昨天我们讲了光伏效应(https://engine.eefocus.com/analog-power/449162),今天来聊聊 MPPT

 

1、MPPT 基本原理

受到光照强度的影响,光伏电池的输出特性不是一个稳定的状态,为了实现效率的最大化,最大功率点跟踪就发挥它的作用了。

 

如下图:

 

 

这是在恒定光照强度和恒定环境温度下的光伏电池输出 P-U 曲线。这是一个单峰值的函数曲线,根据实际运行的情况不断地调整光伏电池的输出电压。如果此时运行电压处于 U1 点,系统会通过比较来判定此时应该增大电压到 U2,直到追踪到 Um,使其输出功率达到最大值 Pm。如果此时工作电压在 Um 右侧,利用同样的道理进行跟踪,找到 Um,只是跟踪的方向不同而已。此过程即我们所说的最大功率点跟踪。

 

那么,在实际中光照强度是发生变化的,在可变的光照强度下,MPPT 的工作原理是怎样的呢?

 

 

上图是不同光照强度和不同负载下的 I-U 曲线。在最初的光照强度下,我们假设电池的输出特性和负载特性都是曲线 1,此时两者的交点为 A1,即为系统初始工作点,可见此时是符合最大功率点工作要求的。当太阳光照强度发生衰减时,电池的输出曲线从 1 跌落到 2. 假设原有负载 1 没有改变,那么系统的工作点便会发生改变到 A2,与该光照强度下应有的最大功率点 B1 产生偏移。那么,想要保持对最大功率点跟踪,使光伏电池系统在最新的最大功率点 B1 处运行,则需要把负载曲线从 1 改成 2。同样的,若在 B1 点稳定运行,若太阳光照强度增加,使得光伏电池的输出特性曲线从 2 回到 1,那么此时便会变到 B2 工作点,这时就需要让负载从曲线 2 再变回到曲线 1,从而确保系统工作在最大功率工作点。

 

2、MPPT 控制方法

MPPT 的控制方法,我们大致可以分为三大类:

➤基于参数选择方式的间接控制法

➤基于采样数据的直接控制法

➤基于现代控制理论的人工智能控制法

 

1、基于参数选择方式的间接控制法

分为:恒定电压跟踪法、开路电压比例系数法、短路电流比例系数法

 

①恒定电压跟踪法

恒定电压跟踪法是最早出现的 MPPT 方法,是一种采用恒定电压控制近似达到 MPPT 的方法。在不计温度对光伏电池的影响下,得到其输出特性曲线和负载的匹配曲线,如图:

 

 

无论光照强度如何改变,每条特性曲线和负载曲线的交点都是各自的最大功率点,即图中的点 a'、b'、c'、d'和 e'

 

观察发现,这些最大功率点所对应的工作电压都近似是某一恒定电压值 Um,所以称之为恒定电压法。在实际应用中,只要根据光伏电池出厂时的标称参数和串联单元数,就可以计算出最大功率点处的电压值,为了使系统始终工作于这一电压值,需要根据实际情况在光伏电池和负载之间增加相应的阻抗变换,此时便能保持系统最大能量输出。

 

优点:过程间接明了,可实施的方法简单;性能相对稳定,便于达到预期效果;

 

缺点:由于外界环境温度和电池内部自身的温度变化都会导致最大功率点的电压值出现波动,造成或多或少的损耗;精确程度不是很高。

 

②开路电压比例系数法

根据电池的伏安特性,Um 和 Uoc 之间存在着如下的近似线性关系:

Ku=Um/Uoc<1

 

比值 Ku 记为开路电压比例常数,其值通常在 0.7 左右。

 

周期性地把电池和负载断开测量,能够得到 Uoc(如每 1s 断开 10ms),由此能够得到最大功率点处的电压值。

 

 

优点:采用简单的模拟电路就能完成最大功率点跟踪;抗扰动能力强,能及时的自我修正;经济方便。

 

缺点:电池并没有在实际意义上的最大功率点处工作;Uoc 的值需要断开负载进行测量,故由此产生瞬时功率损失;运行时需要的存储空间较大、运算能力要求比较高;不适用于要求输出连续的系统。

 

③短路电流比例系数法

由电池的伏安特性可知,最大功率点处电流 Im 和短路电流 Isc 之间存在着如下式所示的近似线性关系:

Ki=Im/Isc<1

 

其比值记为短路电流比例常数 Ki,一般取 0.85±0.07。

 

优点:和开路电压一样,采用简单的模拟电路就能完成最大功率点跟踪;很强的抗干扰能力。

 

