基于优化型变步长扰动观察法的光伏MPPT_仿真研究

文章编号：2095-6835（2023）20-0080-03
基于优化型变步长扰动观察法的光伏MPPT仿真研究
胡昊明，雷初聪，易荣卫
（赣南科技学院，江西赣州341000）
摘要：光伏电池最大功率点跟踪（Maximum Power Point Tracking，MPPT）技术的核心任务是寻找到最大功率点的位置，以提高算法的利用效率。

目前常见的MPPT算法，例如扰动观察法、恒定电压法等存在着跟踪精度低、响应速度慢等问题。

选择在常用的扰动观察法上进行优化，利用输出功率与工作功率的绝对值作为扰动条件，得到改进后的变步长扰动观察法，用于保证系统尽可能处于最大功率点。

通过Matlab/Simulink仿真验证发现这种方法能够同时兼顾MPPT步长的速度和精度。

关键词：最大功率点跟踪；扰动观察法；Matlab/Simulink；步长
中图分类号：TM615文献标志码：A DOI：10.15913/ki.kjycx.2023.20.023
相比于化石、煤油、天然气等不可再生能源，太阳能、风能等可再生能源在发电领域具有更加广阔的应用前景[1-2]。

由于光伏发电具有能量密度大、发电便捷、发电灵活、便于利用等优点，相比于其他可再生能源，其在发电领域中得到了更为广泛的应用[3]。

然而，光伏发电也存在诸多不足之处，例如发电效率低、受自然环境因素影响较大、对电力系统正常的频率调整会对其有较大干扰等缺点，其中最为核心的问题是光伏发电效率低[4]。

为提高光伏发电的效率，常采用MPPT控制算法。

MPPT算法从自然影响因素入手，尽量去减少自然因素对系统的影响，想办法提升系统的适应能力，使光伏系统工作点尽量保持在最大功率点，提高系统的有效转换率[5]。

利用MTTP算法可以让光伏电池得到最大程度的利用，使光伏系统高效平稳地运行[6]。

目前常见的MPPT算法有扰动观察法、恒定电压法、电导增量法等，这些方法存在着跟踪精度低、响应速度慢、环境自适应能力差等缺点[7-9]。

对此，本文首先提出光伏电池工程数学模型并进行仿真，为最大功率点追踪的研究建立基础。

而后在光伏电池模型的基础上对最大功率点追踪进行介绍分析，选择了在定步长扰动观察法的基础上对其进行优化，通过改变趋近最大功率点时占空比的大小提升对最大功率点的追踪速度和准度，提出了优化后的变步长扰动观察法。

最后通过仿真对比，验证了该方法的可行性。

1光伏电池的物理模型及仿真
1.1光伏电池的物理模型
光伏电池可以被看作是一个非线性的直流电流源，可以把光伏电池电路进行简化，得到的等效电路如图1所示[10]。

等效电路图中包含电流源I ph、二极管VD、并联电阻R sh 和串联电阻R s等元件。

图1光伏电池等效电路图
当在理想条件下（把并联电阻R sh当作无穷大），可求得电池的输出电流表达式，如下式所示[9-10]。

⎥
⎦
⎤
⎢
⎣
⎡
-
⎪
⎭
⎫
⎝
⎛+
-
=1
exp s
ph AkT
IR
U
q
I
I
I）
（
式中：I0为反向饱和电流的数值，单位A；q为电子电荷，取值1.6×10-19C；U为电池输出电压的数值，单位V；A为二极管因子；k为玻尔兹曼常数，取值1.38×10-23J/K；T为绝对温度的数值，单位K。

