太阳能光伏电池最大功率点跟踪系统毕业论文(编辑修改稿)

太阳能光伏电池最大功率点跟踪系统毕业论文(编辑修改稿)内容摘要：

示。 123I L / AU L1 51 05 2 0温 度 增 加 ， 电 流 增 加温 度 降 低 ， 电 压 增 加PU L温 度 降 低 图 26 温度对光伏电池输出参数的影响 图 26 为保持光照强度不变，光伏阵列的输出随电池温度和负载变化的 ILUL和 PUL 曲线族。 由该曲线族可以看到开路电压 UOC 线性的随温度变化，短路电流 ISC 随温度有微弱的变化。 最大功率点功率 Pm 随温度的变化也有很大的变化。 其中所指的温度应为光伏阵列本体的温度而非环境温度。 光伏电池的温度和环境温度的关系为：光伏电池温度 =环境温度 +K*照度。 3 光伏阵列最大功率点跟踪（ MPPT）控制 光伏阵列输出特性具有非线性特征，并且其输出受光照强度、环境温度和负载情况的影响。 在一定的光照强度和环境温度下，光伏电池可以工作在不同的输出电压，但是只有在某一输出电压值时，光伏电池的输出功率才能达到最大值，这时光伏电池的工作点就达到了输出功率电压曲线的最高点，称之为最大功率点（ maximum power point,MPP） [4]。 因此，在光伏发电系统中，要提高系统的整体效率，一个重要的途径就是实时调整光伏电池的工作点，使之始终工作在最大功率点附近，这一过程称之为最大功率点跟踪（ MPPT）。 MPPT 算法的原理 最大功率点跟踪（ MPPT）控制策略实时检测光伏阵列的输出功率，采用一定的控制算法预测当前工况下阵列可能的最大功率输出，通过改变当前的阻抗情 况来满足最大功率输出的要求。 这样即使光伏电池的结温升高使得列阵的输出功率减少，系统仍然可以运行在当前工况下的最佳状态。 MPPT 算法分析图 [5]如图 31 所示。 假设图 31 中曲线 1 和曲线 2 为两种不同光照强度下光伏阵列的输出曲线，A 点和 B 点分别为相应的最大功率输出点；并假设某一时刻，系统运行在 A 点。 当光照强度发生变化时，即光伏阵列的输出特性曲线 1 上升为曲线 2 时，此时，如果保持负载 1 不变，系统将运行在 A`点，这样就偏离了相应光照强度下的最大功率点。 为了继续追踪最大功率点，应当将系统的负载特性由负载 1 变化至负载 2，以保证系统运行在新的最大功率点 B。 同样，如果光照强度变化使得光伏阵列的输出特性由曲线 2 减至曲线 1，则相应的工作点 B 点变化到 B`点，应当相应的调整负载 2 至负载 1，以保证系统在光照强度减小的情况下仍然运行在最大功率点 A。 曲 线 2曲 线 1负 载 2负 载 1A `BB `AI / AU / V 图 31 MPPT 算法分析图 现代最大功率点跟踪方法 干扰观察法 干扰观察法 [6]（ Perturb amp。 Observer algorithms,Pamp。 O）是目前实现 MPPT 常用的自寻优类方法之一。 其基本思想是：首先扰动光伏电池的输出电压或电流，然后观测光伏电池输出功率的变化，根据功率变化的趋势连续改变扰动电压或电流方向，使光伏电池最终工作于最大功率点。 对于光伏并网系统而言，从观测对象来说，扰动观测法又分为两种：一种是基于并网逆变器输入参数的扰动观测法；另一种是基于并网逆变器输出参数的扰动观测法。 基于并网逆变器输入参数的扰动观测法直接检测逆变器输入侧光伏电 池的输 出电压和电流，通过计算光伏电池的输出功率并采用功率扰动寻优的方法来跟踪光伏电池的最大输出功率点。 一般正常情况下，光伏电池 PU 特性曲线是一个以最大功率点为极值的单峰值函数，这一特点为采用扰动法来寻找最大功率点提供了条件，而扰动观测法实际上采用了步进搜索的思路，即从起始状态开始，每次对输入信号做一有限的变换，然后测量由于输入信号变换引起输出变换的大小和方向，待方向辨别后，再控制被控对象的输入按需要的方向调节，从而实现自寻优最优控制。 将步进搜索应用于光伏系统的 MPPT 控制时，就是所称的扰动观测法。 