光伏电池MPPT扰动观察法的研究现状

收稿日期：２０１２－０３－１９．基金项目：国家 “ ９７３ ” 计划项目（２０１２ＣＢ９３４２０４）．动态综述光伏电池ＭＰＰＴ扰动观察法的研究现状宋亮，王晓东，刘雯，徐锐，杨富华（中国科学院半导体研究所，北京１０００８３）摘要：为了提高太阳电池的利用率并降低系统成本，需要采用最大功率跟踪（ＭＰＰＴ）控制策略使光伏阵列获得最大功率输出。在众多的ＭＰＰＴ控制方法中，扰动观察法由于原理简单、易于实现而成为ＭＰＰＴ控制中应用和研究最为广泛的方法之一。但传统的扰动观察法在稳态下由于其固定的扰动步长会在最大功率点（ＭＰＰ）附近形成振荡，并且当外界环境发生快速变化时会出现误判断的现象。为了克服以上不足，研究者们提出了很多改进方案。文章对这些改进方案进行了综述，这些改进方案主要包括以下三类：变步长的改进方法、改进的新方法以及与其他方法结合的扰动观察法。关键词：光伏系统；最大功率跟踪；扰动观察法；变步长；改进的新方法；与其他方法结合的扰动观察法中图分类号：ＴＭ９１４．４文献标识码：Ａ文章编号：１００１－５８６８（２０１２）０４－０４５５－０８ＲｅｓｅａｒｃｈｏｆＰｅｒｔｕｒｂａｔｉｏｎａｎｄＯｂｓｅｒｖａｔｉｏｎＭｅｔｈｏｄｆｏｒＭＰＰＴｏｆＰＶＡｒｒａｙｓＳＯＮＧＬｉａｎｇ，ＷＡＮＧＸｉａｏｄｏｎｇ，ＬＩＵｗｅｎ，ＸＵｒｕｉ，ＹＡＮＧＦｕｈｕａ（ＩｎｓｔｉｔｕｔｅｏｆＳｅｍｉｃｏｎｄｕｃｔｏｒｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００８３，ＣＨＮ）Ａｂｓｔｒａｃｔ：Ｔｏｍａｘｉｍｉｚｅｔｈｅｕｔｉｌｉｚａｔｉｏｎｏｆｓｏｌａｒｃｅｌｌｓａｎｄｌｏｗｅｒｓｙｓｔｅｍｃｏｓｔ，ｍａｘｉｍｕｍｐｏｗｅｒｐｏｉｎｔｔｒａｃｋｉｎｇ（ＭＰＰＴ）ｍｅｔｈｏｄｉｓｅｍｐｌｏｙｅｄｔｏｅｘｔｒａｃｔｔｈｅｐｅａｋａｖａｉｌａｂｌｅｐｏｗｅｒｆｒｏｍＰＶａｒｒａｙｓ．ＡｍｏｎｇｎｕｍｂｅｒｓｏｆｍｅｔｈｏｄｓｆｏｒＭＰＰＴ，ｔｈｅｐｅｒｔｕｒｂａｔｉｏｎａｎｄｏｂｓｅｒｖａｔｉｏｎ（Ｐ＆Ｏ）ａｌｇｏｒｉｔｈｍｉｓｍｏｓｔｗｉｄｅｌｙｕｓｅｄｉｎＰＶｓｙｓｔｅｍｓｄｕｅｔｏｉｔｓｓｉｍｐｌｉｃｉｔｙａｎｄｅａｓｅｏｆｉｍｐｌｅｍｅｎｔａｔｉｏｎ．Ｈｏｗｅｖｅｒ，ｉｔｓｕｆｆｅｒｓｆｒｏｍｓｅｖｅｒａｌｄｅｍｅｒｉｔｓｓｕｃｈａｓｏｓｃｉｌｌａｔｉｏｎａｒｏｕｎｄｔｈｅＭＰＰｉｎｓｔａｔｉｏｎａｒｙｓｔａｔｉｏｎｓ，ｓｌｏｗｒｅｓｐｏｎｓｅｓｐｅｅｄａｎｄｅｖｅｎｆａｉｌｉｎｇｕｎｄｅｒｒａｐｉｄｌｙｃｈａｎｇｉｎｇａｔｍｏｓｐｈｅｒｉｃｃｏｎｄｉｔｉｏｎｓ．ＩｎｏｒｄｅｒｔｏｏｖｅｒｃｏｍｅｔｈｅｓｅｄｒａｗｂａｃｋｓｆｒｏｍｃｏｎｖｅｎｔｉｏｎａｌＰ＆Ｏ，ｍａｎｙｉｍｐｒｏｖｅｄｍｅｔｈｏｄｓａｒｅｐｒｏｐｏｓｅｄ．