光伏电池最大功率点跟踪方法的发展研究

第 37卷 第 8期2009年 8月V o.l 37 No. 8Aug. 2009节能型输电线 /变电站研究与应用专栏 分布式电源光伏电池最大功率点跟踪方法的发展研究程启明 , 程尹曼 , 汪明媚 , 倪仁杰(上海电力学院 电力 与自动化学院 , 上海 200090)摘 要 : 在光伏发电系统中 , 光伏 电池输出特性受光照强度及环境温度影响很大 , 具有 明显的非线性特征。因此 , 为了提高光伏电池的利用效率 , 需要对光伏电池的最大功率点进行快速准确地 跟踪控制。简 要介绍了 14种常用的最大功率跟踪 方法的原理 , 说明了各种方法的 优、 缺点 , 指出 了选择某一 方法时需 要考虑的因 素 , 并展望了最大功率点跟踪 方法的发展方向。关键词 : 最大功率跟踪 ; 太阳能 ; 光伏阵列 ; 光伏发电基金项目 : 上海市教育委员会重点学科建设项目 ( J51301); 上海市教委重点科研项目 ( 061169)作者简介 : 程启明 ( 1965-), 男 , 教授 , 硕士生导师 , 研究方向为智能控制、 电厂自动化。中图分类号 : TK513; TM 615 文献标志码 : A 文章编号 : 1001-9529( 2009) 08-1300-07R eview on the MPPT m ethod of PV batteryCH ENG Qi-m ing, CHENG Yin-man, WANGM ing-mei, N I Ren-jie( School of Electric Power andA utom ation, ShanghaiU n iversity of E lectric PowerCo llege, Shanghai 200090)Abstrac t: T he output characteristics of PV battery is pr im arily affected by the lighting intensity and air temperatu re,d isplaying nonlinear features. In order to improve the efficiency of PV battery, it is necessaryto perform M PPT fastand accurately. Review of14 commonM PPTm ethods is presented, discussing the strengthsandweaknessof indiv id-ual m ethod. T he developing prospect of theM PPTm ethod is discussedfinally.K ey word s: M PPT; solar energy; PV m atrix; PV power generation光伏电池输出特性具有明显的非线性 , 受到外部环境包括日照强度、 温度、 负载以及本身技术指标如输出阻抗等影响 , 只有在某一电压下才能输出最大功率 , 这时光伏阵列的工作点就达到了输出功率电压曲线的最高点 , 称之为最大功率点。由于目前光伏电池的光电转换效率比较低 , 为了有效利用光伏电池 , 对光伏发电进行最大功率跟踪 (M aximum Pow er Point Tracking, 简称 MPPT) 显得非常重要。光伏阵列的输 出功率 特性 P-U 曲线 如图 1所示。由图可知 , P-U 曲线为单凸峰形曲线 , 当光伏阵列的工作电压 U 为 Um 时 , 光伏阵列的输出功率 P 为最大功率 值 Pm , 即为曲线的最 大功率点。光伏特性随太阳辐射强度、 温度及串联电阻变化曲线如图 2所示。光伏阵列的开路电压和短路电流受日照强度和温度等影响很大 , 导致系统工作点飘忽不定 , 从而降低系统效率。此外 , 串联图 1 光伏阵列的输出功率特性 P-U 曲线电阻对太阳能电池的输出也有影响 , 它是太阳能电池内部所有分布电阻的集中体现 , 其阻值主要由制造工艺、 环境因素等决定。串联电阻会产生欧姆损失 , 降低电池效率 , 从而改变太阳能电池的输出特性 , 但它并不影响其开路电压和短路电流。为此 , 光伏阵列必须实现最大功率点跟踪控制 , 以便阵列在任何条件下不断获得最大功率输出。 