光伏逆變系統直流側光電池MPPT及蓄電池充放電管理研究

王艷婷，張文杰，魏 喬，阮 靜，李 靜

光伏逆變系統直流側光電池MPPT及蓄電池充放電管理研究

王艷婷，張文杰，魏 喬，阮 靜，李 靜

（武漢第二船舶設計研究所，武漢 430064）

隨著電力電子的迅猛發展，光伏發電也由補充能源向替代能源逐步邁進。本文首先對光伏電池各種控制方法進行了比較，指出了其優缺點，并指出了蓄電池充放電管理的關鍵問題；在分析設計的基礎上分別對光電池特性進行研究和數學建模。設計了最大功率點跟蹤(簡稱MPPT)方案，以及蓄電池充放電管理策略，實現了直流側光電池MPPT的控制。并用多種工況下的仿真結果加以驗證。

光伏電池建模 最大功率點跟蹤 蓄電池充放電管理

0 引言

關于光伏發電系統，不少學者做與其相關并且深入的研究。獨立光伏系統是由光伏電池、蓄電池、充放電電路、逆變及升壓電路、濾波電路和負載組成。相關的研究都是圍繞上述組成部分分別進行展開。

針對光伏電池，國內外已有諸多相關研究。如基于模糊邏輯的雙環控制[1]，基于神經網絡[2]控制法，恒定電壓控制法，增量電導法，干擾觀測法[3]等。常用的增量電導法，干擾觀測法雖然實現簡單，利用的是光電池曲線特性，即最大功率點左側曲線斜率為正，右側為負，但是當光照較低時，曲線較為平坦，此時采用這兩種方法性能較差。神經網絡是一種新型信息處理技術，具體的層數以及神經元的數量由問題的復雜程度決定，常用結構為三層神經元：輸入層，隱含層，輸出層。應用于光伏發電系統中時，輸入量可以是光電池參數以及環境參數，輸出變量可以是輸出電氣量或是電子開關的占空比等。神經網絡中各層各節點間選取一個合適權重增益，可以將任意輸入轉換為期望的輸出，從而實現最大功率點跟蹤（MPPT）。而權重的獲得需要大量的輸入輸出數據，各光電池等設備參數大多不同，因此需要較長的時間才能獲得，這是神經網絡法的一個缺陷[2]。基于以上諸多MPPT方法都有其優缺點，現在MPPT發展方向是將多種控制方法相結合，進行互補。例如，可以將擾動觀察法與開路電壓系數法相結合，就能較好的解決上述單獨采用擾動觀察法所帶來的問題[4]。

針對蓄電池，目前主要是研究如何對蓄電池進行更好的充放電管理，例如明確蓄電池剩余容量與電壓的關系[5]，根據充電電流，蓄電池電壓，SOC之間關系確定充電電流限制[6]。常用的充電方法有以下幾種：恒流充電，恒壓限流充電，分段法充電。放電控制，則是控制放電電流，并檢測蓄電池荷電狀態以及終止電壓。對荷電狀態的檢測常用安時計量法。蓄電池管理的核心是通過變換器控制蓄電池能量流動，使其工作在BUCK，BOOST，TURN-OFF三種工作模式，并進而控制其充放電電流[7]。

1 光伏逆變系統直流側分析與設計

1.1 光伏電池建模

太陽能光伏電池等效電路圖[7]如圖1所示。I為光生電流，I為暗涌電流，V為開路電壓，R為負載電阻，R為雜散電阻，R為并聯電阻。針對此原理圖，有如下公式：

圖1 光伏電池等效電路圖

1）R很大，所以可以忽略（+RI）/R項；

2）R遠小于二極管正向導通電阻，即假設I=I。

基于以上假設， (1)式可簡化為：

處于最大功率點時有：

基于上式可以利用廠商所給數據對光伏電池進行仿真建模。

本文研究采用的太陽能電池參數如下：500W額定功率，為125 W的4個光伏電池2串2并，單塊電池開路電壓為43.8 V，短路電流為4 A。處于最大功率點時，單塊電池電壓V、電流I分別為34.4 V、3.6 A。基于標準環境下建模，利用以上參數可得光電池具體I-V關系為：

1.2 光伏電池最大功率點跟蹤

MPPT的根本原理是基于阻抗匹配，即光電池伏安特性上不同的工作點對應不同的負載阻抗，而BUCK等變換電路起到阻抗變換的作用，通過調節占空比可以使負載阻抗變換到直流側的阻抗等于光電池最大功率點對應阻抗，從而實現最大功率跟蹤。