Ｉｎｔｈｉｓｐａｐｅｒ，ｃｕｒｒｅｎｔＰ＆Ｏｔｅｃｈｎｉｑｕｅｓａｒｅｒｅｖｉｅｗｅｄａｎｄｉｍｐｒｏｖｅｄｂａｓｅｄｏｎｍａｋｉｎｇａｓｕｒｖｅｙｏｆｌａｒｇｅａｍｏｕｎｔｏｆｒｅｌａｔｅｄａｒｔｉｃｌｅｓ，ｔｈｅｎｔｈｅｓｅｍｅｔｈｏｄｓａｒｅｓｕｍｍａｒｉｚｅｄｉｎｔｏｔｈｒｅｅｃａｔｅｇｏｒｉｅｓ：ｖａｒｉａｂｌｅｓｔｅｐｓＰ＆Ｏ，ｎｏｖｅｌＰ＆ＯａｎｄＰ＆Ｏｃｏｍｂｉｎｅｄｗｉｔｈｏｔｈｅｒｍｅｔｈｏｄｓ．Ｋｅｙｗｏｒｄｓ：ＰＶｓｙｓｔｅｍ；ＭＰＰＴ；Ｐ＆Ｏ；ｖａｒｉａｂｌｅｓｔｅｐｓ；ｎｏｖｅｌｉｍｐｒｏｖｅｍｅｎｔｓ；Ｐ＆Ｏｃｏｍｂｉｎｅｄｗｉｔｈｏｔｈｅｒｍｅｔｈｏｄｓ０引言太阳能因其具有清洁无污染、资源丰富、可长久利用等诸多优点而得到了广泛关注［１］。光伏发电就是太阳能应用于现代工业的一个重要体现，它利用太阳电池将太阳能转化为电能为负载供给能量。但是目前商业化的太阳电池的光电转换效率比较低并且成本较高，为了提高太阳电池的利用率以及降低系统成本，需要使太阳电池具有最大功率输出。光伏电池板Ｉ－Ｖ特性曲线为非线性，且与外界光照、电池温度以及负载的变化有关，如图１、２所示。在一定的外界环境下，电池的输出功率有唯一的最大功·５５４·《半导体光电》２０１２年８月第３３卷第４期宋亮等：光伏电池ＭＰＰＴ扰动观察法的研究现状率点，如图３所示。为了使光伏电池输出最大功率，需要采用最大功率跟踪（ＭＰＰＴ）控制方法：能够在特定的环境温度和光照下自动地跟踪到太阳电池的最大功率点并稳定在此处；当外界条件变化时能够快速地追踪到新的最大功率点；由于太阳电池板部分遮光而出现多个局部ＭＰＰ时能够识别出真正的最大功率点，如图４所示。因此，研究人员提出了多种ＭＰＰＴ控制方法以更好地实现对太阳电池最大功率点的动态和静态跟踪。图１光伏电池Ｉ－Ｖ曲线随外界光照的变化图２光伏电池的Ｉ－Ｖ曲线随电池温度的变化图３标准条件下光伏电池的Ｐ－Ｖ曲线图４部分遮光条件下光伏电池的Ｐ－Ｖ曲线１传统的扰动观察法扰动观察法（Ｐ＆Ｏ）因其原理简单、易于实现而成为众多ＭＰＰＴ控制方法中研究和应用最为广泛的一种［２－２９］。其主要思想是周期性地给光伏电池的输出电压施加一定步长的扰动 Δ Ｖ（或者给光伏电池的输出电流施加一定步长的扰动 Δ Ｉ），观察扰动前后输出功率的变化 Δ Ｐ，如果 Δ Ｐ是正的，则此时光伏电池工作在最大功率点的左侧，继续施加原来方向的扰动 Δ Ｖ（ Δ Ｉ）；如果 Δ Ｐ是负的，则此时工作点位于最大功率点的右侧，改变扰动方向，使光伏电池的工作点不断地靠近ＭＰＰ。扰动观察算法的流程如图５所示。图５扰动观察算法流程图由扰动观察法的实现过程可以看出，光伏电池的输出最终会在最大功率点附近形成振荡，造成一定的功率损失，这种振荡损失可以通过缩小扰动步长来减少，但小的扰动步长会降低系统的跟踪速度，这是传统扰动观察法的缺点之一；另一个缺点是当外界环境发生快速变化时，它会产生误判断的现象，如图６所示。