由于I ph、I0、R s、A的数据极难测量，为了在一定的精度上模拟太阳能电池的特性，可以根据电池厂家提供的一些技术参数建立工程模型，如下式所示[10]。

⎪
⎪
⎪
⎪
⎩
⎪
⎪
⎪
⎪
⎨
⎧
⎥
⎦
⎤
⎢
⎣
⎡
⎪⎪
⎭
⎫
⎝
⎛
-
⎪⎪
⎭
⎫
⎝
⎛
-
=
⎪⎪
⎭
⎫
⎝
⎛
⎪⎪
⎭
⎫
⎝
⎛
-
=
⎪⎭
⎪
⎬
⎫
⎪⎩
⎪
⎨
⎧
⎥
⎦
⎤
⎢
⎣
⎡
-
⎪⎪
⎭
⎫
⎝
⎛
-
=
1-
sc
m
oc
m
2
oc
2
m
sc
m
1
oc
2
1
sc
1
ln
1
-
exp
1
1
exp
1
I
I
V
V
C
V
C
V
I
I
C
V
C
V
C
I
I
I s R s
R sh
I sh
I VD
I ph
V
·80·
·81·
式中：I sc 为固定日照强度和温度下输出的最大电流的数值，单位A ；V oc 为固定日照强度和温度下输出的最大电压的数值，单位V ；I m 为固定日照强度和温度下最大功率点电流的数值，单位A ；V m 为最大功率点电压的数值，单位V ；C 1和C 2分别为等效电容，单位F 。

I sc 、V oc 、I m 、V m 这4个参数会随着环境的改变而发生变化，需要采用相应的补偿系数去推算出任意电池温度和某光照强度下的这4个参数，如下式所示[10]。

⎪⎪
⎪⎩⎪⎪
⎪⎨⎧
-+=+=-+=+=）
）（（）
（））（（）（T c S b V V T a S S I I T c S b V V T a S S I I Δ1Δe ln Δ1Δ1Δe ln Δ1mref m ref mref m ocref oc ref
scref sc 式中：S r e f 为参考太阳辐射强度的数值，取值1000W/m 2
；ΔT 为实际电池温度与参考电池温度的差
值；e 为自然对数的底数，其值约为2.71828；ΔS 为实际光强与参考光强差值，ΔS =S －S ref ；a 、b 、c 为补偿系数，推荐a =0.0025℃、b =0.0005W/m 2、c =0.00288℃。

当电池温度和太阳光照改变，通过上式可以得出4个技术参数的近似值，再计算出任意温度T 和某光照强度S 下太阳能电池的输出特性。

1.2
光伏电池的仿真
根据光伏电池的物理模型，使用Matlab/Simulink 软件对太阳能电池进行建模，模型如图2所示。

图2光伏电池的仿真模型
2优化后的变步长扰动观察法
2.1
优化原理
传统的定步长扰动观察法在扰动量的设置上存在着局限性，步长较大时虽能保证系统响应快，但会在最大功率点附近形成震荡，造成部分功率损失；步长较小时能够有效减小震荡幅度，却会增加系统响应时间[8-10]。

因此本文在一般扰动观察法基础上，提出了
一种比较容易实现的变步长扰动观察法。

光伏电池的电压-功率特性图如图3所示，当工作点在最大功率点附近，电压的变化量ΔU 不大，对输出功率影响小；但在远离最大功率点位置工作时，ΔU 对光伏系统的输出功率影响较大。

各个点斜率对应着不同功率点的位置，最大功率点处斜率为0。

图3电压-功率特性图
由图3可以清晰看到4个点的斜率大小的比较式，如下式所示，可以发现最大功率点为k 2。

这样，可以此为基础条件，利用输出功率与电压图上点的斜率的绝对值作为扰动条件，以此确定扰动步长，提高算法的精确度和速度。

⎪⎪
⎩
⎪
⎪⎨⎧=0d d d d ＜d d ＜d d d d ＜d d ＜d d 224411223
31122k k k k k k k k k
k k k k k U /P U /P U /P U /P U /P U /P U /P 对输出的采集范围小时，输出电压的变量也小，这时光伏电池电压-功率特性图上每个点斜率的绝对值与光伏电池每个点的输出功率变化量比上输出电压变化量的值相等，即d P /d U =｜ΔP /ΔU ｜。

只要求得｜ΔP /ΔU ｜就能确定当前时刻最大功率点追踪的扰动步长，即在时刻k 的扰动步长ΔD （k ）的求法为：
⎪⎩
⎪
⎨⎧∆⨯∆∆=∆--=∆--=∆D k U k P k D k U k U k U k P k P k P ）（）（）（）（）（）
（）
（）（）（/11式中：ΔP （k ）为k －1时刻到k 时刻占空比变化引起
的输出功率变化量的数值；ΔU （k ）为k －1时刻到k 时刻占空比变化引起的输出电压变化量的数值；ΔD （k ）为k 时刻占空比变化步长的数值；ΔD 为占空比固定变化量的数值，是定值。

