基于模糊控制的光伏系统最大功率点跟踪

基于模糊控制的光伏系统最大功率点跟踪xxx摘要：针对光伏发电系统的最大功率点跟踪（MPPT ）原理进行了详细的分析和阐述，介绍了传统的扰动观测法的优缺点，在此基础上提出了基于模糊控制的变步长扰动观察法来实现最大功率点跟踪。

通过Matlab/simulink 进行系统仿真，给出了光照突变时最大功率点跟踪曲线。

实验结果表明，该模糊控制算法具有更好的系统响应特性和稳态特性。

关键词：光伏；最大功率点；模糊控制Maximum power point tracking by using fuzzy control forphotovoltaic power systemAbstract ：Based on analying the principle of maximum power point tracking in photovolatic energy generation system ，this paper introduces the merit and shortcoming of the disturbance observation.Then it brings up the fuzzy control theory based on the maximum power tracking algorithm.Through simulation by Matlab&simulink ，it gives the maximum power point tracking curve when the illumination are changing.The experimental results show that the fuzzy control method has the better system and steady-state response characteristics.Key words ：photovolatic ；MPPT ；fuzzy control太阳能资源丰富，分布广泛，开发利用前景广阔。

光伏发电作为太阳能利用的重要方式，已经得到世界各国的普遍关注。

从发展趋势看，光伏发电即将成为技术可行、经济合理、具备规模化发展条件的可再生能源，对合理控制能源消费总量、实现非化石能源目标发挥重要作用。

在不同的外界条件下，光伏电池可运行在不同且唯一的最大功率点（Maximum Power Point ，MPP ）上。

因此为了最大限度地将光能转化为电能，实现光伏电池的最大功率输出，光伏电池的最大功率点跟踪（MPPT ）技术已成为本课题研究的热点。

本文在分析光伏电池特性的基础上，对传统的扰动观察法进行了介绍，提出了基于模糊控制理论的变步长扰动观察法来实现光伏系统的最大功率点跟踪。

1 光伏电池的特性分析1.1 光伏电池的等效电路及数学模型光伏电池的工作情况可用图（1）所示的等效电路来描述。

图中把光伏电池看成能稳定地产生光电流ph I 的电流源[3，4]。

其中，s R 为串联电阻，sh R 为旁漏电阻，一般情况下s R 较小而sh R 较大，由于s R 和sh R 是分别串联和并联在电路中的，所以在进行理想电路计算时可以忽略不计，因此可得到理想光伏电池的特性方程：12*{1*{exp[/(*)]1}}sc oc I I C U C U =-- （1）12(1/)*exp[/*)]m oc m oc C U U U C U =-- （2） 12(/1)*[ln(1/)]m oc m sc C U U I I -=-- （3） 式中：ref S 为参考日照强度，一般取12/KW m ； ref T 为 参考电池温度，一般取25℃；amb T 为环境温度（K ）；S ∆为实际光照强度与参考光照强度的差值(2/W m )；T ∆为实际电池温度与参考电池温度的差值（K ）；K 为光照强度变化时，光伏电池阵列的温度系数，典型值为0.3℃ *2/W m ；'s c I 为光照强度S 下、电池温度T 时，光伏电池短路电流（A ）；'m U 为电池温度T 、光照强度S 下时，光伏电池最大功率点电压（V ）；a ，b ，c 为常数，推荐的典型值为：a=0.0025，b=0.5，c=0.00288。

图1 光伏电池的等效电路模型 1.2光伏电池的输出特性图（2）为光伏电池在相同温度而不同光照条件下的P-V 特性曲线。

它表明光伏电池的输出特性受到光照强度的影响，随着光照强度的增强，最大功率值逐渐提高，并且最大功率点处的工作电压发生偏移。

图2 不同辐照度条件下光伏电池的P-V 特性曲线 图（3）为不同光照条件下光伏电池的V-I 特性曲线。

它表明光伏电池既非恒流源也非恒压源。

在最大功率点左侧部分类似于恒流源，最大功率点右侧部分类似于恒压源，并且类似恒流源区域与类似恒压源区域范围的比例大约为4:1[5]。

随着光照强度的增加，光伏电池输出的短路电流不断提高，开路电压逐渐增大。

图3 不同辐照度条件下光伏电池的V-I 特性Fig.3 The V-I characteristics curve of photovoltaic Eclls under different irradianEc conditions 从以上分析可以看出光伏电池的输出特性受光照强度的影响比较明显，它是一种非线性电源，如果采用最大功率点跟踪技术使系统输出功率稳定在当前工作特性的最大功率点附近处，则可以提高光伏阵列的能量利用率，减少功率损失，提高系统的稳态性能。

