光伏發電系統最大功率點跟蹤研究

馮佩云 馮俊青 段小匯

摘要：隨著社會的進步，越來越多的可再生能源開始應用于農業生產。在水產養殖測試基站中引入太陽能光伏發電系統，同時為確保系統在野外環境下的可靠供電，提出一種新型的MPPT跟蹤方法。該方法針對擾動觀察法存在的最大功率點附近震蕩問題引入變步長參數，使系統能夠快速跟蹤到最大功率點，并在最大功率點附近穩定運行;針對因環境變化劇烈造成的錯誤跟蹤情況，引入功率預測法，使系統具有較好的動態性能。最后在仿真環境下對該方法進行驗證，結果表明：新型的MPPT跟蹤方法具有較快的跟蹤速度與較高的穩態精度，能夠適應復雜的工作環境。

關鍵詞：光伏發電;最大功率點跟蹤;功率預測;變步長

Research on Maximum Power Point Tracking of Photovoltaic Power Generation System

FENG Pei?yun， FENG Jun?qing， DUAN Xiao?hui

（School of Electrical Engineering， Yancheng Institute of Technology，Yancheng 224001， China）

Abstract：With the improvement of the society， more and more renewable energy is applied to agricultural production. Solar photovoltaic power generation systems are introduced into aquatic observation base stations. In order to ensure reliable power supply in the field， a new MPPT tracking method is proposed in this article. In this method， in view of the problem of turbulence near the maximum power point， a variable step size parameter is introduced， which enables the system to quickly track the maximum power point and run stably near the maximum power point. Aiming at the error tracking caused by severe environmental changes， power prediction is introduced. Thus， the system has better dynamic performance. Finally， the new method is verified in the simulation environment. Results show that the new MPPT tracking method has faster tracking， higher steady?state accuracy， which proves the method can adapt to the complex working environment.

Key Words：photovoltaic power generation; maximum power point tracking;power prediction;variable step size

0?引言

我國是水產養殖大國，近年來養殖規模不斷擴大[1]，但由于養殖方式落后，養殖水體污染日趨嚴重，再加上極端天氣頻現，導致養殖風險越來越高。因此，智能養殖測試基站應運而生[2]。基于養殖環境的特殊性，傳感節點通常設置于戶外且分布比較離散，通過市電供電有很大困難，若選用光伏電池為整個裝置提供電源，由于光照及溫度等影響因素，將使系統產生較大的功率損失，影響傳感節點的正常檢測與傳輸。

為了高效地利用太陽能進行發電，需要對光伏電池的輸出功率進行最大功率點跟蹤（MPPT）[3]，而為了提高最大功率點跟蹤效果，目前的主要解決方法分為傳統算法與智能算法[4]。野外環境變化較快，最大功率點也隨之快速移動，使得跟蹤難度加大。傳統算法無法及時有效地找到功率最大值，而智能算法雖然收斂速度快、穩定性強，但其參數設置對于經驗、運算方面依賴性較強，在實際應用中不具有普適性。因此，在對各種算法進行分析比較的基礎上，提出一種新型擾動觀察法，解決了傳統算法跟蹤速度慢或對給定擾動錯誤跟蹤，以及智能算法計算量大等問題。最后，搭建了基于Boost電路的MPPT系統仿真模型，驗證了該算法的優越性。

1?光伏電池等效模型及輸出特性

1.1?光伏電池等效模型

光伏電池（太陽能電池板）可以將太陽輻射的光能轉化為人類所需電能，其模型可等效為：一個電源與一個二極管并聯，再串聯與并聯上其內部等效電阻[5]。等效電路如圖1所示。

圖1中，二極管為光伏電池內部等效PN結，?I?VD?為無光照條件下PN產生的總擴散電流，此時光伏電池可當作普通二極管;?I?ph為光伏電池受光照后激發產生的電流，其大小及光照強弱與光伏板面積成正比，I?ph?值大約為16～30mA/cm?且隨著溫度上升而線性上升;?R?sh為光伏電池內部等效并聯電阻，大小正常為幾千歐，其一般是由光伏板內部晶體硅形成的;I?sh為等效并聯電阻上通過的電流，一般比較小;R?sl為光伏板內部等效串聯電阻，大小只有零點幾歐姆，其是由光伏板外部結構形成的，I?0為光伏電池輸出電流。從圖中可以得出[6]：

