淺析光伏系統中MPPT控制算法

蔣川

摘 要：太陽能光伏發電研究中存在太陽能轉換效率低的問題，國內外應用最為廣泛的技術為最大功率點跟蹤技術（MPPT）。本文首先分析了MPPT技術的基本工作原理，引出了其具有非線性化的特點，然后綜述了國內外MPPT技術中的經典算法和最新智能算法的原理，并對算法的優劣勢進行了分析，最后對光伏系統未來的發展趨勢進行了展望。

關鍵詞：光伏發電；最大功率追蹤；太陽能發電；擾動觀察法；群智能算法

中圖分類號：TM615 文獻標志碼：A

0 引言

隨著傳統能源中化石燃料和石油資源的不斷持續枯竭，同時傳統能源對環境污染的日益加劇，可再生能源越來越受到學者們的關注。太陽能是最好的綠色能源之一，其具有廣泛的覆蓋范圍、生態友好性、易于獲取等特性，被學者們視為未來傳統能源的最佳替代品。因此，如何提高太陽能的轉換效率成了許多研究人員的重點。最大功率追蹤技術（Maximum Power Point Tracking，MPPT）成了解決這一問題的關鍵技術。

1 最大功率點跟蹤技術

最大功率點跟蹤技術是通過將光伏陣列的外部負載阻抗和內部阻抗相匹配，使得光伏陣列輸出最大功率的方法。傳統的MPPT控制方法有擾動觀察法、固定電壓法、電導增量法等。隨著智能算法的出現，控制方法出現了蟻群算法、螢火蟲算法、人工蜂群算法等，本文綜合介紹了這6種算法的基本原理及其優劣勢。

1.1 MPPT技術的必要性

光伏發電系統輸出功率可以看作是與溫度和日照強度相關的非線性函數，其不僅受外界環境影響，還會隨著外界負載的變化而改變。光伏電池的成本較高，對太陽能的轉換效率低等缺陷，因此通過MPPT技術，實時調整光伏系統的工作點，使工作點不斷在MPP附近，提高電能的轉換效率。

1.2 MPPT技術的原理

光伏發電系統中，通過實驗可知，光伏電池內阻一定時，可以通過調整外界負載阻抗，使得外阻抗與內阻抗相等，從而可以獲得最大輸出功率。但由于外界環境的影響，光伏電池內阻是在不斷變化的，因此通過直接調整內外阻抗值來輸出最大功率的方法難以實現。最常用的方法是在光伏陣列和外界負載中間加入DC/DC變換器，可以通過變換器中元件的占空比D來控制光伏電池的內阻大小，這樣在外界環境的影響下，通過PWM技術來改變占空比，進而改變內阻大小，使其與外阻抗相等，實現光伏陣列在最大功率點工作，被稱作為最大功率點跟蹤（MPPT）算法。

MPPT算法的基本工作原理：當系統的工作電壓比最大功率點處的電壓小時，光伏系統的輸出功率與電池的輸出電壓是成正比的關系；當系統電壓超過最大功率點處的電壓時，隨著輸出電壓的增加，系統的輸出功率反而減小。因此，實際上MPPT技術是一個自我尋優的過程，可以通過控制光伏電池的輸入電壓，使光伏系統在不同的溫度與光照條件下，輸出最大功率。

2 典型MPPT控制算法

MPPT控制算法有很多種，這里對工程中引用比較廣泛的固定電壓法、擾動觀察法、電導增量法3種算法進行研究討論。

2.1 固定電壓法

固定電壓控制算法CVT（Constant Voltage Tracking）中，當假設溫度T保持不變，而光照強度改變時，不同情況下的MPP對應的電壓可以近似看作是某一恒定電壓。因此固定電壓法的基本思路是將光伏陣列的輸出電壓控制在某個恒定電壓附近，這個時候的光伏系統可以近似看作工作在MPP。

CVT的優勢在于：

（1）控制簡單、穩定性強。

（2）光伏系統不會在MPP附近出現震蕩，能夠保證工作點的輸出電壓穩定。

不足在于：

（1）CVT是在忽略了溫度T對光伏系統的影響下獲得恒定電壓，在溫度變化較大的區域，MPP容易出現較大誤差。

（2）精度降低。

2.2 擾動觀察法

擾動觀察法P&O;（Perturbation and Observation）中，需要對每個周期T內的輸出電壓和輸出功率進行采樣，通過控制占空比來得到固定的步長，對光伏陣列的輸出電壓進行增大或減小，最終比較前后兩個采樣周期的輸出功率大小。結果中的輸出電壓和輸出功率的關系，決定下一次變化趨勢。

P&O;算法的優勢在于：

（1）復雜性較低。

（2）易于在硬件中實現。

（3）對最大功率點的追蹤速度較快。

不足在于：

（1）P&O;算法是通過電壓擾動連續不斷的跟蹤MPP，使得其在MPP的附近不斷震蕩，造成功率損失較大。

（2）當光照不斷變化時，容易出現對MPP的位置誤判，進而使得“干擾”方向出現偏差，影響跟蹤速度。

2.3 電導增量法

電導增量法IC（Incremental conductance）中，利用光伏陣列的增量電導與瞬時電導值的比率，基于比率值，光伏特性的斜率，并進一步產生轉換器的占空比。