假设光伏电池初始时工作在点Ａ，施加一正向扰动 Δ Ｖ后，在外界环境不发生变化的情况下，工作点移动到Ｂ，引起输出功率下降，因此下一时刻的扰动应反向，但如果在施加扰动的过程中，外界光照发生变化使Ｐ－Ｖ特性曲线发生变化，工作点从Ａ移动到Ｃ，Ｃ点位于最大功率点的右侧，但根据扰动观察算法，由于Ｃ点功率值高于Ａ点，所以保持原来的扰动方向不变，如果外界光照持续快速变化，则光伏电池的输出功率将不断远离最大功率值点。针对传统扰动观察法的这些缺点，研究者们提出了各种改进方案。·６５４·ＳＥＭＩＣＯＮＤＵＣＴＯＲＯＰＴＯＥＬＥＣＴＲＯＮＩＣＳＶｏｌ．３３Ｎｏ．４Ａｕｇ．２０１２图６扰动观察算法的误判断示意图２改进的扰动观察法２．１变步长的扰动观察法由于采用固定的扰动步长无法同时兼顾稳态时ＭＰＰＴ的效率和动态时的反应速度，许多研究者提出了变步长的跟踪方式。Ａｌ－Ａｍｏｕｄｉ等人［３０］提出了一种基于开路电压改变步长的方式，初始时，扰动电压的步长为开路电压的１０％，之后的扰动步长均为前一次扰动步长的一半，直到步长值为开路电压的０．５％。但这种方法确定的步长值对开路电压具有很强的依赖性。为了解决稳态时振荡造成的功率损失以及外界光照快速变化时引起的误判断现象，Ｈｕａ和Ｌｉｎ［３１－３２］在传统扰动观察法中加入了电流判据及变化的扰动步长，即施加扰动之后首先判断输出电流的变化 Δ Ｉ，若 Δ Ｉ大于某一限定值，说明外界光照发生变化使得ＭＰＰ发生漂移，于是采用大步长跟踪新的ＭＰＰ，否则采用小步长实现ＭＰＰＴ。Ｐａｔｅｌ等人［３３］根据光伏电池输出功率Ｐｏｕｔ的变化划分了四个阶段的步长值，当Ｐｏｕｔ与最大功率点Ｐｍａｘ之间的差值小到一定程度时，认为太阳电池工作在ＭＰＰ，扰动步长值为０。Ｂｕｙｕｋｄｅｇｉｒｍｅｎｃｉ等人［３４］提出了一种指数式自适应变步长的改进方法，当工作点距离ＭＰＰ较远时，采用以指数形式增长的扰动量，否则以指数形式减少的扰动量去跟踪ＭＰＰ。Ｐｉｅｇａｒｉ等人［３５］采用的变步长为： Δ Ｖ＝ｆ（ＶＭ－Ｖ）＋ Δ Ｖｍｉｎ，其中ｆ（ＶＭ－Ｖ）为正的函数，ＶＭ为估算的最大功率点的输出电压，当Ｖ＝ＶＭ时，ｆ（ＶＭ－Ｖ）＝０，此时扰动量以最小值 Δ Ｖｍｉｎ接近ＭＰＰ。Ｔａｎ等人［３６］通过对电流施加变化的扰动量来实现ＭＰＰＴ，扰动量为 α Δ Ｉ＝ α ｋｒＰ（ｋ）－Ｐ（ｋ－１）Ｐ，其中Ｐ（ｋ），Ｐ（ｋ－１）分别为当前输出功率和扰动前的输出功率，ｋｒ决定了下一次的扰动方向，当Ｐ＜０．５Ｐｍｐｐ时，α ＝０．００３，当Ｐ＞０．５Ｐｍｐｐ时， α ＝０．０１５，这样就可以避免工作点在接近ＭＰＰ时发生过冲现象。这种方法具有较佳的跟踪速度和稳定精度，但是Ｋｒ的确定依赖于光伏阵列的特性，需要用尝试法得出，不具有通用性。