基于模糊控制-扰动观察法的光伏MPPT跟踪技术

汤 洋，高仕红，马紫琬，陈 谦，黄 京，董岳昆

（湖北民族大学 信息工程学院，湖北恩施 445000）

引言

目前，国内外能源危机日益突出，光伏发电技术因其无污染、干净等优点，成为国内外研究热点之一[1]。而光伏电池是光伏发电技术不可缺少的模块。如何保证光伏电池始终以最大功率点工作，对提高光伏发电效率、节约成本等具有重大意义。对此，国内外学者一直致力于研究光伏MPPT跟踪技术。

常用的光伏MPPT跟踪技术主要分为3种：恒定电压法、导纳增量法、扰动观察法等[2-4]。其中，基于扰动观察法的光伏MPPT跟踪技术其输出功率波动较大，工作效率低。导纳增量法不受系统环境的影响，但其跟踪效率低。恒定电压法原理简单，容易实现，但是其MPPT的跟踪精度低。对此，很多学者致力于研究改进型算法和智能型算法[5-7]。有学者设计了可以在线扰动优化光伏MPPT的模糊控制器[8]。该控制方法利用模糊规则建立控制策略，具有一定的自适应性。此外，有学者将基于神经网络算法应用到MPPT跟踪技术中[9,10]。经网络算法通过大量训练样本，使得P-V曲线的非线性特性问题得以解决，但是该方法需要大量数据，可靠性差。

本研究建立了光伏电池输出功率的数学模型，并将扰动观察法的简洁性与模糊控制法的自适应性相结合，提出基于模糊控制-扰动观察法的光伏MPPT跟踪技术，来解决MPPT跟踪精度低、自适应能力差的的问题。最后通过Matlab仿真软件，验证所提算法的可靠性。

1 光伏电池的数学模型

分析光伏电池的工作特建立数学模型，如图1所示。获取U-I间的关系，从而建立光伏电池输出功率模型。

图1 光伏电池等效电路模型

图1中及式（1）中的符号说明见表1。

表1 光伏电池等效电路模型的符号说明

根据节点电流法，可以得到

根据式（1），求解可得光伏电池的输出特性方程为：

实际上，参数Iph、Is、Rs、Rsh、A容易受外界因素的干扰，因此需要对光伏电池的输出特性方程进行简化。由于Rsh＞＞Rs，则有Iph≈Isc，UD≈U。对此，光伏电池的简化数学模型可以表示为：

式中：Im为等效模型的最大输出电流，A；Isc为等效模型的短路电流，A；Um为等效模型的最大输出电压，V；Uoc为等效模型的开路电压，V。

C1、C2表示修正系数。根据简化后的数学模型，求解光伏电池的输出功率模型P，具体如下：

2 基于模糊控制-扰动观察法的光伏MPPT跟踪技术

2.1 建立模糊控制-扰动观察法的仿真模型

利用仿真软件，搭建模糊控制-扰动观察法的模型，如图2所示。

图2 模糊控制-扰动观察法的光伏MPPT模型

（1）确定光伏MPPT模型的输入输出。通过搭建的模型，确定输入输出。实际中，模糊逻辑控制器存在误差，输入量的误差用e表示，误差变化率用Δe表示，其对应的求解公式如公式（5）：

模糊控制器的控制变量是通过Boost电路的占空比D来决定的。设置输入量的误差e和误差变化率Δe的模糊论域为[-5，5]，控制量均用7个模糊子集表示，具体如下：

（2）建立光伏MPPT模型的隶属函数。根据光伏电池特点，选择较为平缓的梯形三角函数的形状作为MPPT模型的隶属函数，具体如图3所示。

图3 隶属度函数的形状

（3）建立控制策略。

①当e＞0，且Δe＜0时，新步长增加不明显。此时，应该利用小扰动跟踪调节，通过降低电压保证功率能够向左移动；

②当e＞0，且Δe＜＜0时，新步长为负值。此时，应该继续保持大扰动跟踪，通过降低电压，保证功率能够向左移动；

③当e＞0，且Δe＞＞0时，新步长为正值，且增长明显，应该继续保持大扰动跟踪，应该增加电压，保证功率能够向右移动；

④当e＞0，且Δe＞0时，新步长增加不明显。此时，输出值已接近最大功率点，通过采用小步长跟踪调节，保证功率能够向右移动；

⑤当e=0时，新步长不变化，输出值即为最大功率时的电压，不需要调节电压。

3 PWM模块及Boost变换器

3.1PWM模块

PWM模块的作用为：把MPPT控制模块的输出值转换为输入量。PWM模块如图4所示。

图4 PWM模块

3.2 Boost变换器

图5为Boost变换器的仿真电路。其中，Vg表示输入直流电源；U0表示输出电压。

图5 Boost变换器的仿真模型

输入电压与输出电压间的关系为：

4 基于Matlab/Simulink的MPPT算法仿真比较

对所提出的跟踪技术进行仿真，仿真模型如图6所示。

图6 仿真模型

为了验证所提出的跟踪技术的可靠性，对扰动法的光伏MPPT跟踪技术进行了仿真。两种跟踪技术的实验条件均相同。其中，光照强度：1 000 W/m2；环境温度：25℃。设置两种方法的仿真时间为0.4 s。图7为两种方法下的光伏MPPT模型的输出电流对比图；图8为两种方法下的光伏MPPT模型的输出电压对比图。

图7 光伏电池输出电流对比图

图8 光伏电池输出电压对比图

从仿真结果可知，采用传统的扰动观察法，输出的电流、电压的振荡幅度较大，此方法受振荡的影响；采用模糊控制-扰动观察法的MPPT控制方法输出的电压、电流基本上不受振荡的影响。

通过建立的数学模型，采用上述两种方法进行仿真，将两种方法进行对比，如图9所示。

图9 光伏电池输出功率对比图

采用传统的扰动观察法需要经过0.2 s，才使得光伏MPPT模型的输出功率趋于稳定，稳定后的输出功率波动范围为[5.4×104，6.5×104]（单位为W），而且此方法的输出功率振荡特征明显；而采用模糊控制-扰动观察法的MPPT控制方法仅需0.592×10-3s，就能保证光伏MPPT模型的输出功率趋于稳定，稳定后的输出功率波动范围为[5.983×104，5.997×104]（单位为W）而且此方法的输出功率基本上不受振荡的影响，极大地缩小了搜索到最大功率点附近的跟踪时间，具有更好的自适应性。

5 结论

研究所提出的算法跟踪精度高，能准确跟踪点MPPT，受振荡的影响较小，且自适应能力强，提升系统的运行效率。