应用于光伏发电系统的最大功率点跟踪控制器设计
2019-03-12戴增辉李光布
戴增辉 李光布
关键词： 光伏发电; 控制器; 最大功率点跟踪; DSP; 扰动观察法; 太阳能
中图分类号： TN876?34 文献标识码： A 文章编号： 1004?373X（2019）05?0131?04
Design of maximum power point tracking controller applied to
photovoltaic power generation system
DAI Zenghui， LI Guangbu
（Shanghai Lida University， Shanghai 201609， China）
Abstract： In order to improve the efficiency and stability of photovoltaic power generation systems， and accelerate the popularization of renewable energy， a maximum power point tracking controller applied to photovoltaic cell system is proposed. The photovoltaic cell system is modeled and simulated with Matlab/Simulink， and its output characteristics are analyzed. The dynamic disturbance step is used to optimize the traditional disturbance observation method in the maximum power point tracking algorithm， which can reduce the false judgment. The hardware circuit of the controller is designed on the basis of DSP TMS320F2812. The experimental results show that the proposed maximum power point tracking controller has higher stability， and can improve the utilization of solar energy effectively.
Keywords： photovoltaic power generation; controller; maximum power point tracking; DSP; disturbance observation method; solar energy
0 引 言
伴随着社会的不断进步，人们的社会生活水平和质量得到了逐步改善，社会对能源的需求也不断增加，导致化石能源的开采速度不断加快。太阳能是当前世界上最清洁、最现实、大规模开发发电最有前景的可再生能源之一。其中，太阳能光伏发电受到世界各国的普遍关注[1]。太阳能光伏发电能把太阳能通过光伏组件直接转化为电能，是当前利用太阳能的主要途径[2]。随着太阳能光伏发电在全球范围内的不断推广和应用，光伏发电系统也逐渐表现出不少缺点。相对较为严重的缺点主要有[3?4]：
1） 光伏电池板成本相对较高，从而无法得到大规模普及;
2） 光伏电池工作效率不高，即光能转换效率较低，从而无法充分利用太阳能资源;
3） 用于太阳能光伏发电系统的电力蓄电池通常具有使用寿命不长的问题，这在一定程度上进一步提升了用户使用的成本。
为了解决以上问题，研究学者针对光伏发电系统做出了许多研究。张曦等人对太阳能光伏发电的中长期随机特性分析进行了理论分析和测试[5]。曾鸣等人对太阳能光伏发电成本进行了详细研究，建立太阳能光伏发电的双因素学习曲线模型[6]。刘阳等人采用ARM7处理器实现了太阳能光伏发电的自动跟踪与控制[7]，并设计了相应的光伏MPPT控制方案，有效地提高了太阳能的利用率。针对光伏电池工作效率问题，为了进一步提高光伏发电系统的效率和稳定性，本文基于DSP TMS320F2812处理器提出一种应用于光伏电池系统的最大功率点跟踪控制器，并设计了优化的最大功率点跟踪算法。采用动态步长对最大功率点跟踪算法中的传统扰动观察法进行优化，能够减少误判。实验结果验证了提出控制器的有效性和稳定性，从而有效地提高了太阳能的利用率。
1 光伏电池的建模与仿真
1.1 光伏电池的工作原理
太阳能光伏發电能把太阳能通过光伏组件直接转化为电能。图1为光伏电池发电工作原理图，主要使用半导体材料的“光生伏特效应”。关键半导体器件为PN结。太阳光照射到光伏板产生空穴对，并最终产生光生电动势，产生一定电压和电流。
1.2 光伏电池的等效电路
为了从理论数学模型方面对太阳能光伏电池进行分析，一般将其简化为图2所示的等效电路（光伏内电阻不可忽略）。图2中电流[I]的数值可以按照式（1）计算得到[8]：
[I=IL-ID-ISH] （1）
式中：[I]表示光伏电池输出电流;[ISH]表示经过分流电阻[RSH]的电流;[IL]表示光伏电池的光生电流;[ID]表示经过二极管的电流。以上电流的单位均为A。
[ID=I0expqVjnKT-1] （2）
式中：[I0]表示PN结反向饱和电流;[Vj]表示二极管两端的电压;[n]表示二极管的曲线因子;[T]表示绝对温度;[K]表示玻尔兹曼常数;[q]表示单个电子所带电量。经过分流电阻[RSH]的电流[ISH]的计算方法如下：
[ISH=VjRSH] （3）
[Vj=V+IRS] （4）
因此，光伏电池的等效电路中电流[I]的数值可由如下公式表示：
[I=IL-I0expqVjnKT-1-1-V+IRSRSH] （5）
2 采用的光伏最大功率点跟踪算法
2.1 基于Matlab/Simulink的光伏电池输出特性分析
通过上述光伏电池等效电路分析，可知不同光照强度下光伏电池的[U?I]关系和[U?P]关系均是非线性的。因此，通过Matlab/Simulink仿真平台构建了相关参数可调的光伏电池特性仿真模型，如图3所示。
不同光照强度下光伏电池的输出电压[U]和输出电流[I]之间的关系图如图4所示。
不同光照强度下光伏电池的输出电压[U]和输出功率[P]之间的关系如图5所示。两幅图中横向坐标均为电压。因此，在相同温度、不同光照强度，或者相同光照强度、不同温度条件下有且只有一个最大功率点。
2.2 改进的扰动观察法
当前技术条件下光伏电池板的生产成本不能大幅的减少，只好通过提高光伏电池工作效率的方法来提高太阳能的利用率，从而间接提高用户的使用效益。因此，高效的控制算法成为研究的关键问题，即先进的光伏最大功率跟踪控制算法。因此，众多科研人员和机构针对光伏最大功率跟踪控制算法提出了不少研究成果，例如恒定电压法、扰动观察法、电导増量法和模糊控制法等。
由于具有原理简单、调节参数较少和跟踪速度快等优势，本文选择扰动观察法作为光伏最大功率跟踪控制算法。在传统固定步长扰动观察法的基础上，采用变步长的动态调整策略来实现光伏最大功率跟踪控制算法，其工作电压为：