因为光伏阵列通常通过外接功率变换电路使其与负载阻抗匹配从而实现最大功率输出，所以许多研究者采用调节功率变换器中开关管占空比的方法，给光伏电池输出电压施加扰动，从而实现ＭＰＰＴ。Ｃｈｉａｎｇ等人［３７］提出了一种自动调整占空比步长的方法，扰动占空比为 Δ ｄ（ｋ）＝Δ Ｐ（ｋ）Δ ｄ（ｋ－１）Ｐ（ｋ）Ｄ（ｋ），其中 Δ Ｐ（ｋ）为第ｋ次扰动后与之前的功率差，Ｄ（ｋ）为扰动前的占空比，扰动的方向由 Δ ｄ（ｋ）的正负决定。Ｘｉａｏ和Ｄｕｎｆｏｒｄ［３８］采用的是占空比步长 Δ ｄ的在线自动调整方案，即 Δ ｄ（ｋ＋１）＝Ｍ｜ Δ Ｐ（ｋ）｜Δ ｄ（ｋ），Ｍ是一常量，由系统特性决定，由于这种方法具有在线自动调节功能，所以它还能消除传统扰动观察算法引起的误判断现象，当｜Δ Ｐ（ｋ）｜／ Δ ｄ（ｋ）较小时，表示功率的变化主要是由于占空比步长的调整引起的；当｜ Δ Ｐ（ｋ）｜／ Δ ｄ（ｋ）较大时，表示功率的变化主要是由外界因素造成的，此时调整步长加大，从而能够保证快速跟踪到新的最大功率值点，可见这种方法具有一定的自适应性。Ｗｏｌｆｓ和Ｔａｎｇ［３９］以及Ｐａｎｄｅｙ等人［４０］采用的可变扰动步长为 Δ ｄ（ｋ）＝Ｍ Δ Ｐ（ｋ）Δ Ｖ（ｋ）， Δ Ｖ（ｋ）为第ｋ－１次扰动后与之前的电压差，Ｐａｎｄｅｙ等人［４０］还提出了对调节因子Ｍ的自动调整方案，Ｍ值是由外界因素和系统自身特性所决定的，并且此参数对于初始运行条件极为敏感，所以利用它的这个特点在系统初始化的过程中对它进行自动调整，起始，功率管的占空比Ｄｓｔａｒｔ比较小，在此情况下得到的光伏阵列的功率和电压分别为Ｐｓｔａｒｔ和Ｖｓｔａｒｔ，随后施加最大安全扰动步长 Δ ｄｍａｘ，分别得到 Δ Ｐｍａｘ和 Δ Ｖｍａｘ，由Ｍ＝｜ Δ Ｖｍａｘ｜ Δ ｄｍａｘ｜ Δ Ｐｍａｘ｜得到在此初始条件下合适的最小Ｍ值，它能有效地防止稳态时在最大功率点处大的功率振荡损失。ＺｈａｎｇＣｈａｏ等人［４１，４２］通过判断相邻两个 Δ Ｐ／ Δ Ｖ乘积的符号以及 Δ Ｐ／ Δ Ｖ的变化来决定采用大的步长 Δ Ｄｂｉｇ还是小的步长 Δ Ｄｓｍａｌｌ，这种方法在第一次改变工作点时会有一定的功率过冲现象。Ａｂｄｅｌｓａｌａｍ等人［４３］利用级联的ＰＩ调节器实现对占空比步长的自适应调节而不需要预设初值，并且具有很好的通用性，以及极佳的稳态特性，不过这·７５４·《半导体光电》２０１２年８月第３３卷第４期宋亮等：光伏电池ＭＰＰＴ扰动观察法的研究现状种方法在确定两个级联的ＰＩ调节器的比例积分因子时相对比较麻烦。２．２其他改进的新方法对于传统的扰动观察法比较简单的改进方法是当扰动量的方向在某一点附近不断变换时，可认为此时光伏阵列工作在ＭＰＰ，通过引入等待函数使得扰动量暂时停止扰动，这种方法能够比较有效地避免工作点在ＭＰＰ处的振荡，但是当外界环境变化时会使ＭＰＰＴ速度变慢［１３］。