基于极值搜索的光伏电池最大功率点跟踪仿真Word文档格式.docx

基于极值搜索的光伏电池最大功率点跟踪仿真Word文档格式.docx

《基于极值搜索的光伏电池最大功率点跟踪仿真Word文档格式.docx》由会员分享，可在线阅读，更多相关《基于极值搜索的光伏电池最大功率点跟踪仿真Word文档格式.docx（12页珍藏版）》请在冰豆网上搜索。

关键词:

光伏发电系统;

最大功率点跟踪;

极值搜索;

算法

MPPTPhotovoltaicSystemBasedonExtremum-SeekingControl

QiaoZengping,LiHong,Cuiliguo,ZhangWangpan

Abstract:

TheMaximumPowerPointTracking（MPPT）inphotovoltaic（PV）powersystemsisimportant.InthispaperbyanalyzingthephysicalmodelandelectricalcharacteristicofsolarcellasimpleandpracticalsimulationmodelisdesignedbasedontheMatlabsoftware;

troduced,whichisrealizedusingtheBuckDC/DCconverter.ThecontrolalgorithmfortheMPPTisrealizedbytheSfunction.Alsotheinsteadystatebutalsoduringtransitory.Consideringthesolarfluctuationandrandomness,areal-timeMPPTsystemsimulationmodelbasedonextremum-seekingcontrolisin2Keywords:

photovoltaicpowergenerationsystem;

MPPT;

extremum-seeking;

algorithms

articleprovidesdetailparametersforthedesignofthephotovoltaicenergysystem.Simulationresultsdemonstratefeasibilityofthealgorithm

0　引言

由于全球性能源危机及环境等问题,太阳能以其无可替代的优势,正得到广泛的应用。

但是太阳电池在工作过程中由于环境（如温度光照强度等）因素变化,会影响太阳电池的输出功率,造成电池与负载之间的不匹配。

国内外文献提出了多种最大功率点跟踪（MaximumPowerPointTracking,MPPT）方法,大多数都属于自寻优方法,如有爬山法或扰动观测法[1]、增量导纳法[1]、以及基于爬山法或扰动观测法的改进自适应算法[2-3],以及文献[4]中的模糊控制技术和神经网络控制,它们具有最大功率点跟踪的功能,能最大程度地利用太阳能电池转化所得的电能。

本文在Matlab/simulink的仿真环境中,建立了光伏电池模块的仿真模型,并运用一种基于极值搜索原理的算法控制

BuckDC/DC变换电路,实现最大功率点跟踪。

1　太阳电池数学模型

光伏电池的I-U特性与太阳辐射强度S和光伏电池温度

qVD）（V+RSI）nkTVload+RsI

（1）RP

T有极大关系。

光伏电池的等效数学模型为[1]:

Icell=Ipv-Ioexp（-1-

式中,Ipv为光生电流;

Io为光电池反向饱和电流;

n为二极管因子;

T为绝对温度;

q为电子电量;

k为玻尔兹曼常数;

收稿日期:

2008-06-12;

　修回日期:

2008-08-03。

作者简介:

乔增平（1982-）,男,陕西西安人,硕士研究生,主要从事太阳能、电源等非线性系统的建模与控制技术等方向的研究。

电子技术和智能工业自动化技术方向的研究。

李　（1962-）,男,山西人,副教授,工学博士,主要从事现代电力宏

中华测控网

chinamca.com

（CollegeofMarineEngineering,NorthwesternPolytechnicalUniversity,Xiπ　an710072,China）

图1　硅太阳电源的等效电路

V-DV

Rs为光电池串联电阻;

Rsh为光电池并联电阻。

式

（1）为基于电子学理论得出的最基本的解析表达式,已被广泛应用于太阳电池的理论分析中,但由于表达式中的5个参数（Ipv、Io、A、Rsh和Rs）不是太阳电池供应商向用户提供的技术参数,因此不适用于光伏发电系统工程设计。

文献[5]基于太阳电池组件生产商提供的4个电气参数（Isc:

短路电流;

Voc:

开路电压;

Im:

最大功率点电流,Vm:

最大功率点电压）提出了一种工程用数学模型,该模型把太阳辐射强度和温度对太阳电池阵列的非线性影响进行了线性近似。

这种工程用数学模型的I-V方程为:

I=Isc（1-C1（eC2Voc-1））+DIVmIm）-1）/ln（1VocIsc

VmIm）e（-c2Voc）Isc

其中,

C2=（

C1=（1-

（VR=Vpv+βT-Tref）+RsDIα·

R/Rref·

（Tc-Tref）+（R/Rref-1）·

IscDI=　　Rref,Tref为太阳辐射和光伏电池温度参考值,一般取为1kW/m2,25℃;

α为在参考日照下,电流变化温度系数（Amps/℃;

β为在参考日照下,电压变化温度系数（V/℃;

