摘要:最大功率点的跟踪(MPPT)是提高光伏发电系统效率的有效手段之一,本文在分析光伏电池输出特性的基础上,讨论了几种常见的最大功率点跟踪算法,最后提出了改进的变步长扰动观测法,并进行了仿真验证。 叙词:光伏发电大功率点跟踪变步长扰动观测法 Abstract:The maximum power point tracking is the effective ways to improve the efficiency of Photovoltaic Array. At first ,the article analyse the Output characteristics of PV,then introduce several common ways of MPPT. At last,introduce a improved perturbation and observation method with changing perturbation step and gets validated by simulation. Keyword:Photovoltaic power generation, Maximum power point tracking, Perturbation and observation method with changing perturbation step 1 前言

进入二十世纪以来,随着全球工业化进程的逐步展开,世界各国对能源的需求急剧膨胀,而煤炭、石油和天然气三大化石能源日渐枯竭,全球将再一次面临能源危机,同时,大量化石能源的使用对生态环境造成了严重的破坏,其结果是全球气候变暖。人类要解决面临的这些问题,一个重要手段就是发展太阳能等清洁的可再生能源。

太阳能取之不尽,用之不竭,不产生任何污染和废弃物,对环境无不良影响,是一种最好的清洁能源。但目前太阳能光伏发电还存在着太阳电池板造价高、转换效率低等问题,妨碍了光伏发电系统的大规模建设和推广。所以,如何提高太阳能发电系统的效率成为当前研究的热点。光伏发电的最大功率点跟踪控制(Maximum Power Point Tracking,简称MPPT)便是通过对光伏阵列的最大功率点进行跟踪控制,实现其输出功率的最大化,以提高光伏电池的利用效率。

2 光伏电池输出特性

光伏电池的输出功率是外界环境温度和光照强度的函数,具有强非线性。图1给出了不同光照强度下光伏电池的输出特性曲线。从图1可以看出,光照强度越大,光伏电池输出功率也越大;在一定光照强度下,光伏电池输出功率P和输出电压U是二次函数的关系。从图1(b)的P-U曲线可以看出,每条曲线都有一个拐点,在拐点处光伏电池输出功率将达到该光照强度下的最

图1 不同光照强度下光伏电池的输出特性:

(a) 不同光照强度下U-I曲线;

(b) 不同光照强度下P-U曲线。

大值,该点即称之为最大功率点。从曲线也可以看出,最大功率点所对应的输出电压是唯一的,也正是由于光伏电池的这个特点使得MPPT的实现成为可能。

图2是不同温度下光伏电池的输出特性曲线。从图2可以看出,当外界温度变化时,光伏电池输出特性曲线也发生改变,从而使最大功率点漂移,这将影响最大功率点跟踪控制的精确性。所以,实际应用中,要实现MPPT必须综合考虑各种复杂外界因素的影响。

图2 不同温度下光伏电池的输出特性:

(a)不同温度下U-I曲线;

(b)不同温度下P-U曲线。

3 几种MPPT算法

近年来,专家学者在MPPT算法方面做了大量的研究工作,提出了各种控制算法。目前实际应用较多的MPPT算法有:固定电压跟踪法、电导增量法和扰动观测法等。

3.1 固定电压跟踪法

从图1(a)光伏电池输出U-I曲线可知,在一定温度条件下,不同光照强度时光伏电池的最大功率点总是近似在某一个固定电压Um附近,固定电压跟踪法就是利用这一特性,在光伏电池和负载之间通过一定的阻抗变换,使系统成为一个稳压器,光伏电池始终工作在固定电压Um附近,从而得到最大功率输出。

固定电压跟踪法的优点是控制简单方便,可靠性和稳定性高。该控制方法的缺点是忽略了外界温度对光伏电池输出特性的影响,当温度变化较大时控制精度较差。

3.2 电导增量法

电导增量法是通过比较光伏电池的增量电导和瞬时电导来实现最大功率点跟踪。由光伏电池阵列的P-V特性曲线可知,最大值Pmax处的斜率为零,所以有以下公式:

