10001595_基于自适应模糊逻辑PID控制最大功率点跟踪的仿真研究

基于自适应模糊逻辑 PID 控制最大功率点跟踪的仿真研究 申其豪，廖华，马逊，杜立伟，刘祖明，李景天 （云南师范大学 太阳能研究所，云南 昆明 650500） 摘要：最大功率点跟踪（Maximum Power Point Tracking，MPPT）是整个光伏系统中的核心技 术，由于太阳电池的高度非线性与不稳定性，光伏系统在运行时需要快速及时准确地跟踪到它 的最大工作点，因此，最大功率点跟踪技术的发展直接制约着光伏产业的发展。目前，技术比 较成熟且应用最为广泛的 MPPT 技术主要是基于扰动自寻优的方法，例如扰动观察法、电导增 量法等等，由于其自身缺陷导致了跟踪过程中精度不高、响应时间长、适应性差 等缺点，造 成了一定程度的能源浪费。而随着智能化时代的到来，将人工智能控制应用在光伏系统 MPPT 控制上成为了一种趋势。本文采用了带有学习能力的模糊逻辑控制与数字 PID 控制相结合的手 段对光伏组件进行最大功率点跟踪，通过在 MATLAB/Simulink 软件环境下建立仿真模型，与 传统的扰动观察法进行对比实验。实验结果表明，自适应模糊逻辑 PID 控制技术很好的解决了 扰动观察法精度不高、响应慢、适应性差的缺点，改善了系统的动态特性和稳态性能，提高了 能源利用率。 通讯作者：廖华，从事光伏系统应用研究方向，E-mail ：1030911097@qq.com. 关键词：最大功率点跟踪，模糊逻辑控制，数字 PID，扰动观察法 1 引言 从最大功率点跟踪的控制原理和发展历程出发, 共有基于优化数学模型、扰动自寻优、智 能处理方法及输出端控制等 4 类方法，早期对光伏阵列 MPPT 技术的研究主要是定电压跟踪法、 光伏阵列组合法以及实际测量法 [1]。各种跟踪控制方法均有优点和不足之处，有些方法例如定 点压跟踪法、开路电压比例系数法、短路电流比例系数法以及负载电流/ 电压最大法等等，这 些方法从本质上来讲不是真正的最大功率点跟踪方法，已经逐渐被淘汰。又比如现在应用最为 广泛的扰动观察法和电导增量法，它们的优点就是结构简单，被测参数少，容易实现，研究广 泛，目前许多文献对这两种方法的改进和优化的方法较多 [2]。近日，工业和信息化部、住房和 城乡建设部、国家能源局等六部门联合印发《智能光伏产业发展行动计划（2018~2020 年）》 明确，到 2020 年，智能光伏工厂建设成效显著，行业自动化、信息化、智能化取得明显进展； 智能制造技术与装备实现突破，支撑光伏智能制造的软件和装备等竞争力显著提升；智能光伏 产品供应能力增强并形成品牌效应；智能光伏系统建设与运维水平提升并在多领域大规模应用。 由此可见，未来光伏产业将逐步迈向智能化，而 MPPT 技术做为光伏系统的核心部分，将智能 控制技术应用到 MPPT 上成为重中之重。 现代工业控制主要集中于基于模型的控制，而光伏组件其复杂的非线性与不确定性造成了 其系统模型很难被确定。模糊逻辑控制技术的诞生很好的解决了这个问题，“模糊” 与“精确” 是 相对的概念，模糊性普遍存在于人类思维和语言交流中，是一种不确定性的表现 [3]。模糊控制 是以语言变量代替常规的数学变量，易于构造形成专家的“知识 ”。同时，控制推理采用“不精确 推理” ，推理过程模仿人的思维过程，由于介入了人类的经验，因而模糊控制能够处理那些数学 模型难以获取、 动态特性不易掌握或变化非常显著的对象 [4]。 PID 控制器是按照闭环系统误差的比例、积分和微分进行控制的调节器，诞生于 20 世纪 30 年代末，在工业控制领域得到了很大的发展和广泛的应用 [5]。但是，PID 控制器固定的参数 不能适应时变复杂的光伏系统，因此，本文将模糊逻辑控制与传统的 PID 控制结合，利用模糊 控制规则对 PID 的参数进行整定，增强了 PID 控制器的适应性与灵活性，然后再应用到 MPPT 上。 2 模糊 PID 控制器设计 2.1 PID 控制器 PID 控制器 [6]是将系统给定输入 r 与系统输出 y 的控制偏差量 e=r-y 的比例(Proportion) 、积 分(Integration)、微分(differential)进行线性组合构成控制量对被控对象进行控制。