Ｋａｗａｍｕｒａ等人［４４］为了提高变化的外界条件下的ＭＰＰＴ速度，首先测量当前工作点Ｖ１处的输出功率Ｐ１，然后施加扰动测得Ｖ２处的输出功率为Ｐ２，之后将扰动反向再次测量Ｖ１处的输出功率Ｐ ′ １，通过对Ｐ ′ １与Ｐ１的比较即可得知外界环境是否发生变化，从而选择相应的步长进行跟踪。这种方法由于增加了对光伏阵列输出功率的采样次数，使得稳态下的跟踪速度反而变得比较慢［１３］。Ｆｅｍｉａ等人［４５］通过优化采样周期Ｔａ和选取合适的扰动量 Δ ｄ有效地提升了ＭＰＰＴ性能，选择Ｔａ大于某一阈值，可以防止由于采样速率高于系统反应速度时而导致系统的不稳定以及由此引起的功率损失。为了消除当外界环境快速变化时传统Ｐ＆Ｏ引起的误判断现象，他们对 Δ ｄ进行了优化，只有当由 Δ ｄ引起的功率变化 Δ Ｐｄ大于由此时外界条件引起的功率变化 Δ Ｐｓ时，扰动方向才不会发生混乱。但这会引入大的步长，使得系统在稳态时的功率损失增加，并且Ｔａ和 Δ ｄ的选取依赖于特定的光伏阵列和功率变换器，所以通用性不强。由于 Δ ｄ依赖于外界光照的变化率，Ｆｅｍｉａ等人［４６］又提出了一种选取 Δ ｄ的改进方法，在得到最大、最小光照情况下关于扰动量的两个极值后，利用线性近似得出 Δ ｄ与输出功率Ｐ的比例关系为Δ ｄｌｉｎ－ Δ ｄＳｍａｘΔ ｄＳｍａｘ－ Δ ｄＳｍｉｎ＝Ｐ－ＰＳｍａｘＰＳｍａｘ－ＰＳｍｉｎ， Δ ｄｌｉｎ是由当前输出功率得到的扰动量，但这种方法不能消除稳态时的功率振荡损失。Ｐｅｔｒｏｎｅ等人［４７］在单级光伏逆变器中通过对多个变量进行扰动，并施加一定的约束条件实现了ＭＰＰＴ，相比于单变量扰动，效率上有了很大的提升。Ｓｅｒａ等人［４８］在每个采样周期的中间时刻加入一次测量，比如在第（ｋ＋１）个采样周期的中间时刻ｋＴ＋Ｔ／２检测得到此时的输出功率为Ｐｘ，与（ｋ＋１）Ｔ时刻的输出功率Ｐｋ＋１之间的差值即为外界环境变化所引起的功率变化量，所以由此周期内的扰动量引起的功率变化ｄＰ＝（Ｐｘ－Ｐｋ）（Ｐｋ＋１－Ｐｘ），其中Ｐｋ为ｋＴ时刻的输出功率，他们提出的改进方法就是通过判断ｄＰ的符号来决定下一次的扰动方向，这种方法能够有效地消除传统Ｐ＆Ｏ引起的误判断现象，所以它适用于外界光照快速变化的情形。为了减小稳态时的功率振荡损失，Ｓｅｒａ等人［４９］通过对比ｄＰ２（ｄＰ２＝Ｐｋ＋１－Ｐｘ）与ｄＰ的关系来判断外界光照变化的快慢情况，从而选择不同的步长来定位新的ＭＰＰ，并假定当ｄＰ位于某一小区间范围内时系统到达最大功率点，从而使扰动量最小，有效地减少了功率振荡损失。３与其他方法结合的扰动观察法３．１两阶段跟踪算法所谓两阶段跟踪算法是指第一阶段利用快速跟踪算法使光伏阵列的工作点接近ＭＰＰ，第二阶段采用Ｐ＆Ｏ实现光伏阵列的最大功率输出［５０－５１］。Ｊａｉｎ等人［５０－５１］采用的快速跟踪算法中由功率Ｐ对电压ＶＰＶ取微分并结合Ｉ－Ｖ关系引入了参变量 β 。