是在實際實驗操作中，這種條件很難做到。而且不同單元之間的差異可能會導致系統收斂于一個錯誤的最優值，從而不能正確的反映系統應該達到的最大功率值并會影響整個系統的穩定性。但是對于相似但不完全一致的微生物燃料電池單元，可以借助引入矯正器來使用此方法[9]。

1.5 其他優化方法

Premier等人修改了一種應用在太陽能電池中的最大功率點跟蹤算法，開發出了一種能夠用在微生物燃料電池中的最大功率點跟蹤算法，這種算法通過一個包含有數字可控電阻的電路板進行實現[10]。Boghani等人報道最大功率點跟蹤算法或者帶有一個附加鎮定電勢的最大功率點跟蹤算法可以有效提高電極上微生物的電化學活性[11]。

2 結束語

當前，微生物燃料電池系統的功率控制研究與應用仍處于起步階段。因此，隨著人們對跟蹤精度和性能的不斷提高，許多革新性的理論與方法尚待發展以改善系統的輸出性能，提高系統輸出的功率及效率。微生物燃料電池功率優化控制的問題，無論是在理論方面的研究還是實際應用的探索，都具有極其重大而又深遠的意義。

參考文獻：

[1]劉助仁，新能源.緩解能源短缺和環境污染的新希望[J].科技與經濟，2008，21（1）：35-37.

[2]張萌，張斌.世界可再生能源發展現狀及展望[J].中國電力企業管理，2014（19）：42-44.

[3]Mei SN，Tan CW. A Study of Maximum Power Point Tracking Algorithms for Stand-alone Photovoltaic Systems[J]. Applied Power Electronics Colloquium， 2011，22-27.

[4]Jiang JA，Su YL.et al. On Application of A New Hybrid Maximum Power Point Tracking（MPPT） Based Photovoltaic System to the Closed Plant Factory[J]. Applied Energy，2014，124（1）：309-324.

[5]Ahmed J， Salam Z. An Improved Perturb and Observe （P&O） Maximum Power Point Tracking （MPPT） Algorithm for Higher Efficiency[J]. Applied Energy， 2015， 150：97-108.

[6]Femia N， Petrone G，Spagnuolo G.et al. Optimizing Sampling Rate of P&O MPPT Technique[J]. IEEE Power Electronics Specialists Conference， 2004， 3：1945-1949 Vol.3.endprint

[7]Hohm D P Ropp M E.Comparative Study of MaximumPower Point Tracking Algorithms using an Experimental，Progrommable，Maximum Power Point Tracking Test Bed [A].Photoroltaic Specialists Conference，2000.Conference Recordof the Twenty-Eight IEEE[C].2000：1699-1702.

[8]Noceal J， Wright SJ. Numercial Optimization[M]. New York： Springer； 2006 Srinivasan B. Real-time Optimization of Dynamic Systems Using Multiple Units[J].International Journal of Robust & Nonlinear Control， 2007， 17（13）：1183-1193.

[9] Woodward L， Perrier M. et al. Maximizing Power Production in a Stack of Microbial Fuel Cells using Multiunit Optimization Method[J]. Biotechnology Progress， 2009， 25（3）：676.

[10]Premier GC， Kim JR， Michie I.et al. Automatic Control of Load Increases Power and Efficiency in a Microbial Fuel Cell[J]. Journal of Power Sources， 2011， 196（4）：2013-2019.

[11]Boghani HC，Kim JR.et al. Analysis of the Dynamic Performance of a Microbial Fuel Cell Using a System Identification Approach[J]. Journal of Power Sources， 2013， 238（28）：218-226.endprint