基于預測模型加擾動控制的最大功率點跟蹤研究

劉洋　畢朕斌　欒鑫

【摘 要】分析了光伏發電系統最大功率點跟蹤的基本工作原理，通過對現有控制方法的深入研究，設計了基于預測模型加擾動控制的最大功率點跟蹤研究方法，仿真實驗結果表明：基于預測模型加擾動控制的最大功率點跟蹤研究方法不但能保證光伏陣列穩定準確的運行在最大功率點，而且跟蹤速度明顯提高，對于提高整個太陽能光伏發電系統的效率有非常重要的意義。

【關鍵詞】光伏發電；最大功率點跟蹤；預測模型；擾動控制

【Abstract】This paper analyzes the basic working principle of MPPT of photovoltaic power generation system， and designs the MPPT method based on predictive model and perturbation method. The simulation results show that the MPPT method based on prediction model and perturbation and observation methodc can not only ensure the stability and accuracy of PV array， but also improve the efficiency of the whole system.

【Key words】Photovoltaic power generation； MPPT； Forecasting model； Disturbance control

0 引言

光伏能源是可再生能源的一種，也是目前開發利用較多的一種可再生能源。光伏能源屬于清潔能源，其具有無污染、可再生、分布廣泛等特點，近年來被廣泛認可并使用，就我們國家的情況而言，無論從現實需要，還是從未來的發展潛力考慮，太陽能都應是各種可再生能源中的首選。

1 傳統的最大功率跟蹤方法

1.1 恒定電壓法

恒定電壓法在太陽能電池溫度變化不大時，太陽能電池的輸出P—V 曲線上的最大功率點幾乎分布于一條垂直直線的兩側。恒定電壓法特點是：檢測參數少、對硬件電路的要求低、實現比較容易，但是跟蹤控制的效率差、僅適用于小功率發電設備中。

1.2 擾動觀察法

擾動觀察法[1]是通過對系統的輸出電壓、電流或PWM信號上疊加一個或正或負的擾動，在跟蹤控制過程中，通過不間斷地比較系統的輸出功率值來判斷所受的擾動是增強型的還是削弱型的，進而對控制PWM脈沖信號進行調節，實現最大功率跟蹤控制。擾動觀察法的特點是：實現起來比較容易，但是在最大功率點附近的波動現象會影響系統的輸出。

1.3 電導增量法

電導增量法是根據光伏電池的輸出特性中電壓和功率的關系實現控制的。電導增量法的特點：實現起來比較容易，而且與擾動觀察法相比，在最大功率點附近沒有較大的波動現象，但在實踐中對硬件的要求較高，最大功率跟蹤控制調節的周期也會增加，影響了控制的時實性。

2 基于預測模型加擾動控制的最大功率點跟蹤方法

目前對太陽能光伏MPPT的研究主要是解決其中的兩個問題[2]，一是跟蹤速度，二是系統的穩態性。基于以上兩個問題，本文提出了基于預測模型加擾動控制的最大功率點跟蹤方法。本方法相當于在原有太陽能光伏發電系統的MPPT控制器上添加一個調節器，改進后的MPPT控制器主要分為兩部分，預測模型控制器是為了快速準確地找到最大功率點位置，擾動控制器是為了避免預測模型誤差，使跟蹤結果更精確。本項目提出的基于預測模型加擾動控制的最大功率點跟蹤方法原理圖如圖1所示。

2.1 極限學習機理論

本項目釆用近年來發展起來的智能算法—神經網絡極限學習機來訓練預測模型控制器，極限學習機（ELM）是一種誤差比較小的單隱層前饋神經網絡訓練算法，跟傳統的基于梯度下降的學習算法相比極限學習機有很大的優勢：ELM的計算速度非常快，他隨機給定隱含層的連接權值，訓練過程不需要迭代調整；傳統的梯度下降算法，容易陷入局部極小，而ELM算法由于其求解輸出權值最小二乘解的過程是一個凸優化問題，因此不會陷入局部最優，具有比傳統算法更好的泛化性；ELM的參數選擇簡單，只需要選擇合適的隱層結點便可獲得良好的性能，而傳統的基于梯度下降的算法如網絡等，還需要選擇合適的學習率，訓練歩長等。

2.2 預測模型控制器的訓練

本文設計的MPPT控制器中的模型控制器是為了快速準確的找到光伏陣列的最大功率點，因此把最大功率點作為預測模型控制器模型的輸出，由于在環境溫度和光照強度一定時，最大功率點的功率和電壓是確定的，所以在模型中可以選擇最大功率點的功率作為輸出，也可以選擇最大功率點的電壓作為輸出。

關于整個控制器里模型控制器的輸入和輸出變量已經確定，由于它們之間呈現出高度的非線性關系，利用傳統的辨識方法很難辨識出這樣一個兩輸入一輸出的模型，本文釆用極限學習機來訓練此模型控制器，并且其結構比較簡單、誤差較小，對整個太陽能光伏發電系統的跟蹤速度和穩態性能都有很大作用。其結構如圖2所示：

2.3 仿真實驗

本文采取在反饋控制器上加入由極限學習機算法訓練的模型控制器，由于擾動觀察法的結構簡單[3]，運算速度較快，本文以擾動觀察法作為反饋控制器的控制算法來進行下面的仿真實驗。第一組實驗：在5s以前的環境條件為：環境溫度為15℃，光照強度為1kw/m2，在5s時環境條件變化為：環境溫度為25℃，光照強度為1.2kw/m2。圖3（a）為完整控制器和只使用模型控制器作為控制器的跟蹤對比曲線，圖3（b）完整控制器和擾動觀察法的控制對比曲線：

（a）完整控制器和只使用模型控制器作為控制器的跟蹤對比曲線

（b）完整控制器和擾動觀察法的控制對比曲線

2.4 仿真結果

從圖3可以看出，本文所設計的光伏控制器的跟蹤性能特別好，在短暫的一秒內就能完成跟蹤，并且穩定的運行在最大功率點，變化后的環境條件依然離訓練數據比較近，其穩態誤差幾乎為零。

3 結語

本文在分析幾種傳統最大功率點跟蹤方法的缺點后，提出了基于預測模型加擾動控制的最大功率點跟蹤研究。仿真實驗結果表明：最大功率點跟蹤研究當環境條件變化時，基于預測模型加擾動控制的跟蹤控制方法能夠快速的跟蹤新的最大功率點，并且保證在進入穩定狀態后光伏陣列無震蕩穩定工作在最大功率點，無論是跟蹤速度和穩態性能都有很大提高，證實了這種控制方法的有效性。

【參考文獻】

[1]徐鋒.基于模糊控制和功率預測的變步長擾動觀察法在光伏發電系統MPPT控制中的應用[J].計算機測量與控制，2014（02）.

[2]方波，羅書克，康龍云.光伏占空比擾動控制MPPT及其仿真研究[J].可再生能源，2013（10）.

[3]沈實疊，姚維.基于變步長的光伏系統MPPT算法研究[J].輕工機械，2013（05）.

[4]朱銘煉，李臣松，陳新，龔春英.一種應用于光伏系統MPPT的變步長擾動觀察法[J].電力電子技術，2010（01）.

[責任編輯：楊玉潔]