2 基于扰动观察法的MPPT2．1 定步长扰动观察法扰动观察法是目前实现最大功率点跟踪最常用的方法之一。

其原理是周期性地扰动光伏电池的输出电压值，判断扰动前后系统输出功率的变化情况，并以使输出功率增加的原则来对系统进行控制。

伴随着不断地扰动输出电压值，使电池输出功率实时调整并趋于最大，最终来回往复稳定在最大功率点附近的一个较小范围内。

扰动观察法实现MPPT 过程如图（4）所示。

设测得k P 值为当前光伏电池输出功率，与前一时刻的功率值1k P -作比较，若k P >1k P -，即功率值增加，则扰动方向正确，可朝同一(∆U )方向继续扰动；反之，若k P <1k P -，即功率值减少，则扰动方向错误，则朝相反(-∆U )方向扰动，在实际应用中，光伏电池输出电压可以通过占空比来调节。

Voltage/v P o w e r /w图4 扰动观察法的MPPT 控制规则示意常规的定步长扰动观察法采用固定的电压变化量∆U ，跟踪方法简单、对传感器精度要求不高、易于实现是定步长扰动观察法的优点。

在光伏电池MPP 附近振荡运行，会导致一定功率损失是该法的主要缺点[6]。

此外，当外部环境温度和辐照度发生变化时，系统从一个稳态变换到另一个稳态的过程中，可能在寻优的第一步发生方向的判断错误，出现误判现象，进而导致跟踪失败。

2.2 基于模糊控制的变步长扰动观察法基于模糊逻辑控制的MPPT 方法是考虑到光伏电池温度与负载情况的变化、辐照度的不确定性以及光伏电池输出特性的非线性特征而提出的。

为实现MPPT 控制，模糊控制系统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[7]。

调整光伏阵列输出电压时，∆U 的大小会依据环境条件和光伏系统的实时端电压、端电流相应调整，能显著提高控制系统的性能。

引入模糊控制器的独立光伏系统结构示意图如图（5）所示。

图5 引入模糊控制器的独立光伏系统结构示意图3 模糊控制器的设计3.1 模糊控制器的输入和输出变量定义模糊逻辑控制器的输出变量为工作点电压的校正量dU ，输入变量则分别为光伏电池P-V 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Ec ，即()(1)()()(1)P k P k E k U k U k --=-- （11） ()()(1)Ec k E k E k =-- （12）其中，()P k 和()U k 分别为光伏电池的输出功率及输出电压的第k 次采样值。

显然，若()0E k =，则表明光伏电池已经工作在最大功率输出状态[8]。

3.2 模糊化将模糊集合论域E 和CE 分别定义为5个模糊子集，即E={NB ，NS ，ZE ，PS ，PB}；Ec ={NB ，NS ，ZE ，PS ，PB}其中，NB ，NS ，ZE ，PS ，PB 分别表示负大，负小，零，正小，正大。

根据光伏系统特征，采用均匀分布的三角形隶属度函数来确定输入变量（E 和Ec ）和输出变量（ta Del D ）不同取值与相应语言变量之间的隶属度。

E ﹑Ec ﹑ta Del D 的隶属度函数如图（5）所示。

图5 隶属度函数示意图3.3 模糊推理运算模糊逻辑控制器的作用是调节控制信号dU 使光伏系统工作在最大功率输出状态。

对图（6）所示的光伏电池P-V 特性曲线进行分析，可以得出MPPT 的逻辑控制规则，即：当()0E k >，c()0E k <时，P 由左侧向mpp P 靠近；则dU 应为正，以继续靠近最大功率点；当()0E k >，c()0E k ≥时，P 由左侧远离mpp P ；则输出电压变化量dU 应为正，以靠近最大功率点；当()0E k <，c()0E k ≥时，P 由右侧向mpp P 靠近；则dU 应为负，以继续靠近最大功率点；当()0E k <，c()0E k <时，P 由右侧远离mpp P ；则dU 应为负，以靠近最大功率点；图6 MPPT 的逻辑控制规则示意输出电压的的高低主要取决于PWM 波的占空比D ，因此输出电压的变化量dU 相应取决于占空比的变化量ta Del D 。

ta Del D 由模糊控制器给出，由图（6）的控制规则可以得到表(1)所示的模糊控制规则表，该表反映了当输入变量E 和Ec 发生变化时，相应输出变量ta Del D 的变化规则。

由此即得出ta Del D 对应的语言变量。

0 5 10 15 20 25Voltage/v表1 模糊规则推理表 3.4 解模糊解模糊是指根据输出模糊子集的隶属度计算出确定的输出变量的数值。

本文解模糊采用面积重心法[5]。

面积重心法的计算公式如下：11()*ta ()n iii n ii U U Del D U μμ===∑∑ （13）式中，ta Del D 为模糊逻辑控制器输出的电压校正值。

根据给出的隶属度函数，E 、EC 按照其取值对应于相应的语言变量，依据表（1）可以判断出输出变量ta Del D 对应的语言变量，该语言变量在隶属度函数中对应的数值区间的中心值即为i U 。