扰动观测法 的 MPPT 过程，具体描述如下： 当增大参考电压 U（ U1=U+△ U）时，若 P1P，表明当前工作点位于最大功率点左侧，此时系统应保持增大参考电压的扰动方式，即 U2=U1+△ U，其中 U2为二次调整后的电压值，如图 32a 所示。 当增大参考电压 U（ U1=U+△ U）时，若 P1P，表明当前工作点位于最大功率点右侧，此时系统应采用减小参考电压的扰动方式，即 U2=U1△ U，如图 32b所示。 当减小参考电压 U（ U1=U△ U）时，若 P1P，表明当前工作点位于最大功率点右侧，此时系统应保持减小参考电压的扰动方式，即 U2=U1△ U，如图 32c所示。 输出功率标幺值端 电 压 标 幺 值0 . 7 0 . 80 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 90 . 0 50 . 1 00 . 1 50 . 2 00 . 2 50 . 3 00 . 3 50 . 4 00 . 4 50 . 5 0PP 1P 2UU 1U 2Δ U( a )输出功率标幺值端 电 压 标 幺 值0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 8 0 . 90 . 0 50 . 1 00 . 1 50 . 2 00 . 2 50 . 3 00 . 3 50 . 4 00 . 4 50 . 5 0P 2PP 1U 2U 1UΔ U( b ) 当减小参考电压 U（ U1=U△ U）时，若 P1P，表明当前工作点位于最大功率点左侧，此时系统应采用增大参考电压的扰动方式，即 U2=U1+△ U，如图 32d 所示。 输出功率标幺值端 电 压 标 幺 值0 . 7 0 . 80 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 90 . 0 50 . 1 00 . 1 50 . 2 00 . 2 50 . 3 00 . 3 50 . 4 00 . 4 50 . 5 0PP 1P 2UU 1U 2Δ U( c )输出功率标幺值端 电 压 标 幺 值0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 8 0 . 90 . 0 50 . 1 00 . 1 50 . 2 00 . 2 50 . 3 00 . 3 50 . 4 00 . 4 50 . 5 0P 2PP 1U 2U 1UΔ U( d ) 图 32 扰动观测法的 MPPT 过程示意图 可见，扰动观测法就是按照图 32 所示的过程反复进行输出电压扰动，并使其电压不断变化，使光伏电池输出功率朝大的方向改变，直到工作点接近最大功率点。 检测 U、 I 计算功率 P=UI P（ k） ≤P（ k1） ? U(k)U(k1)? U(k)U(k1)? Uref=Uref+△ U Uref=Uref△ U Uref=Uref△ U Uref=Uref+△ U N 开始 返回 Y N Y Y N 图 33 定步长扰动观测法的流程图 扰动观测法按每次扰动的电压变化量是否固定，可以分为定步长扰动观测法和变步长扰动观测法，其中，定步长扰动观测法的流程图如图 33 所示。 扰动观测法这种控制方法虽然算法简单，且易于硬件实现，但是响应速度很慢，只适用于那些光照强度变化非常缓慢的场合。 而且稳定情况下，这种算法会导致光伏阵列的实际工作点在最大功率点附近小幅度振荡，因此，会造成一定的功率损失，而光照发生快速变化时，跟踪算法可能会失效，得到判断错误的跟踪方向。 模糊逻辑控制 由于太阳光照强度的不确定性、光伏阵列温度的变化、负载情况的变化以及光伏阵列输出特征的非线性特征，要实现光伏阵列最大功率点的准确跟踪需要考虑的因素是很多的。 针对这样的非线性系统，使用模糊逻辑控制 [7]（ fuzzy logic control）方法进行控制，可以获得比较理想的效果。 引入模糊控制，首先应当确定模糊逻辑控制器的输入和输出变量。 