《模糊控制技术与动观察法提升光伏发电MPPT性能黄克亚》由会员分享，可在线阅读，更多相关《模糊控制技术与动观察法提升光伏发电MPPT性能黄克亚（10页珍藏版）》请在金锄头文库上搜索。
1、欢迎引用： 1 黄克亚 , 尤凤翔 , 李文石 . 组合模糊控制技术与扰动观察法提升光伏发电MPPT 性能J. 测控技术 , 2012, 31(7):130-135.模糊控制技术与扰动观察法组合提升光伏发电MPPT 性能摘要：针对传统单一MPPT算法无法兼顾动态性能和稳态性能问题，尝试将模糊控制技术和扰动观察法进行组合用于光伏发电MPPT控制，具体方法是当系统靠近功率曲线两端时采用扰动观察法跟踪，当系统位于最大功率点附近采用模糊控制技术跟踪。实验结果表明，组合控制算法能够根据系统所处状态准确地在扰动观察法和模糊控制算法之间切换，系统响应时间相对于模糊控制缩短了31%，稳态误差相对于扰动观察法减
2、少了67%，系统性能显著提升。关键词： 模糊控制，扰动观察法，最大功率点跟踪Combination of Fuzzy Logic Control and Perturbation & Observation usedto improve the MPPT performance of Photovoltaic systemAbstract： Combination of typical MPPT algorithm to optimize the photovoltaic system performance has become a new research paradigm. Tradit
3、ional single MPPT algorithm can not get excellent dynamic performance and excellent steady-state performance at same time. In this paper, two algorithms, that is, Fuzzy Logic Control (FLC) and Perturbation & Observation (P&O) were combined to control photovoltaic MPPT. When the system works close to
4、 the ends of power curve, P&O will be used to describe the MPPT. When the system works near maximum power point, FLC will be used. The experimental results shows that combination algorithm can switch accurately between P&O and FLC, and the response time of combination algorithm reduced by 31% in com
5、parison with FLC algorithm, Steady-state error reduced by 67% as contrast to P&O algorithm, system performance is greatly improved.Keywords： fuzzy logic control; perturbation & observation; maximum power point tracking光伏发电系统存在一个最大功率点，为有效地利用太阳能，必须对其进行最大功率点跟踪（ MPPT）。目前已知 MPPT算法主要有固定电压法、扰动观察法、电导增量法、模糊控
6、制法和神经网络法等。当单一算法不能满足系统控制性能要求时，人们将研究目光转向多种算法的组合上来。已有文献所提及的算法组合思想及其改进效果列入表1。文献 12 是固定电压法分别与扰动观察法和电导增量法相组合，虽减少了系统稳态功率波动，但难以克服温度对开路电压的影响；文献3 只是利用人工神经网络法生成模糊控制规则，其本质还是模糊控制。文献4 进行模糊控制和模糊PID 的双模组合，设计过于复杂，电路实现有一定难度。据此，本论文尝试基于扰动观察法和模糊控制技术组合的MPPT 算法，其特点是容易实现，且性能提升明显。表 1 已知文献算法组合方法及其改进效果算法组合改进效果参考文献固定电压法 + 扰动观察