优化后变步长扰动观察法流程图如图4所示。

2.2
仿真结果
采用Matlab/Sinulink 构建优化后的变步长扰动观察法的仿真模型，仿真系统结构图如图5所示。

电压U /V
k 2
k 4
k 1
k 3
图4变步长扰动观察法流程图
图5仿真系统结构图
设置控制开关，温度固定在25℃，光照固定在1000W/m2
处。

得到如图6和图7所示的仿真结果，可以从示波器scope1观察到仿真系统启动的0.05s内实时输出电流和电压的输出值在来回震荡，并且震荡幅度越来越小，说明扰动算法在追踪最大功率点且响应迅速。

在示波器scope2输出图和理想输出图的对比中可以观察到，在0.5s后系统输出电压、电流均基本与理想输出电流、理想输出电压的曲线图重合，系统达到最大功率点，这说明变步长扰动观察法的工作准确平稳，在温度与光照都固定的条件下，对最大功率点的追踪准度与速度都较为准确。

3结论
本文从MPPT技术中选取应用较为广泛简便的扰动观察法进行改进，由于定步长的扰动观察法的限制导致追踪最大功率点附近发生功率损耗，提出采用变步长的方式提升对最大功率点追踪的精准度和速度，并用Matlab/Simulink仿真完成验证。

图6MPPT实时电流、电压和功率
图7理想和实际MPPT电压、电流的对比
参考文献：
[1]赵争鸣，刘建政，孙晓瑛，等.太阳能光伏发电及其应用
[M].北京：科学出版社，2005：8-19.
[2]刘娜.独立光伏发电控制系统的MPPT技术的研究[D].天
津：天津理工大学，2018：3-5.
[3]彭科翔，郭少臣，李智毅，等.光伏发电技术发展与前景
分析[J].中国设备工程，2020（8）：169-170.
[4]吴迎新，田李剑.太阳能光伏发电现状研究及问题分析[J].
技术与市场，2019，26（1）：115-116.
[5]王思敏.基于改进型变步长扰动观察法的光伏最大功率控
制策略[J].集成电路应用，2023，40（6）：382-385. [6]宁佩，周惠媛，胡嘉昕，等.基于改进型变步长扰动观察
法的最大功率点跟踪策略[J].通信电源技术，2019，36（1）：17-20.
[7]陈斌，王俊江，赵明胤，等.基于改进鲸鱼优化算法的光
伏发电系统MPPT控制研究[J].电力系统及其自动化学
报，2023，35（2）：19-26.
（下转第85页）
时间/s
时间/s
返回检测输出电压U、电流I，并计算功率P
P（k）－P（k－1）=0？
P（k）－P（k－1）＞0？
U（k）－U（k－1）＞？
U（k）－U（k－1）＞0？
D（k+1）= D（k）+ΔD（k）
D（k+1）=
D（k）+ΔD（k）
D（k+1）=
D（k）－ΔD（k）
D（k+1）=
D（k）－ΔD（k）
Y
N
返回
00.20.40.60.8 1.0 1.2 1.4 1.6 1.8 2.0 Y
Y
6
5
4
3
2
1
50
40
30
20
10
﹣10
200
150
100
50
﹣50
﹣100
50
40
30
20
10
﹣10
﹣20
00.20.40.60.8 1.0 1.2 1.4 1.6 1.8 2.0
00.20.40.60.8 1.0 1.2 1.4 1.6 1.8 2.0
00.20.40.60.8 1.0 1.2 1.4 1.6 1.8 2.0
6
5
4
3
2
1
000.20.40.60.8 1.0 1.2 1.4 1.6 1.8 2.0 N
Y Y
N
·82·
最小为0，最大为200）在68～7之间的前10个集群，尺寸越大，每个聚类中备选标签之间的关系越密切。