將式（2）、式（3）代入式（1）可以得出：

式（4）中，I?s為光伏電池的逆向飽和電流，q=1.6×10-19C，n為二極管品質因子，K為波爾茲曼常數（1.38×10-23J/K），T為光伏電池表面溫度。U?o、I?s兩個參數與光伏板內部半導體材料有關，其大小一般為常數，且不受光照、溫度等外部環境影響。

1.2?光伏電池輸出特性

光伏電池的輸出電能是由光電效應轉化而來，利用MATLAB對光伏電池輸出特性進行仿真，在溫度恒定不變的條件下，光伏電池在不同光照條件下的P-V特性曲線如圖2所示。由圖中可以看出，隨著光照輻射的增強，光伏電池的輸出功率變大，且存在單峰值。

在光照恒定不變的條件下，光伏電池在不同溫度條件下的P-V特性曲線如圖3所示。隨著溫度的變化，光伏電池輸出量之間存在典型的非線性關系[7]。在輸出電壓較低時，功率隨著溫度升高而小幅提升，在輸出電壓較高時，功率隨著溫度的升高而降低。

將在不同溫度、光照等環境因素下的輸出特性進行對比可以看出，無論在哪種情況下，光伏板的輸出功率都存在一個極值，即最大輸出功率點。

2?MPPT原理與分析

2.1?光伏電池MPPT原理

根據上述光伏電池輸出特性曲線可知，在不同的光照強度及溫度下，光伏電池輸出功率只有一個最大值。在水產養殖現場，傳感器節點分布廣、維護困難，且電源對供電可靠性要求較高，因此其對太陽能的高效利用有著迫切需求，即能夠快速、穩定地尋找到光伏電池的最佳工作狀態，尋求最大功率點輸出[8]。利用各種控制方法實現光伏板輸出最大功率的技術稱為最大功率點跟蹤技術（MPPT）。圖4給出了光伏電池工作時的簡單等效電路。

由圖4可以看出，要使光伏電池的輸出功率最大，也即使負載R?0的獲得功率最大。R?0的功率表達式為：P?o=I＼+2?oR?o=U?iR?i+R?o＼+2R?o，對R?o求導可得：dP?odR?o=U＼+2?iR?i-R?o（R?i+R?o）。因此，得到當dP?od?R?o=0時，輸出功率最大，即：R?i=R?o。

由以上分析可知，當調整負載電阻等于光伏電池內阻時，光伏電池輸出最大功率。MPPT控制一般是由DC-DC電路實現的，即：通過調整開關管占空比對DC/DC電路等效內阻進行調節，從而實現最大功率點跟蹤的目的。

2.2?光伏電池MPPT分析

在MPPT控制常用的DC/DC變換電路中，Boost電路具有更高的轉換效率，更有利于實現最大功率點跟蹤。本文選擇Boost電路作為MPPT控制電路，根據Boost電路原理可知，在理想狀態下，其輸入、輸出關系為：

而Boost電路輸入電阻為：

根據功率平衡可得：

由公式（5）～（7）可得：

由公式（8）得出，通過調節占空比?D?，即可改變Boost電路輸入電阻，如果使其恰好等于光伏電池等效內阻，則光伏電池可輸出最大功率[9]。

3?常見MPPT控制方法

目前，MPPT的控制方法較多，其中傳統控制算法有：定電壓跟蹤法、擾動觀測法及電導增量法[10]。該類算法主要是實時采集光伏電池的電壓與電流值并通過MPPT控制算法實現控制[11]，輸入條件是養殖水塘光伏發電系統實時運行情況，且控制算法相對簡單，理論較為成熟，實際應用也最為廣泛[12]。

3.1?定電壓跟蹤法（CVT）

由圖2可得，在溫度一定的條件下，隨著光照的增強，光伏電池的最大功率輸出點集中于一條垂直線兩側。因此，光伏電池最大功率點所對應的工作電壓幾乎一致，只需將光伏電池的工作電壓穩定在某一固定值，光伏電池的輸出將接近最大功率，這種簡單的方法稱為定電壓跟蹤法[13]。定電壓跟蹤法是一種開環MPPT控制方法，對硬件結構要求不高，實現較為容易，但該控制方法未考慮溫度影響，在水產養殖現場，環境溫度變化較大，因而控制精度較差。