7、法减少功率波动，稳态功率提升约3.1%1固定电压法 + 电导增量法减少功率波动，稳态功率提升约4.2%2模糊控制技术 +神经网络法利用人工神经网络法生成模糊控制规则3模糊控制技术 +模糊控制 PID减少响应时间，相对模糊控制减少约41%4模糊控制技术 +扰动观察法响应时间减少 31%；稳态误差减少67%本工作1 光伏发电 MPPT 原理光伏组件的输出存在着功率最大点，在特定的光照和温度条件下，组件能否工作在最大功率点取决于组件所带负载大小。外界的环境因素，通常是无法人为改变的，光照和温度在一天中是变化的，光伏阵列的输出特性也随之变化，要使阵列始终能够输出最大功率，必须适变接入负载。通常的光伏发
8、电系统最大功率跟踪器是一个DC-DC变换器，选择Boost电路作为系统DC-DC变换电路。其阻抗变换关系如式（1）所示5 ，其中 :R：Boost电路等效输入阻抗，D：开关占空比，RL：负载阻抗，式中不考虑Boost电路的自身功率损耗。R ViVo *(1D )Vo*(1 D)2RL *(1 D)2(1)I iI o / (1D )I o由式（ 1）可知光伏阵列所接的等效负载是DC-DC 变换器占空比D 和其所带负载的函数，调节变换器的占空比即可达到改变光伏阵列等效负载的目的，使之在不同的外部环境下始终跟随光伏阵列的内阻变化，两者动态负载匹配时就可以获得光伏组件的最大输出功率，从而实现最大功率
9、点跟踪。2 扰动观察法2.1 扰动观察法原理扰动观察法 (Perturbation and Observation) 是目前经常被采用的MPPT 方法之一。 其原理是每隔一定的时间增加或者减少光伏阵列输出电压， 这一过程称为 “干扰”，并观测之后其输出功率变化方向，若 P0，说明参考电压调整的方向正确，可以继续按原来的方向“干扰” ；若 P0，说明参考电压调整的方向错误，则需改变“干扰”的方向6 。2.2扰动观察法仿真在 Matlab/Simulink建立如图1 所示仿真电路，其中光伏电池模型、Boost电路阻抗变换关系均采用嵌入函数形式7 。控制算法的输入为系统工作电流和工作电压，系统输出在
10、前面我们设定为电压增量，但是电压增量还是要转换为PWM 电路的占空比，为了便于系统仿真和电路实现，所以将系统输出直接指定为占空比D。图 1 扰动观察法仿真电路设置仿真时间为 1s，仿真算法为变步长 ode45，光照为 1000W/m2 ，温度为 25，负载电阻为100，扰动步长为 0.02，得到仿真结果如图 2 所示。可以看出系统快速地实现最大功率跟踪，在0.1s 左右， D 迅速变化到0.78 左右，功率达到最大功率60W 左右， 但是在达到最大功率后系统并没有稳定在最大值处，而是在最大值附近剧烈振荡。由此可知采用扰动观察法跟踪时，系统的动态性能较好，稳态性能较差。图 2 扰动观察法功率变化
11、曲线（步长0.02）3 模糊控制算法光伏系统是一个强非线性系统，加之太阳能电池较难基于精确的数学模型描述，因此采用模糊控制算法实现MPPT 控制是很合适的。3.1 输入和输出变量的确立基于扰动观察法的原理，根据功率值的变化量和前一时刻的占空比调整步长，来决定这一时刻的占空比调整步长8 。取目标函数为光伏电池的输出功率，控制量为用来控制开关管的PWM信号的占空比D。模糊自寻优控制器的第n 时刻的输入量为第n 时刻的功率变化量和第n-1时刻的占空比步长值，第n 时刻的输出量为第n 时刻的占空比步长值。图3 为控制原理框图。图 3 光伏系统模糊控制原理框图输入：（1） e(n)表示第 n 时刻与第n
12、-1 时刻输出功率之差的实际值，E(n) 表示这个差值对应于模糊集论域中的值； （ 2） s(n-1)表示第n-1 时刻步长的实际值，S(n-1)表示这个步长值对应于模糊集论域中的值。输出： s(n)表示第 n 时刻步长的实际值，S(n)表示这个步长值对应于模糊集论域中的值。Ke 、 Ka 分别为量化因子。3.2 推理规则的确立基于扰动观察法的原理，根据功率值的变化量和前一时刻的占空比调整步长，来决定这一时刻的占空比调整步长。通过分析光伏电池输出功率P 与电压 V 之间的特性曲线，并考虑外界环境因素（温度、辐照度）对光伏电池输出功率的影响，调整实际仿真结果得到最终模糊控制规则表9，如表 2所示。表 2 MPPT 模糊控制规则表E(n)S(n-1)NBNMNSNOPOPSPMPBNBPBPMPSPSNSNSNSNSNMPBPBPMPSNSNSNSNSNSPBPBPMPSNSNSNSNSPSNSNSNSNSPSPMPBPBPMNSNSNSNSPSPMPBPBPBNSNSNSNSPSPSPMPB3.3 隶属函数的确立确定输入 /输出量模糊子集及论域将语言变量E， S 分别定义为8 个和 6 个模糊子集，其中S(n-1)和 S(n)变量子集和论域相同，统一将其命名为 S。E =NB ， NM ， NS， NO ，PO， PS， PM ， PBS =NB ，NM ，NS ，PS， P
