智能控制课程设计报告.docx
《智能控制课程设计报告.docx》由会员分享，可在线阅读，更多相关《智能控制课程设计报告.docx（17页珍藏版）》请在冰豆网上搜索。
智能控制课程设计报告
HUNANUNIVERSITY
智能控制课程设计（报告）
课程设计题目：
基于模糊控制光伏并网发电系
统的研究
学生姓名：
学生学号：
专业班级：
学院名称：
指导老师：
2017年5月30日
第1章绪论
在应对全球能源危机和保护环境的双重要求下，开发利用清洁可再生的太阳能越来越受到人们的关注。
伴随着太阳能光电转换技术的不断发展，大规模的利用太阳能成为可能。
光伏并网发电系统将成为太阳能利用的主要形式。
目前，转换效率低是光伏并网发电系统面临的主要问题，这成为阻碍光伏并网发电系统广泛应用的一个重点问题。
智能控制是这门新兴的理论和技术，它是传统控制发展的高级阶段，主要用来解决那些用传统方法难以解决的复杂系统的控制。
智能控制包括专家系统、神经网络和模糊控制，而模糊控制是目前在控制领域中所采用的三种智能控制方法中最具实际意义的一种方法。
在光伏系统MPPT控制中，由于外界光照强度和温度变化的不确定性以及并网逆变器的非线性特性，则使用模糊逻辑的MPPT控制方法进行控制，有望获得理想的控制效果。
随着近年智能控制的不断发展和完善，模糊控制技术也日趋成熟，被人们广泛接受。
模糊控制的优点很多，例如：
模糊控制器设计简单，不需要依赖被控对象的精确数学模型；模糊规则用自然语言表述，易于被操作人员接受；模糊控制规则可以转换成数学函数，易与其他物理规律结合，便于用计算机软件实现；模糊控制抗干扰能力强，且响应快，对复杂的被控对象能有效控制，鲁棒性和适应性都易达到要求。
模糊控制以其适应面广泛和易于普及等特点，成为智能控制领域最重要，最活跃和最实用的分支之一。
目前，模糊控制已经在工业控制领域、经济系统、人文系统以及医学系统中解决了传统控制方法难以解决甚至无法解决的实际控制问题。
本文正是基于光伏发电系统存在的处理复杂，外界不确定因素多等特点，将模糊控制理论应用于光伏发电最大功率跟踪系统中，跟踪系统最大功率工作点，提高光电转换效率，充分利用太阳能资源。
本文以光伏并网发电系统最大功率点跟踪为研究对象，将模糊控制理论应用于光伏并网系统最大功率跟踪控制中，从光伏阵列的原理和特性、光伏并网系统的结构设计、最大功率点跟踪的原理和模糊控制理论等方面进行详细的分析和探讨。
本设计报告比较多种最大功率点跟踪控制技术，实现光伏并网发电系统的研究，根据其不同的优缺点，然后选用模糊控制方法来实现最大功率跟踪。
通过对模糊论域、隶属度函数计算，制定处模糊规则，设计出模糊控制器。
最后建立光伏并网发电系统仿真模型，并对仿真结果进行了分析。
第2章光伏并网发电系统MPPT的研究进展
太阳能电池在工作时，随着日照强度、环境温度的不同，其端电压将发生变化，使输出功率也产生很大变化，故太阳能电池本身是一种极不稳定的电源。
如何能在不同日照、温度的条件下输出尽可能多的电能，提高系统的效率，这就在理论上和实践上提出了太阳能电池阵列的最大功率点跟踪问题。
在太阳能光伏发电系统的开发和应用过程中，由于太阳能电池的转换效率比较低，所以对于其最大功率跟踪技术的研究一直是这一课题的重要内容，现已取得了多种控制算法。
常用的最大功率点跟踪（MPPT）方法有如下几类：
功率扰动观察法、滞环比较法、增量电导法、固定电压控制法、人工神经网络法气由于微处理器、以及各种数字控制器的飞速发展，人们将MPPT算法与逆变器统一起来以并网发电系统的最优效率作为出发点研究最大功率点的跟踪控制，从而提出了多种有效的MPPT控制方法。
2.1光伏发电系统最大功率跟踪控制