3.2?擾動觀察法（P&O）

擾動觀察法是一種應用較為廣泛的MPPT控制算法，其主體思想是：對光伏電池某個參數給定一個小幅擾動，觀察光伏電池輸出功率變化，以決定下一步電壓、電流的方向[14]，最終使光伏電池的輸出功率落在最大功率點。擾動觀察法由于算法思路通俗易懂、控制方式簡單、需要測量的參數少等優點在MPPT控制中應用較多，但當系統追蹤到最大功率點時，系統因擾動影響而在最大功率點附近震蕩，導致系統穩定性較差，而且當環境因素變化較快時容易引起誤判，導致MPPT跟蹤算法失效。

3.3?電導增量法（ICM）

電導增量法本質也是在不同情況下增大或減少系統控制量（電壓、電流等），以達到最大功率點跟蹤的目的[15]，不同之處在于其是根據光伏電池U-P曲線的dP/dU變化情況判斷是否工作在最大功率點。采用電導增量法能夠快速、準確地跟蹤光伏電池最大功率點，且算法波動較小。但其對系統初始化數據的準確性要求較髙，且計算量較大，對傳感器精度與硬件要求也較高，因此系統成本較高，算法計算過程也較為復雜，實際應用受到限制。

除上述傳統算法外，還有基于現代控制理論的人工智能控制法，如模糊邏輯控制、人工神經網絡等[16?17]，但這類算法對系統硬件要求更高，且計算量龐大，不適合應用于實際光伏發電系統中[18?19]。

4?新型MPPT控制算法

通過上文對MPPT控制算法的介紹，根據對各算法的理論分析及實際運行經驗，對比各算法的響應能力、穩態時跟蹤效率、控制難易程度等指標，對比結果如表1所示。

結合實際運行結果可知，擾動觀測法由于擾動的作用，系統存在最大功率點附近震蕩現象，且在實際環境光強變化劇烈的情況下會產生錯誤跟蹤，造成較大的功率損失，甚至出現程序控制運行中的失序。如圖5所示，假設在前一時刻，對系統工作光強較低的①點增加擾動量，觀察功率變化情況，此時光強急劇增大，使光伏電池特性曲線變為?x?2?，系統工作于②點。通過比較可得，隨著功率增大，系統認為擾動方向正確，則會繼續增大向右的擾動，如果光強繼續增加，工作點則越來越偏離最大功率點。

基于上述分析，對擾動觀察法進行改進，針對最大功率點附近的震蕩問題引入變步長參數?λ（k）。λ（k）=ε?|Δ?P|，ε為常數，λ（k）決定功率變化步長。當功率變化較大時，步長也較大，可以快速跟蹤最大功率點;當功率變化較小時，步長較小，可以保證功率穩定性。另設置功率變化的最小閾限值e，|ΔP|<e?時，此時對參考電壓不作調整;當|Δ?P|>e時，任務系統偏離最大功率點，需要重新計算步長。

針對擾動方向誤判的問題，引入功率預測法。即：當采樣頻率較高時，假定一個采樣周期中光強變化恒定，在kT時刻，測得電壓U?k，功率P（k），此時不對參考電壓施加擾動。在kT后半個采樣周期（k+1/2）T，測得功率P（k+1/2），由于前半采樣周期的光強變化量與后半采樣周期的光強變化量相同，可預測得知（K+1）T時的功率為P′（k）=2[P（k+1/2）-P（k）]+P（k），在此時施加擾動λ（k）。在（K+1）T時，測得功率為P（k+1），此時P（k+1）和P′（k）是在同一光強下施加擾動前后的兩個工作點，根據兩個功率判斷擾動方向以跟蹤最大功率點，具體流程如圖6所示。

5?新型MPPT控制算法仿真

根據以上對改進型擾動觀察法的研究，搭建基于Boost電路的MPPT系統仿真模型[20]。如圖7所示，仿真參數設置為：溫度為25℃，開路電壓?U?OC?=22V，短路電流?I?SC?=8.58A，最大功率點電壓?U?m?=17.7V，最大功率點電流?I?m?=7.94A。仿真結果如圖8所示。