））

第2期

乔增平,等:

基于极值搜索的光伏电池最大功率点跟踪仿真　

403·

Rs为光伏模块的串联电阻（Ohms）。

图2　光伏电池在25℃下的I-V和P-V特性曲线图

由图2I-V特性曲线上可以看出,太阳电池既非恒压源,也非恒流源,也不可能为负载提供任意大的功率,是一种非线性直流电源。

其输出电流在大部分工作电压范围内近似恒定,在接近开路电压时,电流下降很大。

太阳电池的V-I特性除了与太阳电池模块本身非线性特性及其串并联方式有关以外,还与环境温度,太阳辐射强度有关。

由于实际使用中最大功率点随外界环境的变化而变化,在一定的温度和辐射强度下,光伏电池有唯一的最大功率输出点,因此需要在负载和光伏电池之间加入MMPT装置,以保证光伏电池始终输出最大功率。

如图4矢量b所示,表明它的轨迹方向在最佳点的左侧,并且正在远离最佳点,因此应使（dx/dt）|t+=K;

情形c:

（dx/dt）|t->

0,（dy/dt）|t-<

0如图4矢量c所示,表明它的轨迹方向在最佳点的右侧,并且正在远离最佳点。

因此应使（dx/dt）|t+=-K;

情形d:

（dx/dt）|t-<

0,（dy/dt）|t->

0如图4矢量d所示,表明它的轨迹方向在最佳点的右侧,并且正在靠近最佳点。

该算法测量dy/dt和dx/dt,然而影响系统的是dy/dx,由于dy/dx=（dy/dt）/（dx/dt）,因此情形1～4可以用下述下公式表达:

（4）dx/dt=Ksign（dy/dx）　　该算法动态变化有恒定的斜率,它可以是正数或负数,这取决于XY曲线的斜率,文献[5]已经证明了极值搜索算法的稳定性。

鉴于太阳能电池阵列的P-V曲线特性,前面的分析也可以应用到解决MMPT问题。

3　系统结构

图5表示出MMPT装置的系统整体概图,光伏电池组通过Buck电路对蓄电池组充电。

系统通过MMPT控制器发出控制信号,最终通过PWM驱动电路调节Buck变换器,使系统工作在光伏电池组最大功率工作点,从而使光伏电池组始终输出最大功率,充分利用资源。

2　系统极值搜索问题[6]

极值搜索的方框图如图3所示:

dxε=Kdt　　式中,ε=±

并且K是一个大于零的常数。

1

（3）

图5　系统整体概图图3　极值搜索控制流程原理图

如图4所示,为了实现最大值跟踪,可分为下述四种情况:

情形a:

（dx/dt）|t->

0如图4矢量a所示,它的轨迹方向在最佳点的左侧,并且正在靠近最佳点。

因此应保持变量x变化方向,即（dx/dt）|t+=K。

情形b:

（dx/dt）|

t

用BUCK电路实现太阳能电池阵列最大功率点跟踪的优点是结构简单,控制易于实现,功率开关管输入电流小,线路损耗小,使得BUCK电路装置转化效率较高。

由于该电路只能用于降压变换,因此单晶硅太阳能电池输出电压必须大于蓄电池的额定电压。

4　最大功率跟踪系统的控制设计

系统中最大功率跟踪的过程实际上是一个光伏电池功率自寻优的过程。

通过功率计算P=I3V,使光伏组始终保持工作在最大功率点。

系统中电池的P经计算后,在MMPT控制器中将当前的P（k）与上采样时刻的输出P（k-1）相比较,确定功率的变化方向,再结合上一时刻dv/dt的变化,直接确定当前时刻dv/dt的变化方向,是直接保持还是改变。

输出的

dv/dt经过积分环节输出为vc,它与三角波比较之后产生PWM脉冲信号驱动Buck转换器。

vc的变化确保太阳能电池

-

<

0,（dy/dt）|

阵列工作在最大功率点。

然而上述控制方法在太阳辐射突然减小时存在误判断问

图4　极值搜索算法的4种情形

题,从图2不同光强P-V特性曲线可知,当光强突然减弱,则输出功率减小,此时如果继续按MMP跟踪,会发生误判,

chinamca.com

404·

计算机测量与控制　

第17卷

因此,在我们的算法仿真过程中增加了一个延迟环节（在该算法中通过H变量定义状态,当延迟时间到了取H=1,否则取H=0）。

当延迟时间未到时,按MMP方法跟踪,延时间到按相反方向跟踪,这一延迟确保了该系统的稳定性。

延迟时间取决于Buck变换器的周期。

一般取3～5个周期。

这个功能保证在对太阳辐射剧烈变化时变换器的稳定性。

该MMPT算法流程如图6所示,即当功率的导数是正的,跟踪信号维持不变。

当功率的导数是负并且延迟完成,跟踪信号状态改变。

图7　系统稳态图

图6　MMPT算法流程图

5　仿真方案和结果

511　仿真方案仿真实验时,PV模型采用无锡尚德太阳能电力有限公司生产的STP1555-24/Ab型单晶硅太阳能电池组件,每块组件的参数如表1所示。

表1　仿真电路参数设计

VmImRsVocIscTrefSref

仿真时,采用ode23tb（Stiff/TR-BDFZ）算法。

由于使用了三角波发生器模块,为了产生规则的三角波输出并生成正确的20kHzPWM波形,最大仿真步长应为小于5e-5,相对误差允许范围为1e-4,绝对误差范围为自动调节。

