基于改進單神經元自適應控制的光伏發電系統MPPT研究

王 瑋， 沈 忱

(南京供電公司，江蘇南京210003)

隨著全球經濟的發展，能源的需求與消耗越來越大，迫切需要尋找一種無污染、可替代的可再生能源。太陽能以取之不盡、用之不竭、清潔等優點成為全世界重點推廣的新能源之一。而光伏發電技術是利用太陽能的最為公認的一種技術。但光伏電池的非線性及無規律的外界環境變化的特性，導致光伏電池不能穩定在最大功率點處，因此為了提高能量利用效率，需進行最大功率點跟蹤（MPPT）控制。目前常用的MPPT法主要有固定電壓法、擾動觀察法、電導增量法等。固定電壓法控制方法簡單，但由于忽略了外界環境的變化，能量損失較大[1]。擾動觀察法控制算法易于實現，但不能很好地適應外界環境的劇烈變化，且無法兼顧跟蹤的快速性與精確性[1，2]。電導增量法能快速適應外界環境的變化，但無法選擇合適的步長來兼顧跟蹤的快速性與準確性[3，4]。除了以上幾種方法外，目前也有一些文獻將智能控制算法應用到MPPT中如：模糊控制法等。模糊控制法主要是模糊比例微分（PD）法，該方法能夠快速地跟蹤到最大功率點，但由于缺少積分控制會給系統帶來穩態誤差，跟蹤精度不夠，且模糊規則及隸屬度函數的選擇對跟蹤效果影響較大[5]。文中提出了一種改進的單神經元自適應比例積分微分（PID）控制的方法來實現光伏電池的MPPT，該方法可以解決單神經PID控制存在跟蹤速度較慢的問題，同時可以快速精確地適應外界條件的變化。

1 光伏電池模型建立

根據光伏電池的內部特性，采用光伏電池的單指數模型進行建模，圖1為光伏電池的等效電路。由圖1可得到光伏電池的I-U方程[6-8]：

圖1 光伏電池等效電路

式中：IL為光伏電池的輸出電流；Iph為光生電流；I0為二極管的暗飽和電流；Isc為標況下電池的短路電流；Voc為光伏電池的開路電壓；A為二極管特向因子；q為電子電荷量，1.6×10-19C；k 為波爾茲曼常數，0.86×10-4eV/K；T為絕對溫度。

2 MPPT系統控制結構

為了減小控制算法的復雜度，針對兩級式光伏發電系統的MPPT進行研究。其拓撲結構如圖2所示，其中主電路部分是由光伏電池、電路以及負載或直流母線組成?？刂撇糠种饕峭ㄟ^控制電路中的開關來調節占空比以調節光伏電池的輸出電壓Vout，實現光伏電池的MPPT。

圖2 MPPT控制結構

3 單神經元自適應PID控制方法改進

改進的單神經自適應PID控制主要思想是兩段式方法即遠離最大功率點處采用電導增量法，在最大功率點附近時采用單神經自適應PID控制法，該方法是利用電導增量法能夠快速適應環境變化及單神經自適應PID控制可以提高跟蹤穩態精度的優點，以實現各種環境條件下快速準確的MPPT。其控制結構如圖3所示。

圖3 改進單神經元自適應控制結構

3.1 單神經自適應PID控制算法實現

單神經自適應PID控制器是通過加權系數的調整實現自適應控制[9]。具體的控制算法如式（3—8），令給定 r=0；w1（k），w2（k），w3（k）分別為當前時刻對應的加權系數，ηI，ηP，ηD分別為 I、P、D 的學習率；K 為比例系數；d（k）為當前控制的占空比。其中式（3）為加權系數調整，式（4）加權系數平均值求取，式（5）為當前時刻的占空比，式（6—8）為當前狀態量的變化。