控制结构图如 图 1 所示。 KP KI 被控对象 KD 图 1 PID 控制系统 PID 控制方程为： （1）0 1()u(t)=K[()()]tPDI detetT 式中，u(t): 控制器的输出； e(t): 系统给定量与输出量的偏差； KP: 比例系数； TI: 积分时间常数； TD: 微分时间常数。 对应的传递函数为： （2） 1G(s)=)PDIs 即图 1 中的积分系数 KI=KP/TIs，微分系数 KD=KPTDs。 PID 控制器中的比例调节器、积分调节器和微分调节器各自的调节作用各不相同 [7]。 比例调节器：按比例来调节系统的偏差，系统一旦出现了偏差，比例调节立即产生调节作 用用以减少偏差。控制作用的强弱取决于比例系数的大小，比例作用大，可以加快调节，减少 误差，但是过大的比例，使系统的稳定性下降，引起输出量振荡，甚至造成系统的不稳定。 积分调节器：消除系统的稳态误差，提高无差度。因为积分调节具有累积成分，只要误差 不为零，积分调节就进行，直至无差，积分调节停止。积分作用的强弱取决与积分时间常数 TI， TI 越小，积分作用就越强。反之 TI 越大则积分作用越弱，加入积分调节会使系统的动态响 应变慢。积分作用常与另两种调节规律结合，组成 PI 调节器或 PID 调节器。 微分调节器：微分作用反映系统偏差信号的变化率，具有预见性，能预见偏差变化的趋势， 因此能产生超前的控制作用，在偏差形成的萌芽状态，就已被微分调节作用消除。因此，可以 改善系统的动态性能。在微分时间选择合适情况下，可以减少超调，减少调节时间。微分作用 对噪声干扰有放大作用，因此过强的加微分调节，对系统抗干扰不利。此外，微分反应的是变 化率，而当输入没有变化时，微分作用输出为零。微分作用不能单独使用，需要与另外两种调 节规律相结合，组成 PD 或 PID 控制器 [8]。 综上所述，比例系数、积分系数和微分系数的整定在 PID 控制器的设计中占着举足轻重的 r - yue 作用，控制效果的好坏在很大程度上取决于这些参数的选择是否恰当。目前，在工程上进行 PID 参数整定的方法主要有试凑法、扩充临界比例度法、扩充响应曲线法和归一参数整定法。 2.2 模糊逻辑控制器 模糊逻辑控制也可简称为模糊控制，主要是将时域内的数学集合用便于表达的人类语言变 量来表示，模糊控制器的基本结构主要分为模糊化、知识库、模糊推理和清晰化这四个部分。 系统组成如图 2 所示。 图 2 模糊控制系统的组成 (1) 模糊化与知识库 模糊化就是将系统的实际输入量进过尺度变化后转化到模糊论域范围内变成模糊量，方便 被模糊系统识别。MPPT 设计输入应该将光伏组件的输出功率变化与其变化率作为模糊控制器 的输入，即 e=P(n)-P(n-1)和 ec=d[P(n)-P(n-1)]/dt 作为输入，对应到模糊论域里用 E 和 EC 表示。 知识库包括两部分：数据库和模糊规则控制库。通常将每一个输入模糊变量分割为模糊集 合 NB(Negative Big)-负大、NM(Negative Medium)-负中、NS(Negative Small)- 负小、ZO(Zero)-零、 PS(Positive Small)-正小、PM(Positive Medium)-正中、PB(Positive Big)-正大。模糊集合分割的个 数决定了模糊控制的精细化程度 ，隶属函数的形状通常用三角形表示。 取功率变化量 E 的模糊集合为 NB、NS、ZO、PS 、PB。模糊论域为 [-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5]。 取功率变化量的变化率 EC 的模糊集合为 N、Z、P。模糊论域为 [-4, -3, -2, -1, 0, 1, 2, 3, 4,]。 取输出量 KP、K I、K D 的模糊集合均为 NB、NM、NS 、ZO、PS 、PM、PB。模糊论域为[-4, -3, -2, -1, 0, 1, 2, 3, 4]。 得到各输入输出量的隶属度函数如下所示。 -5 -4 -3 -2 -1 0 1 2 3 4 50 0.2 0.4 0.6 0.8 1 E Degre e of m ember ship NB NS ZO PS PB 知识库 模糊化 模糊推理 清晰化 控制对象 输入 输出 图 3 功率变化量的隶属度函数 -4 -3 -2 -1 0 1 2 3 40 0.2 0.4 0.6 0.8 1 EC Degre e of m ember ship N Z P 图 4 功率变化量变化率的隶属度函数 -4 -3 -2 -1 0 1 2 3 40 0.2 0.4 0.6 0.8 1 KP Degre e of m ember ship NB ZO PMNM NS PS PB 图 5 输出比例系数的隶属度函数 -4 -3 -2 -1 0 1 2 3 40 0.2 0.4 0.6 0.8 1 KI Degre e of m ember ship NB ZO PMNM NS PS PB 图 6 输出积分系数的隶属度函数 -4 -3 -2 -1 0 1 2 3 40 0.2 0.4 0.6 0.8 1 KD Degre e of m ember ship NB ZO PMNM NS PS PB 图 7 输出微分系数的隶属度函数 (2) 模糊推理规则 当功率输出的偏差量很大时，说明要加快响应速度，此时要着重增加 KP 值；当功率输出的 偏差量很小时，说明这时已经非常接近最大功率点了，此时要以提高系统稳定性为重点，加大 积分作用，着重增加 KI 值；当功率偏差的变化率很大时，此时要加大微分调节器的作用，提高 系统的抗干扰能力，反之亦然。根据这些原则，推理出 PID 的控制参数的模糊规则表见表 1、 表 2、表 3。 表 1 KP 的模糊规则表 EEC NB NS ZO PS PB N PB PM NS NM NB Z NM NS ZO PS PM P NB NM PS PM PB 表 2 KI 的模糊规则表 EEC NB NS ZO PS PB N NM ZO PS PM PB Z NM NS ZO NS NM P PB PM PS ZO NM 表 3 KD 的模糊规则表 EEC NB NS ZO PS PB N NB NM ZO NM NB Z NM NS ZO NS NM P PB PM ZO NM NB (3) 清晰化 以上经过模糊推理机制得到的是模糊变量，而在实际控制当中需要的是清晰量，将上述得 到的模糊的控制量经过清晰化变换得到论域范围内的清晰值，进而转换成实际的控制量。清晰 化计算通常使用加权平均法计算，也叫面积重心法(centroid)。 3 模糊 PID 控制器的模型搭建 基于上述的算法介绍与分析，本文将在 MATLAB/Simulik 环境下，以 BOOST 电路为硬件 模型搭建了基于自适应模糊 PID 算法的 MPPT 控制器。控制器通过采集光伏组件的输出电压电 流，转换成功率偏差和变化输入给 MPPT 控制器，经过模糊推理得到 PID 控制器的自整定参数， 通过 PID 控制器进一步优化系统，减少超调，提高响应速度，增强抗干扰能力，最后通过控制 BOOST 电路的占空比达到跟踪最大功率点的目的。具体的模糊控制器的设置可以通过 MATLAB 模糊逻辑工具箱的图形用户界面进行操作，在 MATLAB 的命令窗口中直接输入 “fuzzy”命令就可以直接调用“FIS Editor”。搭建好的模型见图 8、9 所示。 图 8 自适应模糊 PID 控制 MPPT 仿真模型 图 9 MPPT 控制模型 4 仿真结果分析 为了证明本控制器设计的优越性，在仿真平台同时搭建了基于扰动观察法和自适应模糊 PID 法两种仿真模型，以此来对比两种方法在同一实验条件下的仿真结果。本模型仿真采用 JT185SAb 型号的光伏组件作为电源输入，最大功率点电压 Um=36.27V，最大功率点电流 Im=5.1A，开路电压 UOC=45V，短路电流 ISC=5.5A。BOOST 电路的元件参数设置如下：电感 L=10mH，电容 C=50μF，电阻 R=10Ω。