M PPT的实现实质上是一 个自寻优过程 , 即程启明 , 等 光伏电池最 大功率点跟踪方法的发展研究 1301图 2 光伏特性随太阳辐射强度、 温度及串联电阻变化曲线通过控制端电压或其它物理量 , 使光伏阵列能在各种不同的日照和温度环境下智能化的输出最大功率 P m。下面将介绍目 前国内外 常用的 M PPT实现方法的原理及特点。1 常用 MPPT 方法的原理及特点1. 1 电压回授法 CVT早期对光伏电池输出功率控制主要利用电压回授法 ( Constant Vo ltageT racking, 简 称 CVT )技术 [ 1] 。图 3为硅光伏电池阵列具有的伏安特性 , 其中 L 是负载 特性 曲线 , 当温 度保 持某 一固定 值时 , 在不同的日照强度下它与伏安特性曲线的交点 a、 b、 c、 d、 e对应于不同的工作点。人们发现阵列可能提供最大功率的那些点 , 如 ac、 bc、 cc、 dc、 ec点连起来几乎落在同一根垂直线的邻近两侧 , 这就有可能把最大功率点的轨迹线近似地看成电压U = 常数的一根垂直线 , 亦即只 要保持阵列的输出端电压 U 为常数 , 就可以大致保证阵列输出该一温度下的最大功率 , 于是最大功率点跟踪器简化为一个稳压器。这种方法实际上是一种近似最大功率法。图 3 光伏电池伏安特性曲线CVT控制方式 具有控制 简单 , 可 靠性高 , 稳定性好 , 易于实现等优点 , 比一般光伏系统要多获得 20% 的电能。但是 , 这种跟踪方式忽略了温度对太阳电 池开路电压的影 响。以单晶硅 电池为例 , 当环境温度每升高 10e 时 , 其开路电压下降率为 0. 35% ~ 0. 45% 。这表明光伏电池 最大功率点对应的 电压 Um 也 随环境 温度 的变化 而变化。对于四季温差或日温差比较大的地区 , CVT控制方式并不能在所有的温度环境下完全地跟踪最大功率。1. 2 开路电压法 OCV开 路 电 压 法 ( Open Circuit voltage, 简 称OCV ) [ 2] 类似于定电压跟踪 CVT 法 , 但 CVT法是跟踪恒定的电压 , 而开路电法跟踪变化的电压。相对于电池板温度变化引起的光伏阵列输出功率的变化而言 , 辐照度的变化对光伏阵列输出功率的影响则更大 , 而不同辐照度下最大功率点对应的输出电压 Um 变 化不大。同时 , 由 实验验证知 , 同一辐照度下的 Um 与开路电压 Uo 的比值只与光伏组件的参数有关 , 而对环境温度的变化不敏感 , 可近似认为是一常数 0. 76(误差 ? 2% )。OCV 算法依据测量得到的开路电压 , 令该电压的76% 作为最大功率点对应的参考电压 , 并在一定时间内保持不变。OCV 法不会产生在最大功率点附近的振荡 ,并且结构简单 , 可以用廉价的模拟电路实现。但该算法的实施需要不停地开断开关元件以测量光伏阵列的开路电压 , 这会导致光伏阵列无法持续供电。同时 , 光伏阵列的 Um /Uo 并不总等于同一常数。因此 , 可以说该算法追踪的稳态误差较大 ,能量转换效率低。1. 3 短路电流法 SEC1302 2009, 37( 8)短 路 电 流 法 ( Short E lectric Curren,t 简 称SEC) [ 2] 是根据同一辐照度下最大功率点对应的输出电流 I m 与短路电流 I s 的比值近似等于 0. 91而设计的算法。该算法的实施需要不断将光伏阵列短接 , 以测量阵列的短路电流。因此 , 短路电流法与恒定电压法的原理实质是一致的。但当辐照度改变时 , 光伏阵 列的 I s 变化迅速 , 而开路电压Uo 则变化较缓。因此 , 考虑到开关器件的开关频率及跟踪效率 , 实际应用中恒定电压法更优越于短路电流法。SEC法存在 和 OCV 法同样 的缺点 , 即 由于Im /I s = 0. 91是一个近似的公式 , 所以光伏阵列并不是工作在真正的最大功率点上。另外测量短路电流 I s 要比测量 UO 复杂 , 通常需要在逆变器中添加开关来周期性的短路光伏阵列从而测得 I s。1. 4 功率回授法 PFB功率回授 法 ( Pow er Feedback, 简称 PFB ) [ 3]与电压回授法 CVT 类似 , 但由于 CVT 无 法在瞬息变化的气候条件下自动跟踪最大功率点 , 因此PFB法加入了输 出功率对电压变 化率的逻 辑判断 , 以便能随着气候的变化而达到最大功率跟踪点。