这种跟踪方法的优点是当环境条件发生变化时,能够快速跟踪其变化,适合于天气变化快的场所,但它对硬件的要求较高。

3.3 扰动观测法

扰动观测法的控制流程图如图3所示。其基本控制过程为:首先,让光伏电池按照给定的参考电压值Upv输出,测量此电压时的输出功率,即P(K-1),然后再在这个电压的基础上叠加一个电压扰动ΔU,测量叠加扰动电压后的输出功率,P(K)。比较P(K-1)和P(K)的大小,如果P(K)大于P(K-1),表明叠加电压扰动后输出功率增加,所给电压扰动方向是使输出功率增大方向,则继续施加相同方向的扰动,下一时刻电压为Upv=Upv+ΔU;如果P(K)小于P(K-1),表明叠加电压扰动后输出功率减小,所给电压扰动方向不是使输出功率增大方向,则给反方向的扰动,下一时刻电压为Upv=Upv-ΔU,这样循序渐进,使输出功率逐渐逼近光伏电池的最大功率点。

图3 扰动观测法控制流程图

扰动观测法的优点在于其结构简单,被测参数少,在光伏系统最大功率跟踪中广泛应用。但是,这种跟踪方法在系统已经跟踪到最大功率点附近时,扰动将使系统在最大功率点附近振荡,造成一部分功率损失;而且电压初始值和跟踪步长的选取对跟踪速度和精度有较大的影响,ΔU较小时光伏电池可能会长时间工作于低功率输出区,而且响应速度慢,不能快速跟踪光照强度的变化;ΔU较大时将加大最大功率点附近的振荡。

4 变步长扰动观测法

5 仿真验证

为了验证变步长扰动观测法的实际效果,进行了仿真研究。

在Matlab环境下,利用simulink工具,建立了光伏阵列的通用仿真模型和MPPT仿真控制系统[5]。 ⑴光伏电池的简化等效电路如图5所示。

其中:U-光伏电池输出电压,Iph-光生电流,Id-二极管结电流,Rs-串联等效电阻,q-单位电荷(1.6×10-19),A-理想因子,K-玻尔兹曼常数,T-光伏电池表面温度,I0-光伏电池暗饱和电流, KI-短路电流温度系数,s-日照强度。

根据以上数学模型,结合SP75光伏电池模块组标准条件下测试参数[7],分别搭建Iph、I0、Uoc、Vt、K1仿真子模块,最后根据式(4)组合成光伏电池仿真模型如下:

图6 光伏阵列PV仿真模型

利用此模型建立最大功率点跟踪算法的仿真系统见图7,MPPT控制算法由M文件编写的S函数中实现。

图8 (a)固定步长扰动算法仿真波形;

(b)变步长扰动算法仿真波形

由仿真结果可知,采用固定步长扰动观测法,当步长较大时虽然动态跟踪速度快,但达到稳态后输出功率有一定波动,不够稳定。而采用变步长扰动观测法则不仅动态响应速度较快,而且稳态误差小。

6 结论

本文对常规扰动观测法加以了改进,提出了一种基于输出特性曲线变化率的变步长扰动观测法。通过仿真实验,表明变步长扰动控制方法能同时保证系统的动态性能和稳态性能。

参考文献

[1] 闵江威. 光伏发电系统的最大功率点跟踪控制技术研究.[硕士学位论文].武汉:华中科技大学,2006

[2] 马兆彪. 太阳能光伏并网发电系统的分析和研究.[硕士学位论文].无锡:江南大学,2008

[3] 余世杰,苏建徽等,带有MPPT功能的光伏阵列Matlab通用仿真模型,系统仿真学报[J],2005

[4] 冯冬青,李晓飞,基于光伏电池输出特性的MPPT算法研究,计算机工程与设计[J],2009,30(17)

[5] 叶秋香. 光伏电池最大功率跟踪器的模糊控制及其应用.[硕士学位论文].上海:东华大学,2006

[6] KOUTROULIS E,KALAITZAKIS K,VOULGARIS N C.Development of a microcontroller–based ,

photovoltaic maximum powerpoint tracking control system

[J].IEEE Transaction on PowerElectronics,2001

[7] WeidongXiao,Willianr G.Dunford .A Modified Adaptive hill climbing MPPT method for

Photovoltaic Power Systems.35th Annua1 IEEE P0wer E1ectronic specialists conference,

Germany,2004■

推荐内容