ｌｎＩＰＶＶ（）ＰＶ－ｃＶＰＶ＝ｌｎ（－Ｉｏ × ｃ）＝ β其中，Ｉｏ为反向饱和电流，ｃ＝ｑ／（ｋ × Ｔ × η ），ｑ为电子电荷，ｋ是玻耳兹曼常数， η 是二极管质量因子，Ｔ为电池温度。引入 β 是因为输出功率与占空比并非一一对应的关系，而 β 随占空比的变化是单调的，所以利用跟踪 β 来实现ＭＰＰＴ具有更容易、更快速的优点。从 β 的定义式中可以看出 β 仅依赖于电池温度，受光照的影响不大，在第一阶段的跟踪过程中，将采样时刻计算得到的 β ａ与参考值 β ｇ相比较得ｅ＝ β ｇ－ β ａ，于是下一时刻所要施加的占空比为Ｄ（ｋ＋１）＝Ｄ（ｋ）＋ｅ × ｍ，其中ｍ是由 β 曲线得到的常量。当 β 大于某一阈值时会导致系统的不稳定，所以当计算出的占空比不在［Ｄｍｉｎ，Ｄｍａｘ］区间内时，需要令占空比取Ｄｍｉｎ值。第二阶段采用小步长的Ｐ＆Ｏ将工作点定位于ＭＰＰ。所以此两阶段的跟踪算法能够实现对最大功率点的快速追踪，并且当外界条件发生变化时不会发生误判断现象。３．２扰动观察算法与模糊控制算法相结合Ｄ＇Ｓｏｕｚａ等人［５２］在扰动观察算法中施加的电流扰动量及其扰动方向由模糊控制器来完成，模糊控制器的输入为光伏阵列输出功率的变化量 Δ ＰＰＶ和输出电流的变化量 Δ ＩＰＶ，其输出即为电流扰动量Δ Ｉｒｅｆ，控制器由四个部分构成：模糊化、规则库、推理方法和去模糊化。首先，通过模糊化把精确的 Δ ＰＰＶ·８５４·ＳＥＭＩＣＯＮＤＵＣＴＯＲＯＰＴＯＥＬＥＣＴＲＯＮＩＣＳＶｏｌ．３３Ｎｏ．４Ａｕｇ．２０１２和 Δ ＩＰＶ转化为模糊控制器能够识别的模糊语言变量，然后确定语言变量的隶属度函数，规则库是模糊控制器的核心，它主要基于以下几个控制原则［５２－５３］：（１）如果扰动后输出功率增加则继续原来的电流扰动方向，否则反向；（２）当外界环境发生变化引起ＭＰＰ漂移时，加大步长使系统能够快速跟踪到新的最大功率点；（３）当检测到功率变化为０时，需要继续施加几个周期的扰动，以防止光伏阵列工作在局部ＭＰＰ而非真正的ＭＰＰ；（４）在ＭＰＰ附近时，采用小步长跟踪，以减少振荡损失，离ＭＰＰ较远时，采用大步长以实现快速跟踪。由规则库并结合模糊推理方法可以得出扰动步长的模糊输出量，再经过去模糊化即可得到下一时刻精确的Δ Ｉｒｅｆ。Ｏｖａｌｌｅ等人［５４］设计的模糊控制器的输入为功率ＰＰＶ，电压ＶＰＶ和Ｐ－Ｖ曲线的斜率ｄＰＰＶｄＶＰＶ，其中ＰＰＶ和ＶＰＶ利用二进制变量来表示，以指示当电池输出电压高于开路电压的情况。Ｃｈｉｎ等人［５５－５６］把模糊算法作为离线并行控制算法，给在线Ｐ＆Ｏ提供合适的步长。与模糊算法相结合的Ｐ＆Ｏ具有很好的动稳态性能，并且能够在光伏阵列局部遮光的条件下寻找到真正的最大功率点，但由于它实现起来较为复杂，所以应用受到一定的限制。３．３扰动观察法与检查法相结合这种方法主要是针对部分遮光的光伏阵列实现ＭＰＰＴ提出的改进措施［５７］，首先利用Ｐ＆Ｏ寻找到第一个最大功率点ＭＰＰ１，然后用检查法得到其他的ＭＰＰ，与ＭＰＰ１比较得出真正的ＭＰＰ。