MPPT控制子系统的采样周期设置为010005s。

本系统中铅酸蓄电池选择电压24V、容量为100AH的蓄电池组。

考虑到系统的实际应用,动态响应时间要求在几秒内即可达到要求,稳态效率则要求尽可能高,本文设定太阳能电池阵列输出端电压波动范围为014V/s。

512　仿真结果图7描绘的是系统在标准条件下,即1kW/m2光照强度和25℃的情况下的稳定状态的输出波形。

该实验结果表明,该光伏mppt控制导致输出波形振荡。

这种波形振荡是由于控制信号vc与三角波发生器比较,控制占空比,这会产生振荡。

由图5及PV模型的伏安特性曲线（图2）可知vc的稳态波动,最终导致系统工作点的电压vpv在MMP的左右侧运动。

cv每次波动,导致系统两次通过MMP,而这可以从图7得到验证。

即系统的瞬态功率频率是电压和电流频率的两倍,从图7可以知道其电压与电流是反向运动的,并可以通过系统的最大功率Pmax和平均功率Paver,计算出系统的效率为9918%。

图8为开始时在标准条件下,10s后,光照强度从1kW/

4312V

419A

3414V

415A

011Ω

25℃

1kW/m2

参考文献:

m突然减小到018kW/m2情况下的电流、电压与功率图,该结果表明系统有很强的稳定性和很快的响应,可以很快地搜索到下一个天气情况下的最大功率点并且稳定到该点。

2

图8　系统从启动到稳态到光强波动

6　结论

本文根据太阳电池的物理数学模型,建立了一种综合了机理模型和经验模型的优点的太阳电池阵的Matlab仿真工程用模型;

利用极值搜索方法的实时MPPT控制原理,设计了一个太阳电池最大功率跟踪的动态系统。

仿真结果表明,在不同负载、光强、温度等工作情况下,该系统可以很好地跟踪太阳电池的最大功率点,可应用光伏发电系统。

[1]YusofY,SayutiSH,LatifA,etal.Modelingandsimulationofmaximumpowerpointtrackerforphotovoltaicsystem[A].PowerandEnergyConference,2004.PECon2004.Proceedings[C].Na2tional,2004,88-93.[2]JainS,AgarwalV.Anewalgorithmforrapidtrackingofapproxi2matemaximumpowerpointinphotovoltaicsystems[J].IEEEPowerElectronicsLetters,2004,2

（1）:

16-19.[3]XiaoWD,DunfordWG.Amodi

fiedadaptivehillclimbingMPPTmethodforphotovoltaicpowersystems[C].35thIEEEAnnualConferenceonPowerElectronicsSpecialists,2004,1957-1963.[4]王春喜,等.现代控制技术的理论、应用与发展趋势[J].计算机自动测量与控制,1999,7（4）:

1-5.[5]苏建徽.硅太阳电池工程用数学模型[J].太阳能学报,2001（22）:

409-412.[6]LeyvaR,AlonsoC,Cid-PastorA.MPPTofphotovoltaicsystemusingextremum-seekingcontrol[J].IEEEAerospaceandElec2tronicSystems,2006,42:

249-258.

1本文由neverweeps贡献

计算机测量与控制.2009.17

（2）ComputerMeasurement&

Control

1671-4598（2009）02-0402-03中图分类号:

TP331文献标识码:

乔增平,李,崔立国,张王攀宏

（西北工业大学航海学院,陕西西安710072）

仿真结果表明,该算法具有较好的动态特性和稳态特性,具有一定的实用价值.关键词:

0引言

由于全球性能源危机及环境等问题,太阳能以其无可替代的优势,正得到广泛的应用.但是太阳电池在工作过程中由于环境（如温度光照强度等）因素变化,会影响太阳电池的输出功率,造成电池与负载之间的不匹配.国内外文献提出了多种最大功率点跟踪（MaximumPowerPointTracking,MPPT）方法,大多数都属于自寻优方法,如有爬山法或扰动观测法[1],增量导纳法[1],以及基于爬山法或扰动观测法的改进自适应算法[2-3],以及文献[4]中的模糊控制技术和神经网络控制,它们具有最大功率点跟踪的功能,能最大程度地利用太阳能电池转化