光伏阵列是一种非线性的电源，所以在利用光伏发电的过程中，必须尽量避免外界环境的影响它不仅受日照辐射度、结点温度的影响，也受到它所接的负载的影响，所以为了实现能量的高效利用，并且降低成本，提高光伏发电系统的效率，我们必须采用最大功率跟踪控制技术，来使系统输出尽可能大的功率，可供我们使用。
图1光伏电池电流（功率）-电压曲线
图1光伏电池电流（功率）-电压曲线，曲线1是I-U曲线，曲线2是P-U曲线，从这一曲线我们可以看出，在光照强度和温度不变的情况下，光伏电池的功率—电压曲线是一个单峰值曲线，只有一个最高点，这个最高点就是最大功率点，我们的目的就是让光伏电池工作在这一点处，这样输出的功率才会最大。
而根据第二章介绍的光伏电池的等效电路可以看出，在理想状态下，当外接负载的阻抗和光伏电池的输出阻抗相等时，也就是我们常说的电路内阻和外阻相等时，光伏电池的输出功率最大。
但是实际情况是光伏电池的内阻是随着外界环境的变化而变化的，如果有云遮挡或者温度变低，相应的光伏电池的输出阻抗也会跟着变动，所以这种方法对光伏发电系统是不可用的。
所以就需要不断寻求新的方法来实现最大功率跟踪控制。
而目前常用的两级式的光伏发电系统就是通过第一级的DC/DC电路来实现最大功率跟踪控制。
这一过程是通过改变直流变换电路中开关器件的通断时间，从而不断改变外接负载，实现最大功率跟踪。
因此现在光伏发电的一大核心技术就是设计最大功率跟踪控制器。
在设计最大功率点跟踪控制器时，也需要设计直流变换电路、测量电路、控制电路、采集电路等，我们需要根据实时地采集回来的光伏阵列的电压和电流，来进行计算功率，这就需要控制器中的乘法器，然后进行比较、调整和寻优，最终确定出光伏电池板向最大功率点不断靠近的变化工作点。
其中，最大功率点跟踪算法有很多种，因为不同的算法其跟踪快慢、跟踪精度、跟踪效率、成本价格、稳定性都不相同，所以不同的算法有不同的优缺点。
在实际应用中，可以根据不同的要求来选择不同的算法。
这些算法主要有：
扰动观察法、定电压跟踪法、电导增量法、滞环比较法、模糊控制法等，这些都是最大功率点跟踪的常用方法，下面对这些跟踪方法进行比较。
2.2几种最大功率点跟踪方法的比较
2.2.1扰动观察法
扰动观察法，俗称爬山法。
这种方法比较简单，测量的参数很少，所以应用起来比
较方便。
其工作原理是：
通过扰动光伏阵列的输出电压，采集出实时变化的电压电流值，
然后计算出功率，与上一次扰动的结果比较，如果这次的功率值增加了，说明此次功率
值更加接近最大功率点，则应该继续维持这一次的扰动方向，如果功率值减小了，则说
明离最大功率点越来越远了，扰动方向应向相反的方向进行。
要使光伏阵列的工作点越
来越接近最大功率点，就需要这样反复的扰动、观察和比较。
通过比较调整电路前后的
光伏电池板的输出电压及功率的变化情况来调节DC/DC电路的升压占空比，保持光伏系
统输出最大功率。
其中，扰动过程中采用的步长可以是定步长也可以是变步长。
如果采用的是定步长
扰动，则当步长较短时，光伏系统在最大功率点附近上下波动的幅度越小，那么能量的
损失就会小，但是由于步长较短，所以需要扰动的次数就会多，所用的跟踪时间就会更
长。
相反地，如果采用的步长较大，光伏系统在最大功率点附近振荡的幅度就越大，能
量损失就比较多，而且其跟踪精度和速度就难以保证。
这就是定步长扰动的特点。
为了
解决定步长这些缺点，可以采用变步长扰动方法。
2.2.2定电压跟踪法
如图2所示，当温度一定时，根据不同光照的光伏电池板的P-U曲线，连接出最大功率线，可以看出最大功率点处的电压几乎都在某个固定的电压两侧，所以根据这一思路就可以将光伏电池输出电压控制在这一电压处，则系统将近似工作在最大功率点处。
这种方法忽略了很多其他影响因素，所以实际上并不是工作在真正的最大功率点。
图2光伏电池板的P-U-P曲线图
2.2.3电导增量法
电导增量法的工作原理也是依据最大功率点处的斜率为0来运算的。