這里采用基于光伏電池端電壓的最大功率跟蹤，使光伏電池端電壓等于V。

具體控制方法則是使電壓指令值V為V，對光電池端電壓V進行PI控制，從而實現精確MPPT。

基于以上分析，可進行PI參數設計。設計的PI控制器傳遞函數如下

1.3 蓄電池充放電管理

對蓄電池進行建模，可以利用MATLAB軟件里的Battery模塊。設P、P及P分別為光伏電池功率、光電池最大功率及負載功率；前文已經提及，V、V、V分別為蓄電池端電壓、放電終止電壓和過充電壓。

1）充電管理

蓄電池可接受的最大充電電流I工程上取/10，為蓄電池容量，本文中采用蓄電池容量為150 Ah，故I=15 A。最大充電功率為V?I，此處取V為終止放電電壓，即21.6 V，有最大充電功率為324 W。

蓄電池充電普遍采用的是三階段充電控制，第一階段恒流充電，第二階段恒壓充電，第三階段浮充充電。

2）放電管理

①當V<21.6 V，蓄電池停止放電，只進行充電，如P>P，則可封鎖逆變器脈沖，斷開負載。

②當PV>21.6 V時，蓄電池放電。

③當P≥PL，且V≥28.8 V時，蓄電池應不充不放，即使P=P。

2 仿真分析

系統參數設置為：系統額定功率為1 kW，太陽能電池額定功率是500 W，為4個125 W額定功率的光電池兩串兩并所組成。單塊電池標準環境條件下開路電壓為43.8 V，短路電流為4 A，其處于最大功率點時，單塊光電池電壓為34.4 V，電流為3.6 A。用最大功率點處光電池電壓電流計算得最大功率為34.4×3.6×4=495.36 W。儲能電池額定容量為150 Ah，額定電壓為24 V，過放電壓為21.6 V，過充電壓為28.8 V。

2.1 仿真模型的搭建及說明

相關電路及控制器如圖2所示。

2.1.1 關于電路的說明：

1）圖2左側PV battery為光伏電池，中部為BUCK電路，BUCK電路下面為PV control模塊，控制光電池輸出功率。右側PWM generate模塊根據占空比D產生相應的PWM波。

2）測量參數已標注于圖2上。V、I、P分別為光電池電壓、電流、功率。I、P分別為負載電流、功率。U、I、SOC分別為蓄電池電壓、電流、荷電狀態。為光電池端電壓應達到的數值。1為假設光電池功率等于負載功率時，其端電壓的數值。

3）由于蓄電池模型的問題，在充放電初期其電流不穩定，但后期穩定，故采用平均值，利用其后期穩定值來反映其充/放電功率。

3.1.2 關于控制環節的說明：

PV control模塊（設光電池最大功率為P），實現光電池功率輸出控制（MPPT及非MPPT）和蓄電池充放電管理。

1）P>P。光電池MPPT輸出，P=P。

2）P<P，并且蓄電池已充滿時，光電池輸出功率與負載功率平衡，即P=P。

3）P<P，且PP≥/10×21.6（/10=150/10=15），即假如光電池MPPT輸出時充電電流超過蓄電池承受能力，此時令P-P=/10×21.6。直至蓄電池充滿，進入上述2）工況，即P=P。

4）P<P，且P-PP=P。

2.2 仿真結果及分析

1）P>P，蓄電池SOC=50%

P=1 kW，在50%SOC下蓄電池電壓為23.81 V，計算得負載為0.569 Ω。

預期結果：光電池按MPPT輸出，蓄電池放電，且蓄電池放電功率與光電池最大功率之和為負載功率，即光電池功率為490 W左右，蓄電池放電功率為功率為1000-490=510 W左右。

圖2 仿真模型

圖3 光伏電池P-t曲線

圖4 蓄電池放電電流Ibat-t曲線

仿真結果及分析：圖3中可見光電池功率P在0.01 s后基本穩定，又有P為487.7 W，驗證光電池已最大功率輸出。蓄電池放電電流由于模型原因，在電路工作初期不穩定，圖4中可見，在0.02 s后趨于穩定，穩定值測得為22.53 A。圖5反映了盡管負載為額定功率，放電電流較大，蓄電池端電壓在仿真期間（0.07 s）內能保持恒定。測得為23.81 V，計算可得蓄電池放電功率為23.81×22.53=536.4393 W，與理論值相近。

