论文部分内容阅读
摘 要：光伏发电的输出功率受环境条件和负载改变的影响，为了充分发挥光伏发电的效能，需对其输出功率峰值点进行跟踪控制。采用模糊控制算法通过对比前后两个时刻输出功率的变化趋势和控制器输出的调整值，判断当前状态与输出功率峰值点的位置，智能的改变电压变换电路的控制输出，在保证响应快速性的前提下，提高了稳态跟踪精度。仿真结果表明采用模糊控制能够获得更快的响应速度，更高的跟踪精度和更大的功率输出，更适合光伏发电系统的输出功率峰值点跟踪控制。
关键词：模糊控制；光伏发电；输出功率峰值点跟踪
光伏发电系统输出功率的最大值受到温度、光照等因素的影响，因此根据实时的温度和光照对光伏发电系统输出功率的峰值点进行跟踪控制，可更加有效地利用光伏能源。本文提出采用模糊算法跟踪光伏发电系统的最大输出功率点，充分利用模糊控制规则的智能性，通过不断改变控制器输出电压的调整值，找到输出功率的峰值点。本方法结构简单且易于实现，只需不断的测量系统的输出功率，不管外界环境如何变化，都能使系统快速的跟踪到输出功率的峰值点，而且还可以根据系统参数改进模糊规则，在搜索到输出功率的峰值点后没有震荡现象，从而提高了跟踪效率。
1 控制原理
为了实现输出功率峰值点的跟踪，要测量光伏发电系统输出功率的变化，通过对比前后两个时刻控制器输出的调整值和输出功率的变化趋势，判断当前输出功率峰值点的位置，再通过调整控制器的输出，使输出功率向增大的方向变化，直到追踪到输出功率的峰值点。当输出功率的峰值點随环境的变化而漂移时，模糊控制器就会检测到这种变化，并通过调整控制器的输出值，使系统重新回到输出功率的峰值点。输出功率峰值点跟踪控制系统的构成如图1所示。
图中，e（n）表示实际输出功率的变化量，a（n）表示模糊控制器输出的调整值；E（n）和 A（n）分别表示与e（n）、a（n）相对应的模糊论域中的值，D（n）是第n次输出的控制值，D（n-1）是第n-1 次输出的控制值，Ke，Ka 分别为量化因子。其工作过程是把第n次与第n-1次采样的功率值的变化量e（n）和第 n-1 次采样的模糊控制器输出调整值 a（n-1），分别乘以各自的量化因子后输入到模糊控制器。经模糊控制器的模糊计算后，把输出量A（n）乘以量化因子之后作为模糊控制器输出的调整值。若发电系统的输出功率增加，则控制器输出正的调整值，否则输出负的调整值；当光伏发电系统当前工作状态离输出功率峰值点较远处时，模糊控制器输出的调整值较大，使系统的跟踪速度加快；当工作状态离输出功率峰值点较近时，输出的调整值较小，可避免系统在峰值点附近产生振荡。
2 模糊控制器设计
2.1 输入输出变量的模糊化
2.2 确定隶属度函数
选择常用的三角形隶属度函数，其中功率差值E和调整值A的隶属度函数如图2和图3所示。
2.3 设计模糊规则
根据控制原理，首先考虑功率偏差为负的情况，当功率偏差为负大时，若上次输出的调整值也是负大，系统远离峰值点，本次输出的调整值取正大；当功率偏差为负而上次的调整输出为正时，系统已接近峰值点，本次输出的调整至应取正小；当功率偏差为正时，控制规则相反。因此制定的模糊控制规则表如下表所示：
3 系统仿真
在Matlab 的SIMULINK环境下，对控制算法进行仿真，通过对系统进行反复的试验，确定量化因子Ka 取 0.03，Ke 取0.4。
将所搭建系统的仿真最大步长设定为 0.05秒，运行时间设定为 12秒，把环境温度设置为25℃，在6s处将日照强度从600W/m2突然增大到800W/m2，得到系统输出功率的波形变化如图 4 所示，响应的延迟时间为0.025 秒；相同条件将日照强度由 600W/m2突然减小到400W/m2，得到系统输出功率的波形变化如图 5所示，响应的延迟时间为0.03 秒。
4 仿真结果分析
根据仿真得出的波形图4、5可以看出，采用模糊控制算法能够迅速的捕捉到光伏发电系统的输出功率峰值点，并且在输出功率峰值点处没有波动。当光照条件发生变化时，系统都能够快速稳定的再次捕捉到输出功率峰值点，从而可以得出，应用于光伏发电系统输出功率峰值点跟踪的模糊控制器能够达到预期的设计要求。
参考文献：
[1]任海鹏，郭鑫，杨彧，李洁.光伏阵列最大功率跟踪变论域模糊控制[J].电工技术学报，2013.
[2]赵邈.太阳能电动车最大功率点跟踪模糊控制器设计[J].自动化与仪器仪表，2011.
[3]景会成，徐来立，李静，玄兆燕，赵欣.基于SIMULINK 的光伏电池模型及模糊算法 MPPT 系统仿真[J].华北理工大学学报，2016.