除检索关键词#0“车路协同”以外，集群#1（车联网）作为聚类分析图中最大的集群，它是车路协同系统中应用最广泛的一个研究方向。

车联网集群的子标签为“自动驾驶”“优先通行”“数据卸载”“无线定位”“资源调度”“目标定位”等。

通过车路协同环境下的车辆无线定位方法可以为智能交通系统发展提供新的机遇。

集群#2（智能交通）、#3（交通工程）、#4（智能网联）和#7（交通诱导）与智能交通网联系统有关，可以用“智慧城市”“交通预测”“城市网联化”“共享出行”等子标签代替。

上述集群集中研究了智能公路发展现状与关键技术。

此外，#3（交叉口）为车路协同领域的一个有前景的研究方向，通过构建八相位网联信号交叉口，对交通信号和网联车辆轨迹车路协同优化控制方法进行了深入的研究。

表1车路协同系统研究的10个研究集群
聚类码标签（LLR）尺寸子标签
#0车路协同68智能交通、交通工程、智能网联汽车、智慧交通、安全驾驶、信号优化、路权分配#1车联网28自动驾驶、优先通行、数据卸载、无线定位、资源调度、目标定位、变道预警#2智能交通25智慧城市、智慧能源、控制策略、智能网联汽车、交通预测、协同性交通模式#3交通工程24驾驶模拟、公共交通、交通控制与智能交通系统、公共交通、隧道预警
#4智能网联20交通仿真、智能化、信号机、信号控制、优化方法、数据资源中心、稳定性理论#5交叉口18智慧高速、智慧交通、纲领性文件、一体化出行服务、驾驶人、典型场景
#6协同控制14车速引导、网联车辆、实时调度、交通系统、预约出行、平台构建
#7交通诱导10精确定位、遗传算法、交通控制、部署策略
#8信息交互10高精度地图、智能网联车辆、停车区、交通基础设施系统
#9帧交换7数据发送、消息传输、竞争窗口、驱动式
3结论
本文以CNKI数据库中近10年有关车路协同系统领域的论文为研究对象数据集。

利用CiteSpace软件通过可视化技术对数据集进行处理，并以科学计量分析图的形式统计出车路协同系统中有重要贡献的作者、机构（高校），以及对该领域的发展有积极导向的关键词。

车路协同系统作为智能交通和车辆调度领域的前沿，目前很多研究人员已经在进行跨学科研究。

虽然中国对车路协同系统的研究才短短10年，但经过几十年来对智能交通领域的深入研究及车联网网联车辆等产业的崛起，车路协同系统已成为最具发展潜力的研究方向之一。

目前，CNKI数据库的数据集无法在CiteSpace进行文献共被引研究。

接下来可以在Web of Science数据库中进行全球车路协同系统检索，绘制文献共被引科学计量图。

参考文献：
[1]CHEN C M.Citespace II:detecting and visualizing emerging
trends and transient patterns in scientific literature[J].Journal
of the American society for information science and
technology，2005，57（3）：23-45.
[2]HYLAN M，MAHMASSANL H S.Dynamic autonomous
vehicle fleet operations:optimization-based strategies to assign
A Vs to immediate traveler demand requests[J].Transportation
research part C：emerging technologies，2018，92：278-297.————————
作者简介：李欣燃（1994—），女，辽宁营口人，硕士，研究方向为智能交通系统。

（编辑：严丽琴）
————————————————————————————————————————————————（上接第82页）
[8]王云平，李颖，阮新波.基于局部阴影下光伏阵列电流特
性的最大功率点跟踪算法[J].电工技术学报，2016，31（14）：201-210，218.
[9]傅望，周林，郭珂，等.光伏电池工程用数学模型研究[J].
电工技术学报，2011，26（10）：211-216.
[10]赵泰祥，廖华，马逊，等.局部阴影下光伏组件的
Matlab/Simulink仿真模拟与特性分析[J].太阳能学报，
2019，40（11）：3110-3118.
————————
作者简介：胡昊明（1992—），男，江西南昌人，硕士，助教，研究方向为新能源技术和高电压与绝缘技术。

（编辑：张超）
·85·。