IC算法的優勢在于：

（1）對MPP的跟蹤速度較快。

（2）保證光伏系統的動態穩定性。

（3）相對于P&O;算法，在MPP附近的震蕩減小。

不足在于：

（1）復雜性較高，不易于在硬件中實現。

（2）硬件實現成本高。

3 智能MPPT控制算法

隨著群智能算法的發展，研究者們將最大功率跟蹤技術看作是個多峰值的優化問題，結合群智能算法的優良的尋優特性，使得光伏系統工作在MPP。這里對蟻群算法、螢火蟲算法、人工蜂群算法3種算法在MPPT中的應用做了介紹。

3.1 蟻群優化算法

蟻群優化算法ACO（Ant Colony Optimization algorithm）中，蟻群通過“信息素”來實現信息的交流與傳遞。在光伏發電中，蟻群尋找食物的過程被模仿并用于尋找光伏陣列中的MPP，ACO算法的目標函數中，關鍵參數就是占空比D。通過隨機產生占空比并計算相應的功率值，然后和特定占空比的功率值相比較，進而實現尋優。

ACO算法的優勢在于：

（1）更快的收斂速度。

（2）穩定性較強。

不足在于：

（1）跟蹤速度一般，容易造成小部分功率損失。

（2）控制方法復雜度高，難以在控制器上實現。

3.2 螢火蟲算法

螢火蟲算法FA（Firefly algorithm）中，螢火蟲群通過閃光來相互交流信息，螢火蟲的吸引力與自身光亮度成正比。在光伏系統中，代替每個螢火蟲的位置都代表一個不同的轉換器占空比D，每一個螢火蟲的亮度代表輸出功率的大小，通過不同占空比獲得不同的每個螢火蟲的位置，通過重復試驗，可得到MPP。

FA算法的優勢在于：

（1）控制方法簡單，易于實現。

（2）收斂速度快。

（3）能夠在低成本微控制器上的實現。

不足在于：

（1）易陷入局部最優解。

（2）對高維尋優效果不理想。

3.3 人工蜂群算法

人工蜂群算法ABC（Artificial Bee Colony algorithm）中，通過蜂群尋找蜜源的行為提出的一種智能算法。在光伏系統中，每個蜜源所在的位置代表轉換器的占空比D，每個蜜源的多少代表光伏陣列的輸出功率的大小。通過改變不同的占空比，來實現對輸出功率最大點的追蹤。最終算法保留蜜源最優的點，即輸出功率最大點。

ABC算法的優勢在于：

（1）跟蹤速度快。

（2）收斂速度快。

不足在于：

（1）隨機初始化時，容易丟失功率的極值點。

（2）增加了系統的復雜度。

（3）硬件實施難度較高。

結語

MPPT技術作為提高光伏系統輸出效率的重點，在電能生成中起著至關重要的作用。本文介紹了最大功率跟蹤技術的重要意義與基本原理，并從傳統MPPT技術和加入了群智能算法的MPPT技術兩個大的方面，重點對6種不同的MPPT技術進行了分類描述，并討論了各種方法的優勢和不足。在實際工程中，最廣泛使用的技術是P&O;和IC，因為它們結構簡單，成本低，但是隨著人工智能技術的不斷發展，相信群智能算法在MPPT中的應用的比重將會越來越大。光伏發電作為新能源，越來越受到關注，而如何將先進的群智能算法低成本的應用到MPPT技術中，將是未來發展的重要方向之一。

參考文獻

[1]Karami N，Moubayed N，Outbib R.General review and classification of different MPPT Techniques[J].Renewable & Sustainable Energy Reviews，2017（68）：1-18.

[2]Saravanan S，Babu N R.Maximum power point tracking algorithms for photovoltaic system–A review[J].Renewable & Sustainable Energy Reviews，2016，57（May）：192-204.

[3]Liu L，Meng X，Liu C.A review of maximum power point tracking methods of PV power system at uniform and partial shading[J].Renewable & Sustainable Energy Reviews，2016（53）：1500-1507.

[4]Anurag A，Bal S，Sourav S，et al.A review of maximum power-point tracking techniques for photovoltaic systems[J].International Journal of Solar Energy，2014，35（5）：478-501.

[5]Sundareswaran K，Peddapati S，Palani S.MPPT of PV Systems Under Partial Shaded Conditions Through a Colony of Flashing Fireflies[J].IEEE Transactions on Energy Conversion，2014，29（2）：463-472.

[6]武玉晶，劉寧，呂恒琪.基于蟻群優化的MPPT算法研究[J].數學的實踐與認識，2017，47（5）：120-124.

[7]薛飛.基于螢火蟲算法的光伏全局最大功率追蹤控制研究[D].天津：天津大學，2017.

[8]盛四清，陳玉良，張晶晶.基于差分進化人工蜂群算法的光伏最大功率跟蹤策略研究[J].電力系統保護與控制，2018，46（11）：23-29.