模糊控制的光伏發電MPPT系統設計

章達賓， 朱其祥， 張家齊

(福建船政交通職業學院安全技術與環境工程系， 福建 福州 350007)

0 引言

最大功率點跟蹤技術(maximum power point tracking， MPPT)是光伏電池的研究熱點之一. 目前MPPT技術主要包括查表法、 擾動觀察法、 電導增量法、 人工神經網絡算法[1]、 模糊邏輯控制法等. 其中， 查表法由于沒有真正實現在線實時跟蹤與控制， 誤差相對較大. 擾動觀察法控制目標較盲目， 光伏電池的工作點總是在最大功率點附近不斷變化， 導致一定功率損失， 影響并網電流質量， 甚至出現方向判斷錯誤的情況. 電導增量法控制精度較高， 響應速度較快， 輸出電壓能夠較平穩跟蹤變化， 而且穩態的振蕩比擾動觀測法小， 避免擾動觀察法等方法的盲目調節. 人工神經網絡算法雖然能夠處理非線性系統對象， 但過多地依賴于樣本數量和精度， 對于不同的光伏電池系統需要進行各自針對性的訓練， 因此實現起來較為困難， 存在局限性. 模糊邏輯控制法控制精度較高， 對被控對象的數學模型準確性要求較低， 適合難以建立準確數學模型以及受外界條件影響的控制系統[4-5]. 目前主要模糊控制是將功率對電壓或者電流的變化率當作模糊輸入變量， 依據專家經驗作出模糊判別， 給出調節輸出的隸屬度， 由隸屬度值完成反模糊化處理， 從而改變控制調節量， 獲得控制最大的功率輸出[6-8]. 與目前其他采用電導增量法和模糊控制法不同的是， 本方案最后還利用修正因子C對控制輸出進行進一步修正. 修正后的控制輸出量結合了電導增量法和模糊控制法的切換點參數以及誤差變化量， 并隨著與最大功率點的距離而改變大小， 控制效果更強， 更精細.

1 電導增量法及改進

1.1 光伏電池輸出功率數學模型

一般光伏電池5個重要參數分別為： 開路電壓Uoc, 短路電流Isc， 最大功率點輸出功率Pmax, 最大功

率點處的電壓Um， 最大功率點處的電流Im. 這5個參數可以通過測試得到. 圖1為光伏電池的I-U和P-U特性曲線[10]. 曲線上各參數的計算如下：

圖1 光伏電池的I-U和P-U特性曲線Fig.1 I-U characteristic curve of photovoltaic cell

其中， 在光伏電池最大功率時：

如果是光伏陣列：

(2)

光照強度和光伏電池結溫是影響輸出功率的最重要參數， 且光照強度又影響結溫的變化. 光照強度的上升將增大輸出短路電流Isc和最大功率點電流Im， 但對輸出開路電壓Uoc和最大功率點電壓Um影響不大. 結溫上升將使開路電壓Uoc和最大功率點電壓Um線性降低， 對短路電流Isc和最大功率點電流Im影響較小， 只是略為增加.

1.2 電導增量算法及改進

依文[11]， 光伏電池P-U特性曲線最大功率點處滿足下式：

(4)

其中：G為瞬間電導值， ΔG為電導增量.

因此， 控制最大功率點的算法如下： 當G+ΔG>0, 即dPPVdUPV>0時， 需要增大參考電壓， 或者通過調整負載等效阻抗來增加功率輸出； 當G+ΔG<0， 即dPPVdUPV<0時， 按照相反方向調節[11-12]. 電導增量法主要是通過對光伏電池電導增量以及瞬間電導值的正負極性的比較來決定系統的控制信號.

圖2 電導增量法MPPT示意圖Fig.2 Schematic diagram of conductance increment method MPPT

在光伏發電的MPPT控制上， 可以分兩步進行. 在系統啟動時或者運行期間受外部光照和溫度變化造成輸出功率偏離最大功率點較遠時， 采取動態響應快的電導增量法來控制， 以便輸出功率盡快接近最大功率點； 之后采用引用修正因子的改進模糊控制策略對系統進行控制， 以保證MPPT的穩定的穩態精度[11].

電導增量法MPPT示意圖如圖2所示, 圖中曲線②斜率dPdU=G+ΔG. 相對于設定值C， 在第一象限和第四象限有交點a、b. 曲線ab之間對應P-U特性有曲線P1、P2點， 即為模糊控制MPPT工作區間，P1點左側和P2點右側為電導增量法MPPT工作區間.P1和P2為工作方式切換點.

2 MPPT模糊控制策略

2.1 模糊規則確定

模糊控制負責在最大功率點附近的跟蹤. 若輸出電壓和輸出功率的當前采樣值和上次采樣值， 用n和n-1表示. 在P-U特性曲線上， 最大功率點處dPdU=0， 因此， 在光伏發電MPPT模糊控制中， 輸入誤差量E及其誤差變化量ΔE， 定義如下：

(6)

模糊控制器的輸出為V， 用于控制逆變器的逆變角β， 以改變逆變器的輸出電壓和功率.