当外界因素如光照强度或者温度发生变化时使用电导增量法来实现最大功率点跟踪比较有优势，因为电压的纹波系数相对来说会比较小，但是因为复杂的计算，会使这种算法的缺点显现。
2.2.4滞环比较法
功率扰动观察法的基本设计思想是进行扰动，并对扰动后的功率与未扰动的功率进行比较，通过判断功率的变化方向，来决定工作电压的移动方向。
这种方法不仅会发生程序失序现象，还会造成比较多的扰动损失。
由于太阳的日照量不会快速的变化，多余扰动会带来更多损失，滞环比较法可以避免这种缺陷。
当日照量快速变化时，这种算法可以不用立即跟随并且快速移动工作点（避免干扰或误判错误），只需在日照量比较稳定时，再跟踪最大功率点，减少扰动损耗。
2.2.5模糊控制法
模糊控制是智能化控制的一个重要分支，它的模糊基础是模糊语言、模糊集合理论、以及模糊逻辑推理。
在控制系统中，它是一种非线性智能控制，是将模数学应用于控制系统。
模糊控制的形式一般为：
“if条件，then结果"。
它是用人的知识来控制控制对象。
因此，又可称为语言控制。
模糊控制可以利用人的经验或知识对控制对象模型无法用严密的数学表示时，进行控制。
所以，模糊控制就是用人的智力来模糊地对系统进行控制的方法。
最大功率点跟踪（MPPT）通过测量电流、电压或者功率，对它们之间的变化关系进行比较，来决定峰值功率点与当前工作点之间的位置关系，然后控制电压（或电流）向峰值功率点靠近，直到达到峰值功率点，最后将电压（或电流）在峰值功率点一定范围附近来回摆动。
由于工作点的来回摆动，使实际得到的平均功率比峰值功率稍低一点，差值就称作搜索损失，而这种将控制系统工作点保持在最优点附近的特点，正是自寻优控制特有的。
负载的电池阵列的I—V特性或功率需求发生变化后，引起峰值功率点漂移或工作点偏移。
这就要求最大功率点跟踪系统在探测到这种变化后，进行下一次寻优。
最大功率点跟踪不用知道电池阵列的精确数学模型，也不用知道外界环境的温度和照度，只要在运行的过程中将可控参数的整定值不断改变，使当前的工作点向峰值功率点逐渐靠近，最后在峰值功率点附近工作。
所以说，最大功率点跟踪本身就是个通过不断测量和调整来达到最优的过程，运用模糊自寻优的方法可以对最大功率点进行跟踪。
选取光伏电池的输出功率为目标函数，可控量是控制变换器PWM信号占空比D。
第3章光伏并网发电系统MPPT模糊控制器
模糊控制器是模糊控制的核心部分。
由计算机程序来实现控制器的控制规律。
模糊控制算法实现的过程是：
先对控制量采样，获得一个精确的被控制量。
再将精确的被控量与给定值进行比较，得到一个误差信号E。
一般选择误差信号E作为模糊控制器的一个输入量，将E的精确量变成模糊量，并可以用相应的模糊语言表示误差E的模糊量表示。
使得到误差E的模糊语言集合中的一个子集e（e是一个模糊向量），再根据推理的合成规则进行模糊控制规则R和e的模糊决策。
模糊控制量U如公式（3-1）：
u=eR（3-1）
式中，u是一个模糊量，需要将模糊量u通过非模糊化转换处理为精确量，再经数模转换将精确的数字量转换成模拟量，送到执行机构，从而对被控对象进行精确控制，实现对被控对象的第一步控制；接着，进行第二次采样，完成第二步的控制⋯⋯一直循环，就实现了对被控对象的模糊控制。
模糊控制的原理如下图3所示：
图3模糊控制的原理
模糊控制是将被控量的测量值与给定值比较后得到的误差e作为输入，模糊控制可以由两个输入或三个输入，两个输入的是再加上误差e的变化率作为输入。
将这些输入量经A/D转换后作模糊化处理后，得出模糊变量，然后根据模糊规则来进行判断，将判断出的结果再进行清晰化处理，经过D/A转换成能够用执行机构操作的模拟量，从而完成对被控对象的控制。
3.1模糊化
模糊控制的应用中，被观测量一般是确定的量，即可以通过测量得到该确定量是精确的数值量并在一定精度范围内。