因为在已经由扰动观察法得到的ＭＰＰ附近找寻其他的ＭＰＰ是没有意义的，所以检查法的最小搜索步长为ｄｍｉｎ＝Ｖｍｐｐｏｃ／ｎ，其中Ｖｍｐｐｏｃ为接近开路电压处的最大功率点，ｎ为一个光伏单元串中旁路二极管的个数，并且由于光伏阵列输出功率的变化范围对应一定的电压范围，所以检查法的搜索区间位于［Ｖｍｉｎ，Ｖｍａｘ］上，当扰动观察法寻找到第一个ＭＰＰ时，启动检查法，将由工作点Ｖ＝Ｖｎ处（在此处采样到的电流为Ｉｎ）得到的输出功率Ｐｎ与Ｐｍｐｐ１比较（Ｐｍｐｐ１为ＭＰＰ１处的输出功率），若Ｐｎ＜Ｐｍｐｐ１，则将Ｐｍｐｐ１与下一个工作点Ｖｎ＋１＝Ｐｍｐｐ１／Ｉｎ处的输出功率Ｐｎ＋１比较，直到有更高功率的ＭＰＰ出现或者是搜索完整个区间时结束此轮检查，如果寻找到新的ＭＰＰ，则令Ｐ＆Ｏ追踪到此点，然后重新启动下一轮的检查，重复以上步骤以实现真正的ＭＰＰＴ，否则ＭＰＰ１即为真正的最大功率点。３．４扰动观察法与开路电压法相结合首先通过峰值电压Ｖｍｐｐ与开路电压Ｖｏｃ的关系来估计ＭＰＰ，从而使光伏阵列的初始工作点位于ＭＰＰ附近，然后利用Ｐ＆Ｏ得到最大功率值点［５８，５９］。由光伏电池电流－电压的非线性关系以及最大功率处ＰＩ曲线斜率为０可得：Ｖｍｐｐ＝ＶＴ［ｅｘｐ（Ｖｏｃ／ＶＴ）－１］（１－１／Ｋ）ｅｘｐ（Ｖｏｃ／ＶＴ）－１，其中ＶＴ为热电压，Ｋ为峰值电流Ｉｍｐｐ与短路电流Ｉｓｃ之间的比例因子（Ｉｍｐｐ＝ＫＩｓｃ），通过周期性地测量开路电压，然后代入到此式中，即可得到估算的峰值电压Ｖｍｐｐ，控制扰动占空比使光伏阵列工作在此处，之后利用扰动观察法去追踪真正的最大功率点。实验表明，此种算法可以较好地解决传统扰动观察法的缺点，但由于其复杂的计算限制了它的应用范围。３．５扰动观察法与短路电流法相结合在外界环境相同的条件下，由不同数目的太阳电池单元组成的光伏阵列具有相同的光生电流Ｉｐｈ，但是由于这些光伏阵列的等效电路具有不同的二极管因子ｎ和二极管反向饱和电流Ｉｏ，所以它们的最大功率点不同，为了实现ＭＰＰＴ，利用扰动观察法得到ｎ和Ｉｏ后即可根据Ｉ＝Ｉｐｈ－ＩｏｅｘｐｑＶ（）ｎｋＴ－［］１得到当前环境下的Ｉｐｈ，其中Ｉ，Ｖ，Ｔ均由相应的传感器测得，再由光生电流与温度和光照的关系式Ｉｐｈ＝Ｉｓｃ（２５ ℃ ，１ｋＷ／ｍ２） × ［１＋Ｋｉ × （Ｔ－Ｔｒ）］ ×Ｓ／１０００，计算出当前的光照强度Ｓ，其中Ｉｓｃ（２５℃ ，１ｋＷ／ｍ２）为标准条件下的短路电流，Ｋｉ为Ｉｓｃ的温度系数，Ｔｒ为标准条件下的温度，根据当前的光照强度可知短路电流法中比例系数Ｋｘ（Ｋｘ＝Ｉｍｐｐ／Ｉｓｃ＝Ｉｍｐｐ／Ｉｐｈ）的范围，当Ｓ＞１５０Ｗ／ｍ２时，Ｋｘ介于０．８７和０．９５之间，当Ｓ＜１５０Ｗ／ｍ２，Ｋｘ在０．８到０．８７之间，所以当Ｓ＞１５０Ｗ／ｍ２时，令输出电流在０．