基于Atmaga32單片機的光伏水泵控制系統的開發與設計

王雪飛

（新疆職業大學新疆烏魯木齊830013）

隨著化石燃料的日益匱乏和環境問題的日益突出，如何尋求一種高效生態的綠色能源逐漸成為人類和自然可持續發展過程中必須解決的問題。近年來的研究發現，光伏發電可作為綠色可持續能源，具備良好的應用前景[1-3]。而作為光伏發電技術中重要分支的太陽能水泵系統，已經在國內外逐步實現產業化，廣泛應用于灌溉經濟和溫棚作物、解決供水與水土流失等問題上。其在獲得一定經濟效益的同時，不同程度上改善了當地的生態環境[4-7]。可以預見的是，隨著我國光伏發電和灌溉技術的不斷交織與發展，以光伏水泵系統為核心的環保灌溉技術將成為我國節能節水農業灌溉的發展潮流。

光伏水泵控制系統的核心部件是控制器，用于匹配光伏陣列和水泵，實現功率變換。本文利用最大功率點跟蹤（MPPT）控制算法根據實時的太陽輻射情況動態調節PWM波的占空比，調整電樞電壓，從而改變電動機轉速，實現對水泵液壓動力的相關控制調節操作[8-11]。文中基于Atmaga32單片機，采用以遺傳算法為核心的最大功率跟蹤（MPPT）控制方法，使用直流無刷電動機水泵，設計并開發了一套新型光伏水泵控制系統。經過仿真和平臺測試，該控制系統運行穩定，工作良好，能為類似光伏水泵控制系統的設計和開發提供良好的技術支持。

1 總體結構設計

文中的光伏水泵控制系統包含了太陽能電池板、水泵（離心式）和電動機（無刷直流），其總體結構可見圖1所示。從圖中可以看出，光伏陣列含有兩路電能輸出：一路輸出經由控制電源模塊將各個直流電壓（+5 V，+12 V，+15 V）輸送給光伏水泵控制器；另一路輸出經由IPM模塊將能量提供給無刷直流電動機，并通過調整電機轉速從而對水泵負載進行相應的調節。

文中采用了Atmel公司開發的AVR系列高效能主控芯片Atmaga32（8位）作為控制器芯片，用于控制最大功率跟蹤過程和電動機運轉。此外，本文還對相關保護與外圍硬件進行了一定程度的自定義設計，其中包括檢測電壓（V）、電流（I）、溫度（T）等參數，以實現對整個系統的優化運行。

圖1 本文設計的光伏水泵控制系統結構示意圖

2 算法分析和實現

2.1 基于遺傳算法的MPPT實現

遺傳算法是近年來新興的搜索和優化方法，其特點是能夠模擬生命進化機制，將計算機科學和自然遺傳學相融合進行優化[12-14]。將遺傳算法融入MPPT的步驟可如下描述：

1）優化變量的選擇。本系統通過DC-AC電路的占空比調節來實現光伏陣列的輸出功率調整。因此，本文的優化變量選擇的是占空比。

2）適應值函數的確定。個體的優劣程度主要是通過適應值的大小來反映的，因此在設計過程中需要注意目標函數f（x）的優化方向始終要與適應值函數g（x）的增大方向保持對應關系。因此，兩個函數之間的映射關系可如下所示：

其中，Gmin代表的是最近K代或當前各代中最小的g（x）。

3）選擇操作。基于群體范圍內對個體適應度的評估進行一系列的選擇操作，即以設定的概率選出某一種群中的部分（N個）優化個體遺傳給下一代，最終獲得的各染色體概率為：

4）交叉操作。將選中的2個染色體進行繁殖，組成雙親執行交叉操作，即以式（3）的方式產生染色體（個體）：

從表3可以看出，在語法可接受度判斷中，三組被試都判斷不合語法句子的可接受度低于合語法的句子，并且通過成對樣本T檢測可以看出，對合語法和不合語法句子的判斷差異都是顯著的。我們進一步通過重復測量方差分析(RM ANOVA)發現:組別因素對被試判斷句子是否合語法并沒有顯著影響(F(2，62)=0.537，p=0.587，＞0.05)。

其中，a為比例因子（[0，1]內隨機產生）；Li，k+1（Lm，k和Ln，k）代表的是子（父）代染色體。

5）變異操作。即按照變異的特性和概率對群體范圍內個體串中的某分量進行變化。該變異操作對遺傳算法的局部搜索能力起決定作用，也保證了算法的全局最優：

其中，Pmi代表的是某個體i所對應的變異概率；Pmean表示的是具備群體平均適應度的個體變異概率；Pmax表示的是具備最大適應度的個體增加的變異概率；f（i）表示的是某染色體i的適應度。