由于模糊控制中的操作以模糊集合理论为基础。
所以，必须先进行模糊化。
比较常用的模糊化方法有线性划分法、非线性划分法、训练法、语义关系生成法。
四种方法中，线性划分法是最简单的一种，它根据研究对象具体的情况，并选择对应的自然语言描述符号，再均匀地划分研究对象的论域。
3．2模糊控制规则库的建立
模糊控制器设计的核心工作是确定模糊语言控制规则。
根据输入和输出物理量的数目以及所需的控制精度来确定控制规则的多少。
规则的数目随着语言变量级数的平方变化关系而快速增加，控制规则增多，推理质量就会下降。
所以，在设计规则库时，要先确定控制规则数目和合适的语言变量级数以及建立正确的控制规则形式。
建立模糊控制规则主要有四种方法：
经验归纳法、根据手工操作系统的测量和观察生成控制规则、根据模糊模型的过程生成控制规则、根据算法的学习生成控制规则。
前三种方法较直观、简单，也较常用，但也较粗糙。
第四种方法较复杂，但控制性能方面比较好，一般用于控制要求比较高的系统。
这种方法目前仍在发展。
模糊算子的确定要涉及推理规则的运算。
3.3解模糊
经过模糊推理得到的是一个模糊量，也可以看成是一个模糊集合，须经过精确化处理，才能对被控对象进行控制。
解模糊是在模糊推理得到的模糊量中，求出一个相对来说最能代表这个模糊集合的单值过程。
关于解模糊的方法有很多，较常用的有最大隶属度法、重心法、隶属度限幅元素平均法、系数加权平均法、中位数法等。
第4章MPPT模糊控制器设计
4.1选择观测量和控制量
一般选择偏差e，即目标功率和当前功率的差值作为观察量，选取占空比D为控制量。
4.2输入量和输出量的模糊化
将偏差e划分为5个模糊集，负大（NB）、负小（NS）、零（ZO）、正小（PS）、正大（PB），e为负表示当前水位低于目标水位，e为正表示当前水位高于目标水位。
设定e的取值范围为[-3，3]，隶属度函数如下图4所示。
图4偏差e隶属度函数
同样将控制量u划分为5个模糊集，负大（NB）、负小（NS）、零（ZO）、正小（PS）、正大（PB），u为负表示增大进水阀门S1的开度（同时减小出水阀门S2的开度），u为正表示占空比D。
设定u的取值范围为[-4，4]，隶属度函数如下图5所示。
图5控制量u隶属度函数
4.3制定模糊规则
模糊规则的制定是模糊控制的核心内容，控制性能的好坏很大程度上由模糊规则决定，目前主要是根据经验来制定相应的规则。
（1）若e负大，则u负大；
（2）若e负小，则u负小；
（3）若e为零，则u为零；
（4）若e正小，则u正小；
（5）若e正大，则u正大。
4.4求解模糊关系
根据制定的模糊规则，通过相应的模糊集合运算，可得到模糊关系集合R。
4.5进行模糊决策
我们最终需要获得的控制量u即为模糊控制的输出，u可由偏差矩阵e和模糊关系矩阵R合成得到。
u=eR
4.6控制量的反模糊化
我们模糊决策得到的控制量u是一个矩阵，并不能直接应用在工程上，因此需要将u解释为实际中的特定行为，即反模糊化操作。
5、模糊控制光伏并网发电系统仿真
在matlab模糊控制工具箱中求解矩阵运算的操作，在Matlab的CommandWindow中输入fuzzy就能打开模糊控制编辑器，直接调用evalfis函数就得到相应的决策控制量图6所示。
图6决策控制量
通过matlab集成的模糊控制模块，我们能够更加方便地对应偏差e和控制量u的关系，并可以调节e在不同值下u的对应输出图7所示。
图7偏差e和控制量u的关系
程序如下：
clearall;
closeall;
a=newfis（'fuzzyMPPT'）;
a=addvar（a,'input','e',[-3,3]）;
a=addmf（a,'input',1,'NB','zmf',[-3,-1]）;
a=addmf（a,'input',1,'NS','trimf',[-3,-1,1]）;