圖5 蓄電池端電壓Vbat-t曲線

2）P<P，且蓄電池SOC=100%

此處令負載功率為250 W，由于蓄電池滿電電壓為26.1 V，計算得電阻為2.725 Ω。

圖6 光伏電池P-t曲線

預期結果：P=P=250 W，即光電池輸出功率與負載功率平衡；蓄電池應不充不放，即蓄電池電流應接近0。

仿真結果及分析：圖6顯示，光電池功率在0.01 s以后在250 W上下波動，與負載功率250 W相匹配。圖7顯示，蓄電池電流在0.028 s以后穩定在一個較小的電流值，即蓄電池處于不充不放狀態。

圖7 蓄電池放電電流Ibat-t曲線

3）P<P，蓄電池SOC=50%，且P-P≥/10×21.6

設蓄電池初始SOC為50%，電壓對應為23.8 V。令負載功率為100 W，滿足上述條件。計算得電阻為5.664 Ω。

預期結果：光電池應以蓄電池最大可接受充電功率充電，即PP=C/10×21.6，P=424 W；蓄電池充電電流為C/10×21.6/23.8=13.6 A（即放電電流為-13.6 A）。

圖8 光伏電池P-t曲線

圖9 蓄電池放電電流Ibat-t曲線

仿真結果及分析：圖8可見光電池功率在0.01 s以后在430.4 W附近波動，與預期輸出功率424 W接近。圖9可得蓄電池放電電流在0.025以后穩定，為-12.42 A，與預期電流值-13.6 A接近。

4）P<P，蓄電池SOC=50%，且P-P

設置蓄電池初始SOC為50%，其電壓同上，為23.8 V，令負載功率為324 W，負載電阻為1.75 Ω。

預期結果：此時光電池應MPPT輸出，即P=P=490 W；蓄電池充電電流應為（490-324）/23.8=7 A，即放電電流-7 A。

圖10 光伏電池P-t曲線

圖11 蓄電池放電電流Ibat-t曲線

仿真結果及分析：圖10可見光電池輸出功率在0.01 s后穩定，穩定值為490 W，實現最大功率輸出。蓄電池電流在0.025 s后穩定，從圖11可讀出為-5.8 A，與預期值-7 A接近。

2.3 仿真總結

以上四種工況涵蓋了各種情形，上述結果分析表明，仿真結果與理論分析的預期結果相符，證明了對光電池輸出功率控制以及蓄電池充放電管理的有效性。

3 結論

本文首先對光電池這一核心器件進行了相關分析，論述了其實用數學模型并以此為基礎搭建了仿真模型。對于MPPT方法，提出了采用基于光電池修正方程的指定電壓PI控制來實現MPPT。對于蓄電池，則采用simulink中自帶的模型，基于其可接受的最大充電電流以及過充電壓，給出了其充放電管理策略。在理論分析與設計的基礎之上，采用MATLAB進行仿真，并給出了相關仿真結果，符合預期設計，實現了直流側光電池MPPT的控制以及蓄電池充放電的有效管理。

[1] 蘇海濱, 王光政, 王繼東. 基于模糊邏輯雙環控制的光伏發電系統最大功率跟蹤算法[J]. 電力系統保護與控制, 2010, 38(21): 215~218, 226.

[2] 朱旺青, 米陽, 李正輝. 基于神經網絡的光伏陣列最大功率控制系統[C]. 中國高等學校電力系統及其自動化專業第二十六屆學術年會暨中國電機工程學會電力系統專業委員會2010年年會, 上海, 2010.

[3] 樂曉蓉, 王念春. 基于P&O的光伏系統最大功率點跟蹤控制[C]．中國電源學會第18屆全國電源技術年會, 廈門, 2009.

[4] Dorofte C, Borup U, Blaabjerg F. A combined two-method MPPT control scheme for grid-connected photovoltaic systems[C]. European Conference on Power Electronics and Applications, 2005: 10.

[5] 李義鵬, 劉全楨, 孫立富等. 獨立光伏系統鉛酸蓄電池剩余容量與電壓的關系[J]. 蓄電池, 2011, 48(1): 36~39.

[6] Koutroulis E, Kalaitzakis K. Novel battery charging regulation system for photovoltaic applications[J]. Electric Power Applications, IEE Proceedings, 2004, 151(2): 191-197.

[7] 馬文偉. 獨立光伏發電系統中蓄電池能量管理的研究[D]. 東南大學, 2010.

Research on Photocells MPPT and Battery Charge and Discharge Management of Photovoltaic Inverter DC-side

Wang Yanting, Zhang Wenjie, Wei Qiao, Ruan Jing, Li Jing

（Wuhan Second Ship Design and Research Institute, Wuhan 430064, China）

TM464; TP273.2

A

1003-4862（2019）12-0016-05

2019-04-17

王艷婷(1986-)，女，工程師。研究方向：電氣工程及其自動化。E-mail: wangyanting2007@163.com