由图 1的 P-U 曲线可见 , 当 dP /dU = 0时 , 即为最大功率点 , PFB法通过采集太阳能电池阵列的电压值和电流值 , 计算出当前输出功率 , 由当前输出功率 P 和上次记忆的输出功率 P, 来控制调整输出电压值 , 即可动态地跟踪光伏电池在不同日照强度和温度下的最大功率点。此法优点是可减少能量损耗以及提升整体效率 ; 缺点是较为复杂且需较多的运算过程 , 它的可靠性和稳定性均不佳 , 实际系统较少采用。1. 5 扰动观察法 P 如果减小 , 则改变原扰动方向。P 当 dP /dU < 0 时 , U 大于最大功率点电压 Um; 当 dP /dU = 0时 , U 即为最大功率点电压 Um。因此 , 通过判断 I /U + dI /dU 即 G +dG (G为电导 ) 的符号就可以可判断光伏阵列是否工作在最大功率点。增量电导法的最大优点是当外界日照强度发生迅速变化时 , 其输出端电压能以平稳的方式追随其变化 , 从而保证最大功率的输出。电导增量法与扰动观察法可说是殊途同归 ,差别仅在于逻辑判断式与测量参数。虽然增量电导法仍然是以改变光伏电池输出电压来达到最大功率点 , 但是借着修改逻辑判断式来减少在最大功率点附近的振荡现象 , 使其更能适应日照强度和温度瞬息变化的气候条件。但这种控制算法实现起来相对复杂 , 而且检测精度和速度在一定程度上会影响跟踪的精度和速度 , 同时 , 电压增量步长的选取也比较讲究 , 若步长太大 , 则跟踪的误差会比较大 , 若步长较小 , 则跟踪的速度会较慢。1. 8 3点重心比较法 TPWC3点重心比较法 (Three-Po in tW eight Com par-ison, 简称 TPW C)也称滞环比较法 [ 6] , 它的工作原理如图 6所示。在图 1的 P- U 曲线顶点附近任意取 3点不同位置 , 所得到的结果可分为图 6所列的 9种情况。其中 , 第 1个点 A为当前工作点 ,第 2 个点 B 为在 A 点的基础上增加 $D 的工作点 , 第 3个点 C为在 A 点的基础上减小 $D 的工作点。在分析之前 , 先引入一个状态量 M 。如果B 点功率大于或等于 A 点功率 , 则状态量为 + , 否则为 - ; 如果 C点功率小于 A 点功率 , 则状态量为 + , 否则为 - 。当状态量有两个 + 时 , 记为 M =2, 则应增加扰动量来加大输出电压 ; 如果状态量有两个 - 时 , M = - 2, 则应减小扰动量来减小输出电压 ; 当状态量 + 、 - 各一时 , M = 0, 则电压扰动量不改变 , 此时视为到达最大功率点或者日照强度快速变化。图 6 最大功率点附近可能出现的 9种情况在扰动观测法的基本思想中是两点比较 , 即当前工作点和前一个扰动点相比较 , 判断功率变化的方向来决定工作电压移动的方向 , 这种方法除了带来一些能量损失之外 , 还会带来如前所述的误判。当日照强度并不快速变化时 , 多余的扰动会带来能量损失。因此 , 3点重心比较法 TPWC可以在日照强度快速变化时并不快速移动工作点(也许只是 干扰或者 数据误 读 ), 以 减小扰 动损失。但此法的算法相对比较麻烦 , 而且对处理器的运算速度和存储容量有较高的要求。1. 9 最优梯度法 OG最优梯度法 ( Optim alG radien,t 简称 OG ) [ 3]是一种以梯度法为基础的多维无约束最优化问题的数值计算法。它的基本思想是选取目标函数的正梯度方向作为每步迭代的搜索方间 , 逐步逼近函数的最大值。梯度法是一种传统且被广泛运用于求取函数极值的方法 , 该方法运算简单 , 有着令人满意的分析结果。1304 2009, 37( 8)最优梯度法保留了扰动观察法的优点 , 同时藉由一个类似动态的扰动量可以改变在太阳能输出功率曲线上电压的收敛速度 , 如图 7所示。当工作点位于最大功率点左侧时 , 电压以一较大的幅度增加 , 当工作点位于最大功率点附近时 , 由于此时斜率较小 , 则提供一较小的扰动量 , 反之当工作点位于最大功率点右侧时 , 电压以一较大的幅度减少 , 这样便可改善于最大功率输出点附近振荡追逐的缺点 , 同时扰动观察法也有不错的响应速率。图 7 最优梯度法进行 M PPT的搜索过程最优梯度法的缺点是迭代求出的解可能是局部最优解 , 而不是全局最优 ; 对 目标函数要求较高 , 如要求一阶可导等 ; 依赖于初始值 , 如果初始值取得不好 , 难以得到好的收敛结果 ; 需要进行步长选择 , 而且步长值对算法性能影响很大。