a=addmf（a,'input',1,'ZO','trimf',[-2,0,2]）;
a=addmf（a,'input',1,'PS','trimf',[-1,1,3]）;
a=addmf（a,'input',1,'PB','smf',[1,3]）;
a=addvar（a,'output','u',[-4,4]）;
a=addmf（a,'output',1,'NB','zmf',[-4,-2]）;
a=addmf（a,'output',1,'NS','trimf',[-4,-2,0]）;
a=addmf（a,'output',1,'ZO','trimf',[-2,0,2]）;
a=addmf（a,'output',1,'PS','trimf',[0,2,4]）;
a=addmf（a,'output',1,'PB','smf',[2,4]）;
%建立模糊规则
rulelist=[1111;
2211;
3311;
4411;
5511];
a=addrule（a,rulelist）;
%设置反模糊化算法
a1=setfis（a,'DefuzzMethod','mom'）;
writefis（a1,'MPPT'）;
a2=readfis（'MPPT'）;
figure
（1）;
plotfis（a2）;
figure
（2）;
plotmf（a,'input',1）;
figure（3）;
plotmf（a,'output',1）;
showrule（a）;
ruleview（'MPPT'）;
fori=1:
1:
7
e（i）=i-4;
Ulist（i）=evalfis（[e（i）],a2）;
end
打开MATLAB，根据前文介绍的模糊规则设计模糊控制器。
根据设计的模糊控制器建立光伏阵列最大功率跟踪控制模型图8所示。
图8光伏阵列最大功率跟踪控制模型
得出并网电流和并网电压波形图如图9所示.
图9并网电流和并网电压波形
电流谐波含量THD如图10所示。
图10电流谐波含量THD
由仿真结果可以看出，直流母线电压400V，经过逆变桥、滤波电感后得出交流220V电压，从仿真结果可以看出并网电流与电网电压同相，完成并网。
分析并网电流谐波分量THD为1.13%，满足并网要求。
可以看出来模糊控制的最大功率跟踪控制方法的可行性，当光照强度发生变化时，模糊控制器能够实时得跟踪变化后的光伏阵列的输出参数，并对之进行算法运算，然后控制，最后使系统快速工作在最大功率点处。
模糊控制方法跟踪速度较快，反应灵敏，最后能使系统稳定在最大功率点处，虽然这个方法会有运算调节的时间延迟，但是控制性能较好，所以这个方法具有很大的优点。
实际运用中可以针对这些缺点不断调节，进行改善，从而得到更好的控制结果。
附录
参考文献
[1]孙龙林．单相非隔离型光伏并网逆变器的研究[D]．合肥：
合肥工业大学，2009：
[2]柴文野．三相光伏发电并网系统及其控制方法的研究[D]．合肥：
安徽大学，2012：
[3]王飞．单相光伏并网系统的分析与研究[D]．合肥：
合肥工业大学，2005：
[4]田勤曼．光伏发电系统中最大功率跟踪控制方法的研究[D]．天津：
天津大学，2008：
[5]王翔．6kW单相光伏并网系统的研制[D]．北京：
北京交通大学，2012：
[6]王晓曦．光伏并网发电系统的研究[D]．哈尔滨：
哈尔滨工业大学，2009：
[7]方波，陈兰莉．光伏电路的PSpice仿真与实验研究[J]．微型机与应用，2010，2：
71-74．
[8]陈瑞睿．光伏并网发电系统运行控制技术研究[D]．杭州：
浙江大学，2013：
[9]王雨，邢晶．基于MATLAB的光伏模块输出特性及MPPT的建模与仿真[J]．半
导体光电，2012，33
（1）：
18-21．
升级会员 