同扰动观察法一样，为实现 MPPT 控制，模糊逻辑控制系统也是将采样得到的数据经过运算，判断出工作点与最大功率点之间的位置关系，自动校正工作点电压值，使工作点趋于最大功率点。 所以可定义模糊逻辑控制器的输出变量为工作点电压的校正值 dU。 输入变量则分别为光伏电池 PU 特性曲线上连续采样的两点连线的斜率值 E 以及单位时间斜率的变化值 CE，即 )1()( )1()()(   kIkI kPkPkE （ 31） )1()()(  kEkEkCE （ 32） 其中， P（ k）和 I（ k）分别为光伏电池的输出功率及输出电流的第 k 次采样值。 显然，若 E（ k） =0，则表明光伏电池已经工作在最大功率输出状态。 对光伏电池 PU 特性曲线进行分析，可得出 MPPT 的模糊逻辑控制的规则，如图 34 所示。 1） E（ k） ＜ 0, CE（ k） ≥ 0 时， P 由左侧向 Pm 靠近；则 dU 应为正，以继续靠近最大功率点； 2） E（ k） ＜ 0, CE（ k） ＜ 0 时， P 由左侧远离 Pm；则 dU 应为正，以继续N 靠近最大功率点； 3） E（ k） ＞ 0, CE（ k） ≤ 0 时， P 由右侧靠近 Pm；则 dU 应为负，以继续靠近最大功率点； 4） E（ k） ＞ 0, CE（ k） ＞ 0 时， P 由右侧远离 Pm；则 dU 应为负，以继续靠近最大功率点； 0 . 7 0 . 80 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 90 . 0 50 . 1 00 . 1 50 . 2 00 . 2 50 . 3 00 . 3 50 . 4 00 . 4 50 . 5 0输出功率标幺值端 电 压 标 幺 值E ( k ) ＜ 0C E ( k ) ≥ 0E ( k ) ＜ 0C E ( k ) ＜ 0E ( k ) ＞ 0 C E ( k ) ＞ 0E ( k ) ＞ 0C E ( k ) ≤ 0 图 34 MPPT 的逻辑控制规则示意图 在光伏发电系统中使用模糊逻辑方法实现 MPPT 控制，可以通过 DSP 比较方便的执行，其中控制器的设计主要包括以下几个方面内容： ① 确定模糊控制器的输入变量和输出变量 ② 归纳和总结幕后控制器的控制规则 ③ 确定模糊化和反模糊化的方法 ④ 选择论域并确定有关参数 在模糊逻辑控制中，通常用系统的实际输出量与设定的期望值相比较，得到一个偏差值 E，一般还需要根据该偏差的变化率 EC 进行综合判断。 光伏发电系统中采用模糊逻辑控制方法控制流程图如图 35 所示。 图 35 光伏发电系统中采用模糊逻辑控制方法控制流程图 电导增量法 电导增量法 [8]（ Incremental Conductance， INC）也是 MPPT 控制常用的算法之一。 它是从光伏电池输出功率随输出电压变化率而变化的规律出发，推导出系统工作点位于最大功率点时的电导和电导率的直接关系，进而提出相应的 MPPT算法。 根据扰动观测法的分析，表明，最大功率点跟踪实质上就是搜索满足条件dP/dU=0 的工作点。 为提高 MPPT 算法对最大功率点的跟踪精度，采用功率全微分近似替代 dP 的 MPPT 算法，即从 dP=UdI+IdU 出发，推演出以电导和电导率的直接关系为搜索判据的 MPPT 算法，即电导增量法。 光伏电池 PU 特性曲线及 dP/dU 变化特征如图 36 所示。 开始 检测光伏阵列输出电压 Vin 电流 Iin 计算 dP/dI（ n） 模糊化 △iout(n1) 模糊规则运算 反模糊化 输出 △ iout(n) dP/dI（ n1） = dP/dI（ n）；△ iout(n1)=△ iout(n) 给定并网电流 △ iout(n) 结束 dP/dI(n1) 0 . 7 0 . 80 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 90 . 0 50 . 1 00 . 1 50 . 2 00 . 2 50 . 3 00 . 3 50 . 4 00 . 4 50 . 5 0d P / d U = 0。