模糊控制規則如下：

If dPdU>0, then ΔV>0； If dPdU<0, then ΔV<0； If dPdU=0, then ΔV=0

當dPdU>0時， 表示當前工作點在最大功率點左側， 需要增加模糊控制器輸出量， 即ΔV>0, 以增大逆變器輸出電壓； 當dPdU<0時， 表示當前工作點在最大功率點右側， 需要減少模糊控制器輸出量， 即ΔV<0； 當dPdU=0時， 表示當前的工作點就是最大功率輸出點[13]， 不需要改變輸出量， 即ΔV=0.

2.2 模糊分級和隸屬度函數

為保證模糊控制器的控制性能和精度， 對誤差E、 誤差變化量ΔE和控制量V， 用七個語言變量分級， 來定義模糊集合[11]： {正大， 正中， 正小， 零， 負小， 負中， 負大}={PB, PM, PS, Z0, NS, NM, NB}. 設工作方式切換設定值C取為0.3. 為保證最大功率點附近的控制精度， 對ΔE的取值按照與E的平方關系進一步細分， 則E和ΔE各等級信號取值， 如表1所示. 定義三角形隸屬度函數如圖3所示.

表1 各等級信號取值

圖3 輸入輸出變量隸屬度函數Fig.3 Input and output variable membership function

2.3 模糊控制輸出及修正

模糊控制輸出分兩個步驟實現. 首先， 建立模糊控制規則表, 依據模糊規則和隸屬度函數， 由一個輸入-輸出數據對產生一條規則， 最終生成模糊規則表， 如表2所示.

表2 模糊控制規則表(V)

從表2可以看出， 越接近最大功率點時， 控制量逐漸減小， 趨向最大功率點的跟蹤. 將規則表進行中心平均律模糊處理， 得到控制量輸出值. 將設定值參數C作為修正因子， 對上述控制表進行進一步修正. 將參數C與誤差變化量ΔE結合， 疊加到控制輸出上. 在距離最大功率點較遠時， 誤差較大， 控制量輸出也較大， 保證系統響應速度. 在接近最大功率點處時， 控制量減少， 以保證控制精度， 使得越接近最大功率點處控制越精細. 其控制解析式為：Vout=(V+C·ΔE).Vout為模糊控制器的最終輸出， 對應輸出控制的SPWM控制電壓， 實現逆變器輸出電壓控制. 由于參數C可以根據系統參數和運行情況通過人工實時設定， 因此可操作性強， 方便調試. 相對于查表法、 恒定電壓法、 最優梯度法、 擾動觀察法及常規的電導增量法， 引入修正算法后既能保證系統控制精度又能提高系統快速性. 在實際應用中， 它的選擇需要依賴于實際運行參數， 并要經過多次人工測試才能最終確定最佳值.

3 控制效果及驗證

3.1 不同光照度下特性曲線

根據以上控制算法， 在Matlab/Simulink平臺上構建控制模型進行仿真， 分別改變光照強度和環境溫度變化工況下進行分析[11-13]. 設定光伏電池陣列的功率值為300 W， 在20、 30、 40、 50 ms時刻分別改變光照強度為700、 800、 900和1 000 W·m-2， 其仿真曲線如圖4所示.

圖4 不同光照特性曲線Fig.4 Characteristic curves of different illumination

從P-U過程曲線可以看出， 在不同的光照強度下， 輸出功率隨光照強度增加而增加， 最大功率點跟蹤軌跡為： 起點a→b→c→d→e. 當光照發生變化時， 跟蹤軌跡波動小， 可以進行快速跟蹤. 隨著光照強度變化， 最大功率點的電壓Um變化平穩. 輸出電流變化明顯.P-t和I-t過程曲線與P-U過程曲線吻合， 說明控制效果良好.

3.2 不同環境溫度下MPPT曲線

設光照強度為800 W·m-2， 在20 ms時刻開始， 每隔10 ms從20 ℃開始改變溫度， 過程為： 20 ℃→0 ℃→-20 ℃→0 ℃→20 ℃→40 ℃→60 ℃[14-15]. 其仿真曲線如圖5所示.

圖5 不同環境溫度特性曲線Fig.5 Characteristic curves of different ambient temperatures

從P-U過程曲線看出， 輸出功率隨著溫度的變化而變化. 相同光強條件下， 溫度下降輸出功率上升， 反之亦然. 輸出電壓變化明顯， 這主要是因為開路電壓Uoc隨結溫變化明顯所致. 輸出電流變化不大. 如果實際運行溫度沒有突變，I-t曲線中的過程曲線將更加平穩.P-t過程曲線和I-t過程曲線的變化與P-U過程曲線相吻合. 說明在溫度變化情況下， 最大功率點的跟蹤效果良好. 跟蹤過程為： 起點a→b→c→d→c→b→e→f.

3.3 MPPT組合算法驗證

在某光伏發電站7.2 kW(2.4 kW×3)系統平臺同時進行一個季度(2016年4月至6月)的三種MPPT算法控制實驗， 以驗證電導增量法、 模糊控制算法及本方法與修正因子的模糊控制相結合的組合算法(簡稱組合算法)三者之間的發電效率. 每組系統采用12塊ET-P654200電池板， 每塊電池板最大功率為200 W， DSP控制器為TMS320LF2406APZA. 由發電量統計(如表3所示)情形可看出， 對比一個季度的發電量而言， 本組合算法較電導增量法多58.7 kW·h，較模糊控制法多38.4 kW·h. 通過此一實驗結果顯示本MPPT組合算法確能明顯提升光伏發電系統發電效率.

表3三種MPPT算法控制的發電量統計情形