3.2 單神經元自適應PID控制方法的改進

單神經元自適應PID控制方法具有消除穩態誤差的優點但又存在啟動慢的缺點，文中在遠離最大功率點處采用電導增量法來提高系統跟蹤速度且能快速適應環境的變化。此外單神經元自適應控制方法比例系數K的選擇對系統跟蹤性能影響較大，K值過小會影響跟蹤速度，K值過大會影響穩態誤差[9，10]，文中依據誤差的大小，結合模糊規則選擇合適的K值來滿足系統要求。具體算法流程圖如圖4所示。圖5為輸入量e的隸屬度函數，圖6為輸出量K的隸屬度函數，表1為模糊規則，其中采用5個模糊語言變量分別為正大（PB）、正小（PS）、零（Z）、負小（NS）、負大（NB）。

4 仿真分析

圖4 改進單神經元自適應PID算法流程

圖5 輸入量e隸屬度函數

圖6 輸出量K隸屬度函數

表1 模糊規則

利用MATLAB仿真工具箱建立了100W光伏電池仿真模型，在外界環境變換的條件下，分別對擾動觀察法、單神經元自適應算法及改進單神經自適應方法進行了仿真。用斜坡函數表示光照變化，假設溫度穩定在25℃，0.25 s時光照強度從1000W/m2下降到600 W/m2，3種方法的仿真對比結果圖如7所示。

圖7 不同MPPT仿真結果比較

由圖7可見，擾動觀察法在0.08 s時才能跟蹤到最大功率點，且在最大功率點處存在較大的功率波動。單神經自適應控制算法在0.05 s時能跟蹤到最大功率點，且在最大功率點處功率波動較小，實現了PID控制穩態誤差較小的優點。但單神經元自適應控制法由于K取值的問題，在外界環境變化下存在功率跟蹤誤差。改進的單神經元自適應方法在0.02 s時實現了快速精確的MPPT，且能夠快速精確地響應外界條件的變化，不存在功率跟蹤誤差。因此將改進的單神經自適應控制算法應用于光伏發電系統MPPT中，能解決傳統方法擾動步長帶來的不能兼顧快速性與精確性的問題，同時可以改善單神經元自適應控制啟動慢及外界條件變化下功率跟蹤準確性問題。

5 結束語

針對傳統MPPT方法存在的缺陷，提出了一種改進的單神經元自適應控制算法。利用電導增量法能夠快速響應外界條件變化，單神經元自適應法可以消除穩態誤差的優點實現光伏發電系統的MPPT。利用MATLAB仿真工具對改進單神經自適應控制方法進行了仿真比較，結果表明該方法不僅能夠快速響應外界條件的變化，快速跟蹤到最大功率點，并在最大功率點處的功率波動小，穩態誤差小。

[1]張 興，曹仁賢.太陽能光伏并網發電及逆變控制[M].北京：機械工業出版社，2011：30-35.

[2]SIC T.Simulation Research on OutputCharacteristicsof Photovoltaic Array and MPPT Control[J].EastChina Electric Power，2010(2)：0284-0288.

[3]崔 巖，蔡炳煌，李大勇，等.太陽能光伏系統MPPT控制算法的對比研究[J].太陽能學報，2006，27(6)：535-539.

[4]陳愛龍.光伏發電系統MPPT的技術的研究與實現[D].成都：電子科技大學，2011.

[5]袁曉玲，陳 宇，宋鵬飛，等.帶修正函數的模糊控制在光伏發電 MPPT 中的應用[J].可再生能源，2012，30(9)：16-20.

[6]王長江.基于MATLAB的光伏電池通用數學模型[J].電力科學與工程，2009，25(4)：11-14.

[7]趙爭鳴，劉建政.太陽能光伏發電及其應用[M].北京：科學技術出版社，2005：109-117.

[8]蘇建徽，余世杰，趙 為，等.硅太陽電池工程用數學模型[J].太陽能學報，2001，22(4)：409-412.

[9]王永驥，凃 健.神經元網絡控制[M].北京：機械工業出版社，1998：55-60.

[10]王嬋娟，王 強，傅承毓.單神經元模糊PID控制在光電跟蹤系統中的應用[J].光電工程，2006，32（2）：33-36.