1. 10 间歇扫描跟踪法 IST间歇 扫 描 法 ( Interm ittent Scan T rack, 简 称IST) [ 7] 的核心思想是定时扫描一段阵列电压 (一般为 0. 5~ 0. 9倍的开路电压 ), 同时记录下不同电压时对应的阵列电流值 , 经过比较不同点的太阳电池阵列的输出功率就可以方便地计算出最大功率点 , 从而取代了不间断的搜索过程。间歇扫描方法测定最大功率点所需要的时间随着微处理器性能的不同而有所变化 , 而定时扫描的时间间隔可以放宽至秒级。通过扫描可以快速计算出在近似该日照及温度条件下的最大功率点及其相应的电压值 , 并将此电压值作为 CVT 内环的给定电压值 , 通过闭环 CVT 控制 , 使光伏阵列工作于该点上。这种方法稳定可靠 , 同时避免了其它各种方案由于搜 索振荡而引起的 功率损失。在太阳电池阵列容易产生遮挡的应用中 , 这种方法具有较高的实用价值。此法的最大缺点是在需要有连续输出的光伏系统中无法应用 , 如光伏水泵、 不可调度式光伏井网系统 ; 同时该方法需要 CPU 具有较大的存储空间和较快的运算能力 ,并且不能及时同步跟踪阵列输出 , 在日照变化比较剧烈的情况下 , 此方法很难使阵列时刻工作于最大功率点处。1. 11 功率数学模型法 PMM功率 数学 模 型 法 ( Pow er M ath M ode,l 简 称PMM ) [ 8 ] 是建立在 Lagrange定理基础上的一种跟踪方法。具体描述为在 一定的温度和日 照强度下 , 通过检测电压及其对应的功率得到若干组数据 , 利用 Lagrange插值公式建立光伏阵列的逼近多项式模型 , 然后求得该逼近多项式的最大值 , 确定光伏电池的最大功率点。当温度和日照强度改变时 , 重新测得数据 , 求得新的模型 , 得到新的最大功率点。功率数学模型 法的优点是所 需检测的 参数少 , 只需要检测电压和电流 , 功率可以通过计算获得 ; 控制效果好 , 且控制稳定度高 , 当外部参数变化时 , 系统可以快速跟踪其变化。其缺点是控制算法较复杂 ; 当采集点的个数较少 , 或是采集点位置分布不均匀时 , 逼近曲线相似度较低 , 而增加采集点的个数又会加大运算量 , 使算法变得更加复杂。1. 12 实际测量法 AC实际测量法 ( A ctualM easurem ent简称 AC ) [ 9]主要是利用一片额外的光伏电池模组 , 每隔一段时间实际测量此块电池的开路电压和短路电流 ,建立光伏电池模组在该日照量及温度时的参考模型 , 并计算出在该条件下的最大功率点的电压和电流 , 再配合控制电路使光伏电池模组工作在此电压和电流 , 就可达到最大功率点跟踪的效果。这种方法的优点是可避免因光伏电池及元件的老化而失去准确度 ; 它的缺点是对小功率系统成本较高 , 对大功率系统还须考虑阴影覆盖光伏电池模组引起的多重最大值问题。程启明 , 等 光伏电池最 大功率点跟踪方法的发展研究 13051. 13 模糊逻辑法 FL模糊逻辑法 ( FuzzyLog ic简称 FL) [ 10] 是以功率对电压或电流的变化以及其变化率作为模糊输入变量 , 通过模糊化处理并根据专家经验进行模糊判别 , 给出调节输出的隶属度 , 最后根据隶属度值进行反模糊化处理得到控制调节量 , 来实现控制最大功率输出。这种方法的优点是不依赖控制对象的精确数学模型 , 模糊逻辑控制跟踪迅速 , 达到最大功率点后基本没有波动 , 具有较好的动态和稳 态性能。但模糊集的定义、 隶属函数形状的确定以及规则表的制定等关键设计环节需要设计人员更多的直觉和经验。1. 14 神经网络预测法 NNP神经网络预测法 ( Neura lN etwork Prediction,简称 NNP) [ 11] 是利用神经网络结构来计算最大功率点方法。神经网络的输入信号可以是光伏阵列的参数 , 例如当前的开路电压 UO、 短路电流 IS 或者外界环境的参数 (例如光照强度和温度等 ), 亦可以是上述参数的合成量 , 利用神经网络的自学习能力 , 在线计算输出当前最优的输出电压 , 也即最大功率点处的工作电压。为了获得光伏阵列的精确的最大功率点 , 权重的确定必须经过神经网络的训练来得到。这种训练必须使用大量的输入 /输出样本数据 , 这个训练过程可能要花费数月甚至数年的时间。此外 ,在线反复进行自学习训练计算对微处理器的性能要求很高 , 因此 , 在目前还没有专用芯片出现的情况下 , NNP 法很少使用。