８７Ｉｐｈ到０．９５Ｉｐｈ之间变化，当Ｓ＜１５０Ｗ／ｍ２时，令输出电流在０．８Ｉｐｈ到０．８７Ｉｐｈ之间变化，然后通过比较输出功率得到最大功率点［６０］。这种方法的缺点是计算量大，并且由于用到了三个传感器，所以导致成本较高。４结语在光伏发电系统中，提高ＭＰＰＴ效率有利于降·９５４·《半导体光电》２０１２年８月第３３卷第４期宋亮等：光伏电池ＭＰＰＴ扰动观察法的研究现状低系统成本，所采用的ＭＰＰＴ控制方法越简单，跟踪速度和精度越高，其实用性越强。传统扰动观察法正是由于易于实现而得到了广泛应用，但由于其自身算法的不足而限制了ＭＰＰＴ效率的提升。本文主要针对改进的扰动观察法进行了介绍。变步长的扰动观察法为了同时兼顾较快的跟踪速度和削弱稳态时的功率损失，采用了可调节的扰动步长来实现ＭＰＰＴ；在改进的新方法中，有的侧重于解决传统Ｐ＆Ｏ由于外界光照发生快速变化而产生的误判断现象，有的方法适用于部分遮光的光伏阵列实现真正的ＭＰＰＴ，有的是为了消除工作点在ＭＰＰ处的振荡；与其他方法结合的扰动观察法能够有效地利用其他方法的优点来弥补自身的不足。本文主要介绍的是对于扰动观察算法本身的改进，暂未涉及通过调整光伏阵列外接电路结构来提高ＭＰＰＴ效率的方案。文中所述的改进方法相比于传统的扰动观察法，跟踪速度和精度都有了很大的提升。它们对扰动观察法的进一步改进以及其他ＭＰＰＴ方法的改进均有一定的参考意义。参考文献：［１］王康模，陈长缨，于志刚，等．太阳电池的负载匹配理论与负载变换技术［Ｊ］．半导体光电，２００９，３０（２）：１９１－１９３．［２］ＷａｓｙｎｅｚｕｋＯ．Ｄｙｎａｍｉｃｂｅｈａｖｉｏｒｏｆａｃｌａｓｓｏｆｐｈｏｔｏｖｏｌｔａｉｃｐｏｗｅｒｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥＴｒａｎｓ．ｏｎＰｏｗｅｒＡｐｐａ．＆Ｓｙｓｔｅｍ，１９８３，ＰＡＳ－１０２（９）：３０３１－３０３７．［３］ＳａｌａｍｅｈＺ，ＴａｙｌｏｒＤ．Ｓｔｅｐ－ｕｐｍａｘｉｍｕｍｐｏｗｅｒｐｏｉｎｔｔｒａｃｋｅｒｆｏｒｐｈｏｔｏｖｏｌｔａｉｃａｒｒａｙｓ［Ｊ］．ＳｏｌａｒＥｎｅｒｇｙ，１９９０，４４（１）：５７－６１．［４］ＴｅｕｌｉｎｇｓＷ，ＭａｒｐｉｎａｒｄＪ，ＣａｐｅｌＡ，ｅｔａｌ．Ａｎｅｗｍａｘｉｍｕｍｐｏｗｅｒｐｏｉｎｔｔｒａｃｋｉｎｇｓｙｓｔｅｍ［Ｃ］／／２４ｔｈＡｎｎｕａｌＩＥＥＥＰｏｗｅｒＥｌｅｃｔｒｏｎｉｃｓＳｐｅｃｉａｌｉｓｔｓＣｏｎｆｅｒｅｎｃｅ，１９９３：８３３－８３８．［５］ＨｕｓｓｅｉｎＫＨ，ＭｕｔａＩ，ＨｏｓｈｉｎｏＴ，ｅｔａｌ．Ｍａｘｉｍｕｍｐｈｏｔｏｖｏｌｔａｉｃｐｏｗｅｒｔｒａｃｋｉｎｇ：ａｎａｌｇｏｒｉｔｈｍｆｏｒｒａｐｉｄｌｙｃｈａｎｇｉｎｇ

光伏电池MPPT扰动观察法的研究现状_宋亮

当前资源信息

相关资源

相关搜索