由圖8（a）可知，初始時刻光伏電池輸出功率在出現較大震蕩后逐步趨于平穩，在0.05s附近系統完成最大功率點跟蹤，并保持在140.5W左右。由此說明算法跟蹤精度高，在最大功率點處并無明顯振蕩，顯示出良好的穩態性能。在圖8（b）中，t=0.3s時，設置光強從500W/m?2突變為1 000W/m?說明在外界環境突變時，系統能夠快速完成最大功率點跟蹤，顯示出較好的動態響應能力。

6?結語

在現代水產養殖需求下，由于光照及溫度等因素影響，使測控基站產生較大功率損失。為了高效利用太陽能發電，本文提出一種新型的光伏電池最大功率點跟蹤技術，引進變步長參數解決了最大功率點附近波動大的問題，同時運用功率預測法解決了功率跟蹤中的“誤判”現象。仿真研究表明，系統顯示出較好的穩態及動態性能，能夠很好地適應惡劣的工作環境。

參考文獻：

[1]?楊正勇，黃書培.水產養殖經濟研究文獻綜述[J].中國漁業經濟，2010（4）：166?176.

[2]?苗衛衛，江敏.我國水產養殖對環境的影響及其可持續發展[J].農業環境科學學報，2007（S1）：319?323.

[3]?田勤曼.光伏發電系統中最大功率跟蹤控制方法的研究[D].天津：天津大學，2008.

[4]?譚文龍.光伏發電系統最大功率點跟蹤算法研究及實現[D].武漢：湖北工業大學，2017.

[5]?廖志凌，阮新波.任意光強和溫度下的硅太陽電池非線性工程簡化數學模型[J].太陽能學報，2009，30（4）：430?435.

[6]?李勇，程漢湘，陳杏燦，等.光伏電池輸出特性及其最大功率跟蹤研究[J].華北電力大學學報：自然科學版，2017，44（1）：70?75.

[7]?張建成，李倩，周春霞，等.基于混沌搜索的MAP?SO?BPNN在光伏功率預測中的應用研究[J].華北電力大學學報：自然科學版，2014，41（4）：15?21.

[8]?王巖.光伏發電系統MPPT控制方法的研究[D].北京：華北電力大學，2007.

[9]?KWON J M， CHOI W Y， KWON B H. Multi?mode MPPT control for improved efficiency[C].IEEE International Conference on Sustainable Energy Technologies， 2008：140?143.

[10]?李扶中，雄蕊.一種新型的不對稱規則SPWM采樣法[J].電力電子技術，2007，41（4）：93?95.

[11]?張運長.基于DSP的光伏MPPT控制器的研究[D].合肥：安徽大學，2015.

[12]?沈友朋.非隔離型光伏并網逆變器的研究[D].南昌：華東交通大學，2012.

[13]?張忠政，程曉舫.太陽電池最大功率恒壓跟蹤研究[J].中國電機工程學報，2014，34（26）：4521?4527.

[14]?劉勝榮.基于DSP控制的光伏發電系統逆變器的研制[D].廣州：華南理工大學，2010.

[15]?蒲鵬鵬.小功率光伏并網發電系統控制策略研究[D].焦作：河南理工大學，2009.

[16]?吳學敏.H相電壓型光伏并網控制系統研巧[D].成都：西南石油大學，2015.

[17]?HUANG K， LI W， HUANG X. MPPT of solar energy generating system with fuzzy control and artificial neural network[C]. IEEE International Conference on Information Technology， Computer Engineering and Management Sciences， 2011：230?233.

[18]?呼忠權，王洪瑞，賀晙華，等.基于差分進化算法的太陽能自動跟蹤控制方法[J].太陽能學報，2014，35 （6）：1016?1021.

[19]?蔡紀鶴，孫玉坤，李蓓，等.基于LS-SVM的光伏最大功率跟蹤控制方法[J].農業機械學報，2014，45（S1）：213?219.

[20]?茆美琴，余世杰，蘇建徽.帶有MPPT功能的光伏陣列Matlab通用仿真模型[J].系統仿真學報，2005，17（5）：1248?1251.