在训练结束后 , 基于该网络不仅可以使输入输出的训练样本完全匹配 , 而且内插的和一定数量的外插的输入输出模式也能达到匹配 , 这是简单的查表功能所不能实现的 , 也是 NNP法的优点。2 MPPT 方法的选择与展望2. 1 M PPT 方法的选择M PPT方法的选择需要考虑各种方法本身的特点外 , 还需要考虑控制方法实现的难易程度、 经济成本、 传感器类型、 跟踪速度与精度、 应用领域等多个因素 [ 3] 。采用模拟电路的 M PPT方法相比采用数字信号处理器 ( DSP) 的 MPPT 方法 , 实现上要简单经济 , 且不像采用 DSP的控制方法那样需要软件编程来实现和优化算法。不同的 M PPT方法需要采集的信号不同 , 例如电压、 电流、 光照强度和温度等不同信号。一般测量电压要比测量电流更加容易 , 并且电压传感器要比电流传感器更便宜。如果 MPPT方法需要使用光照强度传感器 , 则增加实现成本。在考虑跟踪速度与精度时 , 应着重考虑光伏阵列应用领域的特定要求 , 例如太阳能汽车对跟踪速度有较高的要求 , 而卫星、 空间站等则对跟踪的速度与精度都有很高的要求。2. 2 M PPT 方法的展望每种 MPPT 方法 都 有各 自 的优 缺 点 , 目 前MPPT方法的发展还不很完善 , 其技术手 段尚未完全成熟 , M PPT方法还具有进一步发展 的前景和空间 [ 3] 。( 1) 数学模型的优化与智能方法的应用数学模型的优化是希望在已知影响光伏阵列的光照强度、 温度等因素下 , 尽可能精确地实时获得光伏阵列的最大功率点。智能方法包括前面介绍了模糊逻辑 M PPT、 神经网络 M PPT 等方法 , 目前智能方法还存在理论不是很成熟、 实时性不够等问题 , 但是它的思维方式还是胜于传统思维模式。随着 MPPT 方法研究的发展 , 数学模型的进一步优化将会简化求解方法 , 智能方法的应用也会越来越普遍。( 2) 多种 M PPT方法的集成每种 M PPT方法均存在着一定的缺陷 , 其改进算法又要付出实现难度与成本的代价 , 因此 , 把多种方法进行有机结合且集成在一起 , 则可以取长补短 , 充分发挥各自的优势 , 达到更好的控制效果。例如 , 在每天早晨光伏阵列启用和晚上停止使用时 , 光照强度、 温度都很低 , 此时光伏阵列的P-U 曲线是很平坦 , 这时扰动观察法和增量电导法的性能较差 , 甚至最大功率点跟踪失败。在弱光的条件下 , 对较小电流的检测精度要求很高 , 此时可以直接根据开路电压设定最大功率点 , 直到检测到电流高于设定值 , 再用特定的算法寻优。3 结语由于光伏电池的非线性、 环境条件的变化以及其他因素的影响 , 使得光伏阵列 MPPT 方法成为一个复杂的综合性问题。本文将介绍国内外常用的 10多种 M PPT实现方法的原理及特点 , 并讨论了 MPPT 方法的选择与展望 , 当前将多种方法第 37卷 第 8期2009年 8月V o.l 37 No. 8Aug. 2009中国可再生能源发展前景分析余 寅 , 唐宏德 , 郭家宝(上海电力设计 院有限公司 , 上海 200025)摘 要 : 分析了我国可再生能源的发展现状 , 并分析了目前可再生 能源发电 建设存在的 一些不利 因素和有利条件 , 对未来我国可再生能源开发利用的发展前景进行了展望。关键词 : 可再生能源 ; 太阳能 ; 风能 ; 开发利 用 ; 能源消费作者简介 : 余 寅 ( 1962-), 男 , 总经理 , 高级工程师 , 从事电源电网建设技术管理工作。中图分类号 : TK019 文献标志码 : A 文章编号 : 1001-9529( 2009) 08-1306-03D eveloping prospect analysis of renewable energy resources in Chi naYU Yin, TANG H ong-de, GUO Jia-bao( Shanghai E lectric Power D esign Institute Co. L td. Shanghai 200025)Abstrac t: Current situation of renewable resourcesin China is analysed firstly. Then the advantagesandd isadvantagesrelated to the power