[Vref=Vref+adPdV=Vref+aP（k）-P（k-1）V（k）-V（k-1）] （6）
式中[a]表示大于零的调整因子，可按照经验结果设置其具体数值大小。
为了有效避免光照强度、环境温度变化导致的扰动现象对系统产生不良影响，以便尽量减少光伏最大功率跟踪控制算法的误判。本文采用文献[9]所提改进扰动观察法。在一个工作周期[T]内，由扰动现象引起的功率变化量[dP]如下：
[dP=PK+1-P0-（P0-PK）=PK+1+PK-2P0] （7）
式中：[PK]表示时刻[K]的光伏电池输出功率;[PK+1]表示时刻[K+1]的光伏电池输出功率;[P0]表示在[T2]时刻的一次采样结果。
3 控制器硬件设计
本文设计的光伏最大功率跟踪控制器采用TI公司的DSP TMS320F2812作为主控芯片。DSP主控芯片输出的PWM信号由驱动电路引入，并实现开通、关断和保护过程，如图6所示。此外，需要将缓冲电路与每个开关管进行并联从而保护开关管，抑制尖峰波动。缓冲电路图如图7所示。
4 實验结果和分析
本实验选用晶澳的两块光伏电池板串联组成光伏阵列，型号为1 950×990×40，最大功率为350 W，工作电流为9.07 A，工作电压为38.58 V，开路电压为47.24 V，短路电流为9.25 A。
在捕获到光伏阵列最大功率工作点后，本文提出的光伏最大功率跟踪控制器能够确保光伏阵列稳定的运行，且输出电压和电流波形无明显波动，如图8所示。经过人工跟踪光伏阵列输出最大功率后，得出本文提出的光伏最大功率跟踪控制器成功跟踪到的最大功率点与人工跟踪结果一致。
5 结 论
本文采用DSP TMS320F2812处理器提出一种应用于光伏电池系统的最大功率点跟踪控制器，并设计了优化的最大功率点跟踪算法。采用动态步长对最大功率点跟踪算法中的传统扰动观察法进行优化，能够减少误判。实验结果验证了提出控制器的有效性和稳定性，从而有效地提高了太阳能的利用率，对光伏发电系统的推广具有一定参考意义。
参考文献
[1] SAMPAIO P G V， GONZ?LEZ M O A. Photovoltaic solar energy： conceptual framework [J]. Renewable & sustainable energy reviews， 2017， 74： 590?601.
[2] GOLESTANEH F， PINSON P， GOOI H B. Very short?term nonparametric probabilistic forecasting of renewable energy ge?neration： with application to solar energy [J]. IEEE transactions on power systems， 2016， 31（5）： 3850?3863.
[3] 张秀清，李艳红，张超.太阳能电池研究进展[J].中国材料进展，2014（7）：436?441.
ZHANG Xiuqing， LI Yanhong， ZHANG Chao. Progress in solar cell research [J]. Chinese materials progress， 2014（7）： 436?441.
[4] 陈静，刘建忠，沈望俊，等.太阳能热发电系统的研究现状综述[J].热力发电，2012，41（4）：17?22.
CHEN Jing， LIU Jianzhong， SHEN Wangjun， et al. Review of research status of solar thermal power generation system [J]. Thermal power generation， 2012， 41（4）： 17?22.
[5] 张曦，康重庆，张宁，等.太阳能光伏发电的中长期随机特性分析[J].电力系统自动化，2014，38（6）：6?13.
ZHANG Xi， KANG Chongqing， ZHANG Ning， et al. Analysis of mid?and long?term stochastic characteristics of solar photovoltaic power generation [J]. Automation of electric power systems， 2014， 38（6）： 6?13.
[6] 曾鸣，鹿伟，段金辉，等.太阳能光伏发电成本的双因素学习曲线模型研究[J].现代电力，2012，29（5）：72?76.
ZENG Ming， LU Wei， DUAN Jinhui， et al. Research on two?factor learning curve model of solar photovoltaic power generation cost [J]. Modern electric power， 2012， 29（5）： 72?76.
[7] 刘阳，匡博，张体勇.ARM7处理器太阳能光伏发电自动跟踪控制系统[J].电源技术，2014，38（1）：87?89.
LIU Yang， KUANG Bo， ZHANG Tiyong. ARM7 processor solar photovoltaic power generation automatic tracking control system [J]. Power technology， 2014， 38（1）： 87?89.
[8] BRITO M A G D， GALOTTO L， SAMPAIO L P， et al. Evaluation of the main MPPT techniques for photovoltaic applications [J]. IEEE transactions on industrial electronics， 2013， 60（3）： 1156?1167.
[9] 冀捐灶，周伟，肖强.基于改进扰动观察法的光伏阵列MPPT研究[J].电力电子技术，2012，46（8）：29?31.
JI Juanzhao， ZHOU Wei， XIAO Qiang. Research on photovoltaic array MPPT based on improved disturbance observation method [J]. Power electronics， 2012， 46（8）： 29?31.
[10] 鲍安平，徐开军.滑模控制在两级级联光伏发电系统中的应用[J].现代电子技术，2017，40（15）：175?178.
BAO Anping， XU Kaijun. Application of sliding-mode control in two?stage cascade photovoltaic power generation system [J]. Modern electronics technique， 2017， 40（15）： 175?178.