仿真设置：首先在标准测试条件(STC:1000W/m 2, 25℃) 下进行仿真，仿真结果见图 10 所示。为了体现自适应模糊 PID 控制的适应性强，响应快，精 度高等优点，又仿真模拟了太阳辐照度和外界环境温度突变的情况下的实验对比，太阳辐照度 设置为 0.2s 时辐照度从 1000W/m2 降为 750W/m2，在 0.4s 时辐照度从 750W/m2 降为 500W/m2， 仿真结果见图 11 所示。环境温度设置为 0.2s 时温度从 10℃变为 25℃，在 0.4s 时温度从 25℃变 为 50℃，仿真结果见图 12 所示。 0 0.05 0.01 0.015 0.02 0.025 0.03 0.035 0.04 5010 15020 250 T(sec) P(w) 动动动动动PID240.4W 46.3W 170W 159.6W 图 10 标准测试条件下的实验对比 0 0.1 0.2 0.3 0.4 0.550 10150 20250 T(sec) P(w) 动动动动动PID 图 11 变辐照度条件下的实验对比 0 0.1 0.2 0.3 0.4 0.5 0.650 10150 20250 30 T(sec) P(w) 动动动动动PID 图 12 变环境温度条件下的实验对比 从图 10 可以看出，扰动观察法在进行最大功率点跟踪时，瞬态功率高达 240.4W，达到稳 态时间 0.03s，达到稳态后功率稳定在 159.6W 左右，超调量达到了 50%左右，还伴随着不断的 振荡波动，这种跟踪效果不是很理想，不仅太阳能没有得到最大利用，还使系统剧烈振荡。相 比之下，在模糊 PID 的控制下， PI 控制器的配合作用不仅提高了动态响应时间，而且在跟踪的 过程中几乎没有超调量，在 0.02s 左右就稳定在 170W 的输出功率，无论是动态特性还是静态 稳定性都得到了极大地改善，输出功率也提高了 6%左右，使得新能源利用进一步提升。 同理，从图 11 和图 12 也可以看出，在外界辐照度与环境温度突变的情况下，自适应模糊 PID 控制体现出了很好的适应性和稳定性，这是因为微分环节的加入使得系统增强了抗干扰性， 在外部环境突变的情况下可以快速准确地定位到新的最大功率点。 5 结语 本文在 MATLAB/Simulik 环境下搭建了基于自适应模糊 PID 的 MPPT 控制器，利用 BOOST 电路对光伏组件进行最大功率点跟踪，通过对光伏组件的电压电流测试，转换成模糊控 制器的输入量，经过模糊推理得到 PID 控制器的参数，然后经过 PID 控制器控制 BOOST 电路 的占空比，以此来达到跟踪最大功率点的目的。在不同的外界环境下进行仿真实验后可以看出， 自适应模糊 PID 控制技术极大地改善了传统扰动观察法响应时间慢、控制精度不高、抗干扰性 差、适应能力弱等缺点，这对于光伏系统 MPPT 技术的发展以及光伏产业迈向智能化有一定的 推动作用。 参考文献 [1] 周 林 , 武剑, 栗秋华, 郭珂 . 光伏阵列最大功率点跟踪控制方法综述 [J]. 高电压技术, 2008, 34(6): 1145-1152. [2] 罗隆福 , 李鑫 , 李芬芬. 光伏系统最大功率点跟踪算法的改进及应用[J]. 电力电子技术, 2011, 45(4): 1-3. [3] 李国勇 , 杨丽娟 . 神经· 模糊·预测控制及其 MATLAB 实现[M]. 北京: 电子工业出版社, 2013. [4] 陈 杰 , 薛彬 . 模糊控制的研究现状与展望 [J]. 自动化与仪器仪表 , 2006, 6: 8-11. [5] 李元春 . 计算机控制系统 [M]. 北京: 高等教育出版社, 2009. [6] 柳莺，席小卫，胡亚维. 基于模糊 PID 算法的光伏最大功率点跟踪控制系统设计[J]. 自动化 与仪器仪表, 2016, 7: 17-19. [7] 杨世勇, 徐国林. 模糊控制与 PID 控制的对比及其复合控制[J]. 自动化技术与应用, 2011, 30(11): 21-24. [8] 王述彦 , 师宇 , 冯忠绪. 基于模糊 PID 控制器的控制方法研究 [J]. 机械科学与技术, 2011, 30(1): 166-172.