generation construction project are discussed in detai.l F inally the developing prospectof the ex-p loration and utilitzati on of renew able energy resourcesis presented.K ey word s: renewable energy resources; solar energy; wind energy; exploratoonand utili zation; energy consum ption进行有机集成是光伏阵列最大功率点跟踪控制的研究热点。本文对光伏阵列 MPPT 方法的应用有一定指导作用。参考文献 :[ 1] 李 晶 , 窦 伟 , 徐正国 , 等 . 光伏发电系统中最大功率 点跟踪算法的研究 [ J]. 太阳能学报 , 2007, 28( 13): 268-272.[ 2] 周 林 , 武 剑 , 栗秋华 , 等 . 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): 1145-1154.[ 3] 余世 杰 , 何 慧 若 , 曹 仁 贤 , 等 . 光 伏 水泵 系 统中 CVT 及M PPT的控制比较 [ J]. 太阳 能学报 , 1998 , 19 ( 4): 394-398.[ 4] 栗秋华 , 周 林 , 刘 强 , 等 . 光伏并网发电系统最大功率跟踪新算 法 及 其仿 真 [ J]. 电 力自 动 化 设 备 , 2008, 28( 7): 21-24.[ 5] 赵庚申 , 王庆章 , 许盛之 . 最 大功率点 跟踪原理 及实现方法的研究 [ J]. 太阳能学报 , 2006 , 127 , ( 10): 997-1001.[ 6] 陈 敏 , 陈尚伍 , 钱照明 . 太 阳电池最 大功率点 追踪的控制策略 [ J]. 太阳能学报 , 2007, 28( 12): 1317-1320.[ 7] SH IB IN IM A, RAKHA H H. M aximum power poin t track ingtechnique[ C]. Integrating R esearch,Industry and Educationin Energy and Comm unication Engin eering, M EL ECONc89,L isbon, Portuga,l 1989: 21-24.[ 8] KOUTROUL IS E, KALA K, VOULGAR IS C. Development ofa m icrocontroller-based photovoltaic m axim um power pointtrack ing control system [ J]. IEEE T rans on Power E lectron-ics, 2001, 16 ( 1): 46-54.[ 9] HART G W, BRANZ H M , COX C H. E xperim ental test s ofopen-loopm aximum-power- point track ing techniques for pho-tovoltaic arrays[ J]. Solar C ells, 1984, 13( 2): 913-917.[ 10 ] 任碧莹 , 钟彦儒 , 孙向东 , 等 . 基于模糊控制的最大功率点跟踪方法研究 [ J]. 电力电子技术 , 2008, 42 ( 11): 47-48.[ 11 ] 王 松 . 一种基于神经网络 的光伏电 源最大功 率控制系统 [ J]. 山东大学学报 (工学版 ), 2004, 34( 4): 45-48.收稿日期 : 2009-06-05本文编辑 : 杨林青传统的化石能源在全球范围内正日渐枯竭 ,世界权威机构分析结果表明 , 目前全球煤的储量只能维持约 230年的需求 , 而石油和天然气则将在未来的 60~ 80年间逐渐耗尽 , 世界各国正面临着一场能源危机。近年来 , 随着科学技术的进步 , 以太阳能、 风能为代表的可再生能源的大规模开发利用为我们解决当前的能源危机提供了一条有效的途径。为此 , 世界各国都投入了大量的人力物力 , 并纷纷制定可再生能源中长期发展规划。使得全球的可再