基于Motorola單片機的太陽電池最大功率點追蹤控制

樊建強，孫瑞娟，李紅斌

(1.山西農業大學信息學院，山西晉中 030800；2.山西農業大學工學院，山西晉中 030800)

中國是世界第一大能源生產國，也是第一大能源消耗國，根據2019 年國民經濟和社會發展統計公報初步核算，全年能源消費總量為48.6 億噸標準煤，比上年增長3.3%。煤炭消費量增長1.0%，原油消費量增長6.8%，天然氣消費量增長8.6%，電力消費量增長4.5%。我國能源一直處在貧乏的狀態，尤其對于一些不可再生能源來說，更是嚴重缺乏[1]。在此背景下，開發無污染可再生的清潔能源是當下熱點。眾所周知，地表太陽能資源豐富，且清潔可再生，因此太陽能的利用開發一直是清潔能源的開發重點。光伏發電技術能直接將太陽能轉化為電能。光伏發電過程中，太陽輻照能量經常受到環境影響而變化，如地理位置、季節、晝夜、陰晴等，這種輻照能量變化，會影響發電陣輸出功率的變化。為了最大限度利用太陽能，使太陽電池板能在各種不同的日照和溫度環境下對最大功率點進行有效追蹤，令電池板盡可能地工作在最大功率點上，太陽電池最大功率點追蹤(MPPT)技術應運而生[2]。

實現太陽電池最大功率追蹤的技術有很多，例如，袁嬌等[3]提出一種基于模糊RBF 的太陽電池最大功率點追蹤算法，利用模糊RBF 神經網絡對PID 控制器的控制參數進行自適應整定，以調節光伏電池變換器的功率開關占空比，從而實現太陽電池最大功率點追蹤控制；張俊紅等[4]利用改進的Fibonacci 算法以實現MPPT 控制；侯慶偉等[5]為了實現對光伏發電系統進行MPPT 控制，對自適應縮放系數變步長電導增量法展開了研究。

盡管以上方法在一定程度上可以實現對太陽電池最大功率點的追蹤控制，但存在準確性較低和效率不高的問題。為了解決以上問題，最大限度地利用太陽能，本文引入Motorola單片機，研究了基于Motorola 單片機的太陽電池最大功率點追蹤控制。Motorola 單片機具有在同樣速度下所用的時鐘頻率低的特點，因而其高頻噪聲低，抗干擾能力強，能夠更好地實現對太陽電池最大功率點的追蹤控制。本文首先研究了太陽電池的特性，再對MPPT 控制進行分析，選定了粒子群算法和電導增量法相結合的方法作為本文的控制策略，在此基礎上進行Motorola 單片機的軟硬件設計，利用設計完成的Motorola 單片機實現對太陽電池最大功率的追蹤控制，再對其進行仿真實驗。

1 基于Motorola 單片機的太陽電池最大功率追蹤技術

1.1 太陽電池特性分析

太陽電池的伏安特性是對其進行最大功率點追蹤控制的重要原因。太陽電池又名光伏電池，是可以利用光生伏特效應(光生伏特效應即半導體在受到光照射時產生電動勢的現象，既發生在PN 結界面，也發生在半導體內部)將太陽光輻射能直接轉換為電能的器件，將太陽電池封裝成太陽電池組件，再將一塊以上的太陽電池組件組合成太陽電池方陣，再與儲能裝置、測量控制裝置等結合使用，就可以構成具有維護簡單、壽命長、無噪音、無污染等特點的太陽電池發電系統(光伏發電系統)。光伏發電系統構成示意圖如圖1 所示。

圖1 光伏發電系統組成框圖

太陽電池的伏安特性公式如下：

式中：Ie為光生電流；I0為電池單元的反向飽和電流；T為電池溫度；k為波爾茲曼常數；z為電子電荷；n為二極管特性因子；R為并聯等效電阻；I、V分別為電池的輸出電流、電壓。根據公式(1)可知，溫度會對太陽電池的輸出電壓產生很大影響。

為了更清晰地顯示這種影響，分析太陽電池伏安特性曲線，如圖2 所示。

圖2 太陽電池伏安特性曲線

由圖2 可知，太陽電池的工作點在A-E 點(線L)，但是此點并不能夠獲取最大限度的太陽能，由于A′～E′(Pmax)才是太陽電池的輸出最大功率點，只有改變實際負載的阻值，將工作點轉移至A′～E′點位置，才能最大限度地獲取太陽能，并且使太陽電池發揮出最大的功效。但太陽電池的伏安特性很容易受到外界環境影響，因此必須要實現太陽電池最大功率點追蹤控制。