基金项目：吉林省教育厅“十二五”科学技术研究项目：“微电网发电系统居民小区电动汽车充电策略研究” ；吉教科合字[2014]第422号
作者简介：唐耀武（1959-），男，满族，吉林长春人，副教授，长期从事计算机控制技术及新能源方面的研究工作。
关键词：模糊控制；光伏发电；输出功率峰值点跟踪
光伏发电系统输出功率的最大值受到温度、光照等因素的影响，因此根据实时的温度和光照对光伏发电系统输出功率的峰值点进行跟踪控制，可更加有效地利用光伏能源。本文提出采用模糊算法跟踪光伏发电系统的最大输出功率点，充分利用模糊控制规则的智能性，通过不断改变控制器输出电压的调整值，找到输出功率的峰值点。本方法结构简单且易于实现，只需不断的测量系统的输出功率，不管外界环境如何变化，都能使系统快速的跟踪到输出功率的峰值点，而且还可以根据系统参数改进模糊规则，在搜索到输出功率的峰值点后没有震荡现象，从而提高了跟踪效率。
1 控制原理
为了实现输出功率峰值点的跟踪，要测量光伏发电系统输出功率的变化，通过对比前后两个时刻控制器输出的调整值和输出功率的变化趋势，判断当前输出功率峰值点的位置，再通过调整控制器的输出，使输出功率向增大的方向变化，直到追踪到输出功率的峰值点。当输出功率的峰值點随环境的变化而漂移时，模糊控制器就会检测到这种变化，并通过调整控制器的输出值，使系统重新回到输出功率的峰值点。输出功率峰值点跟踪控制系统的构成如图1所示。
图中，e（n）表示实际输出功率的变化量，a（n）表示模糊控制器输出的调整值；E（n）和 A（n）分别表示与e（n）、a（n）相对应的模糊论域中的值，D（n）是第n次输出的控制值，D（n-1）是第n-1 次输出的控制值，Ke，Ka 分别为量化因子。其工作过程是把第n次与第n-1次采样的功率值的变化量e（n）和第 n-1 次采样的模糊控制器输出调整值 a（n-1），分别乘以各自的量化因子后输入到模糊控制器。经模糊控制器的模糊计算后，把输出量A（n）乘以量化因子之后作为模糊控制器输出的调整值。若发电系统的输出功率增加，则控制器输出正的调整值，否则输出负的调整值；当光伏发电系统当前工作状态离输出功率峰值点较远处时，模糊控制器输出的调整值较大，使系统的跟踪速度加快；当工作状态离输出功率峰值点较近时，输出的调整值较小，可避免系统在峰值点附近产生振荡。
2 模糊控制器设计
2.1 输入输出变量的模糊化
2.2 确定隶属度函数
选择常用的三角形隶属度函数，其中功率差值E和调整值A的隶属度函数如图2和图3所示。
2.3 设计模糊规则
根据控制原理，首先考虑功率偏差为负的情况，当功率偏差为负大时，若上次输出的调整值也是负大，系统远离峰值点，本次输出的调整值取正大；当功率偏差为负而上次的调整输出为正时，系统已接近峰值点，本次输出的调整至应取正小；当功率偏差为正时，控制规则相反。因此制定的模糊控制规则表如下表所示：
3 系统仿真
在Matlab 的SIMULINK环境下，对控制算法进行仿真，通过对系统进行反复的试验，确定量化因子Ka 取 0.03，Ke 取0.4。
将所搭建系统的仿真最大步长设定为 0.05秒，运行时间设定为 12秒，把环境温度设置为25℃，在6s处将日照强度从600W/m2突然增大到800W/m2，得到系统输出功率的波形变化如图 4 所示，响应的延迟时间为0.025 秒；相同条件将日照强度由 600W/m2突然减小到400W/m2，得到系统输出功率的波形变化如图 5所示，响应的延迟时间为0.03 秒。
4 仿真结果分析
根据仿真得出的波形图4、5可以看出，采用模糊控制算法能够迅速的捕捉到光伏发电系统的输出功率峰值点，并且在输出功率峰值点处没有波动。当光照条件发生变化时，系统都能够快速稳定的再次捕捉到输出功率峰值点，从而可以得出，应用于光伏发电系统输出功率峰值点跟踪的模糊控制器能够达到预期的设计要求。
参考文献：
[1]任海鹏，郭鑫，杨彧，李洁.光伏阵列最大功率跟踪变论域模糊控制[J].电工技术学报，2013.
[2]赵邈.太阳能电动车最大功率点跟踪模糊控制器设计[J].自动化与仪器仪表，2011.
[3]景会成，徐来立，李静，玄兆燕，赵欣.基于SIMULINK 的光伏电池模型及模糊算法 MPPT 系统仿真[J].华北理工大学学报，2016.
基金项目：吉林省教育厅“十二五”科学技术研究项目：“微电网发电系统居民小区电动汽车充电策略研究” ；吉教科合字[2014]第422号
作者简介：唐耀武（1959-），男，满族，吉林长春人，副教授，长期从事计算机控制技术及新能源方面的研究工作。