2.2 融合擾動觀察法的遺傳算法

遺傳算法的本質實際上是概率搜索技術，在任何外界環境下均能完成最大功率點的快速準確搜索。但隨之帶來的是，光伏系統難以穩定維持最大功率狀態的問題。因此，當遺傳算法搜索到最大功率狀態附近時（達到終止條件）便搜索終止，隨后使用擾動觀察法（小步長占空比）。此外，在算法中還事先設定了某一閾值e，若功率的變化量處于設定的閾值范圍內，擾動隨即停止，從而有效降低該光伏系統的能量損耗（處于最佳功率點附近）。算法的相關流程，可見圖2。

2.3 MPPT算法的仿真分析

圖2 融合擾動觀察法的遺傳算法流程示意圖

本文使用的是PB150-35光伏陣列，基于該陣列在Simulink環境中搭建仿真模型。其中，各個參數（標準條件下）為：Im=4.3 A，Vm=35 V，Pm=150 W，Isc=4.8 A，Voc=43 V，A=0.0060 A/℃ ，B=0.21 V/℃ ，Rs=0.09Ω[15-16]。

對上述光伏陣列的Simulink仿真模型進行封裝，在此基礎上建立MPPT控制的仿真模型，可見圖4所示。

分別使用擾動觀察法以及自適應擾動觀察法（基于遺傳算法建立）在MPPT子模塊中進行了Simulink仿真。仿真過程中為貼近真實外界環境，模擬了日照強度突變的情形，最終結果可見圖5，6所示。

圖3 光伏陣列在Simulink仿真環境下的模型

圖4 引入MPPT控制后的Simulink仿真模型

圖5 擾動觀察法（普通）的仿真波形

圖6 自適應擾動觀察法（基于遺傳算法）的仿真波形

由圖5易知，光照發生突然變化，普通擾動觀察法控制下的輸出波形發生劇烈的震蕩，可見在控制過程中該方法跟蹤速度較慢；達到穩態后，陣列的仿真輸出波形也出現了一定程度的波動，產生了波峰峰值為10 W左右的高頻紋波，從而損失了部分不應損失的能量。對比圖6易知，自適應擾動觀察法能快速跟蹤最大功率點的變化，且跟蹤全過程中過渡平穩，到達新的最佳工作點后也不會有較大的波動。因此，穩定性能良好，損失的能量較小，使得光能的利用效率得到大幅提高。

3 軟件實現

文中光伏水泵控制系統采用AVR Studio軟件（Atmel公司推出）作為Atmaga32單片機的軟件開發環境。該軟件平臺具有開放、易移植、免費、配置靈活等優點，在編譯代碼、下載程序等方面為用戶提供便利。本文系統軟件部分的程序設計流程，可見圖7所示。

圖7 本文光伏水泵控制系統軟件程序設計流程圖

從設計流程圖中易知，程序從MCU外設初始化開始，按照三段式啟動方法啟動電動機，啟動成功與否由系統統計的反電勢過零次數來判斷。若啟動失敗，且嘗試啟動次數大于5次則等待10分鐘后重新進行初始化操作。若電動機啟動成功，則開始對光伏陣列電壓、電流、溫度等參數進行采樣，采樣過后利用新型MPPT模塊（基于遺傳算法）計算出PMW波的占空比，以實現后續對無刷直流電動機系統速度的調節。當該光伏水泵控制系統處于運行狀態時，需要對表示故障信息的標志位進行定時檢測。若出現過熱、過流等異常信號，則立即進行告警操作；若并未發現故障信號，則正常循環控制該系統。

4 系統測試

文中選用140 V，600 W的直流無刷電動機，并在輸入端串聯了4塊多晶硅（PB150-35），對本文設計的基于Atmaga32單片機的光伏水泵控制系統進行了測試。

在各時段內，觀察并記錄系統的實時運行參數，計算出該光伏水泵控制系統的綜合效率。其各參數及對應計算結果，可見下表1。

表1 外界光線條件變化下本文光伏水泵控制系統效率計算表

從上表1中可看到，由于采用了基于遺傳算法的新型MPPT算法，本文設計的系統能夠隨外界環境條件的變化進行有效調節，且維持全時段內60%以上的光能綜合利用效率，其高于普通的光伏水泵控制系統（約為50%左右），具有實際應用價值。

5 結束語

針對光伏水泵控制系統，本文基于Atmaga32單片機提出了一種融合占空比擾動觀察法的遺傳算法，并實現了該新型遺傳算法的MPPT控制。經過測試，該控制系統的自適應和穩定性能良好，抗外界環境條件劇烈變化的干擾能力強，綜合效率值在不同外界環境條件的各時間段均能保持較高水準。因此，可以為相關光伏水泵控制系統的設計與開發提供技術支持。