1.2 MPPT 算法

目前，太陽電池最大功率追蹤算法主要包括恒定電壓法、擾動觀察法、電導增量法，這三種方法對比如表1 所示。

表1 典型的太陽電池最大功率追蹤算法對比

從表1 中可以看出，三種典型的太陽電池最大功率追蹤算法各有利弊。本文將人工智能算法中的粒子群算法加入到電導增量法當中，提出一種粒子群算法和電導增量法相結合的太陽電池最大功率追蹤方法[6-8]。

粒子群算法作為一種智能優化算法具有收斂速度快、有效的全局搜索能力和不易陷入局部最優等特點，其基本流程如下：

步驟1：設置粒子群初始參數，具體包括最大迭代次數、群體規模、初始隨機位置、初始速度、慣性權重、學習因子。

步驟2：根據適應度函數計算每個粒子的適應度值。

步驟3：將粒子適用度值與粒子的個體最好位置pbest、粒子的群體最好位置gbest 作比較，如果適用度值更優，則將其作為當前的pbest 和gbest[9]。

步驟4：更新粒子位置和速度。

更新公式如下：

式中：i=1,2,...,N，N為粒子群規模；vi為粒子的當前速度；rand()為介于(0,1)之間的隨機數；xi為粒子的當前位置；C1和C2為學習因子，通常C1=C2=2。

步驟5：判斷是否滿足收斂條件，若滿足，則得到全局最優解，若不滿足，則回到步驟2，繼續進行迭代，直至達到最大迭代次數[10]。

但由于粒子群算法本身參數設置方面的問題使其難以對最大功率點進行控制，因此本文采用粒子群算法和電導增量法相結合的復合太陽電池最大功率追蹤方法。首先利用粒子群算法進行大范圍的全局尋優，當粒子移動到最優解周圍后，再利用電導增量法在最大功率點附近進行細致搜索，從而追蹤到最大功率點[11]，既提高了搜索效率，又提升了尋優質量。復合太陽電池最大功率追蹤方法基本流程如圖3所示。

圖3 復合太陽電池MPPT方法基本流程

1.3 Motorola 單片機及外電路

圖4 是控制器與光伏發電系統的邏輯關系框圖。

圖4 控制器與光伏發電系統的邏輯關系框圖

太陽電池最大功率追蹤控制器最核心的部件就是單片機。根據光伏發電系統需求，即單片機應具有抗干擾性強、計算速度快、性能穩定等優點，本文選擇Motorola 單片機作為主控制器[12]。該單片機主要技術參數如表2 所示。

表2 Motorola 單片機主要技術參數

2 仿真實驗分析

為測試本文基于Motorola 單片機的太陽電池最大功率追蹤方法的有效性，選取某光伏發電系統數據，利用Matlab/Simulink 仿真平臺進行功率輸出實驗測試。

2.1 光伏發電系統構建

光伏發電系統構建所需軟硬件組成如表3 所示。

表3 光伏發電系統構建軟硬件組成

根據表3 中的硬件，搭建了簡單的地面光伏發電裝置，如圖5 所示。

圖5 簡單地面光伏發電實驗裝置

實驗條件及參數設置如表4 所示。

表4 實驗條件及參數設置

2.2 測試結果

從表5 中可以看出，在本文研究的復合追蹤方法應用下，太陽電池的輸出功率始終高于其余三種方法，說明晴天情況下，本文方法能夠達到最大功率追蹤的目的。

表5 晴天工況下的太陽電池最大功率追蹤結果W

從表6 中可以看出，在本文方法應用下，陰天工況太陽電池輸出功率仍然大于其余三種方法。總而言之，本文方法的總體應用效果更好，能更多地采集太陽能量并轉為電力，實現太陽電池最大功率追蹤目標。

表6 陰天工況下的太陽電池最大功率追蹤結果W

3 結束語

為了提高對太陽電池最大功率點的追蹤控制效果，最大限度地利用太陽能資源，本文基于Motorola 單片機進行了太陽電池最大功率追蹤研究。經仿真實驗測試，在本文方法應用下，太陽電池輸出功率達到最大值，實現了太陽電池最大功率追蹤的目的。