缺点:光伏电池也是没有真正意义上的工作在最大功率点;Isc 一般需要在逆变器中增加开关进行光伏电池的周期性短路测试,所以就比较麻烦。

 

2、基于采样数据的直接控制法

分为:扰动观测法和电导增量法

 

①扰动观测法

我们假定电池的工作电压大小可以控制,先测出起始时电池在某一电压值下的输出功率,然后给系统一个正向扰动,如果测出扰动后的功率比起始时大,则表示系统工作于最大功率点左边,此时仍然要给正向扰动;相反就给反向扰动。循环往复,直到控制工作电压在最大功率点处的电压值左右徘徊,并区域稳定值,最后使得系统在最大功率点处运行。

 

此方法也被成为“爬山法”,可以参考下图理解:

优点:结构简单,待测参数有限,易于实现。

 

缺点:控制目标比较盲目,可能会出现方向判断错误的情况,不断地振荡会对功率造成损失。针对这些缺点后来提出了变步长式扰动观测法,得到了改善,这里就不说了。

 

②电导增量法

电池功率的计算公式是 P=UI,我们对其两边进行求导,把 I 看作 U 的函数,可得:

 

 

由此继而得到:

dI/dU=-I/U

当 dP/dU>0 时,有 U<Um;

当 dP/dU<0 时,有 U>Um;

当 dP/dU=0 时,有 U=Um;

综合以上关系,可知:

当 U<Um 时,dI/dU>-I/U;

当 U>Um 时,dI/dU<-I/U;

当 U=Um 时,dI/dU=-I/U;

 

根据 dI/dU 和 I/U 两者的关系来调节工作点电压完成 MPPT。可以参考下面的流程:

 

 

U(t)和 I(t)分别为 t 时刻的光伏输出电压和输出电流,ΔU 为跟踪步长,Uref 为光伏阵列输出电压参考值,设 Uref=Um。但是由于数字处理需要采样时间,此方法会在最大功率点周边出现波动,波动大小与采样时间成正比关系,采样时间越小,波动越小。

 

优点:一旦光照强度出现剧烈变化,电压可以平稳地依据其变化而变化,确保功率得以最大输出。

 

缺点:需要精确度很高地传感器为其跟踪提高保证。

 

3、基于现代控制理论地智能控制方法

分为:模糊控制法、神经网络法和滑模控制法

 

①模糊控制法

模糊控制法时根据人的经验得到相应语言规则来控制系统。实际操作时,它不必知道被控制对象的精确数学模型和输入量,计算机对采集的信息进行模糊决策和模糊推理,通过计算得到模糊集,在此基础上通过模糊判断得到精确的控制输出量。进而实现对被控对象的良好控制。所以,对于数学模型难以建立的系统来说,它具有很多优势。模糊逻辑控制器的输入通常是误差量 E 和误差变化量ΔE,可以用下面的式子来确定:

 

 

ΔE(n)=E(n)-E(n-1)

 

其中,U(n)是光伏电池输出电压;P(n)是光伏电池输出功率。

 

优点:直接采样相应规则控制,对参数改变不敏感,减少跟踪时间,最大功率点处几乎不存在振荡。

 

缺点:设定模糊集、隶属函数形状以及控制规则等工作需要花费大量时间;对控制器的精度要求较高,进而增加了硬件的成本。

 

②神经网络法

人工神经网络是新型的信息处理技术,实际上是近似于人脑的数学模型。神经网络法是在 MPPT 中将神经网络实现应用的控制法,其实现方式类似于人脑处理信息的方式。它能实现较多的高级功能,如自组织、自学习,还能并行计算,加快了系统的处理速度。

 

如果需要解决的问题较为复杂,那么其中包含的层数和每层神经元的数量也会随之增多。应用到光伏电池中,其参数可以作为输入信号,如 Uoc、Isc、光照强度、温度等参数,或者是参数的合成量。经完善的光伏变流器、输出电压的占空比等信号参数可以看出输出信号。

 

如下图,为多层神经网络结构图,它主要由输出层、输入层和隐藏层三层神经元组成。当中各个节点间存在一个权重增益 WIj,此增益的确定需要经过神经网络的练习得到。为了实现 MPPT 功能,权重值的选取相当重要。

 

 

优点:经神经网络练习过的 MPPT 控制系统,可令输入、输出信号和样本相匹配;内插和外插输入 / 输出模式可达到高度的匹配。

 

缺点:训练过程十分复杂,数据之多,对于计算机的处理能力提出了较高的要求;针对不一样的光伏电池系统要分别进行针对性的训练,过程还是十分漫长的。

 

③滑模控制法

在光伏系统所要求的条件下,滑模控制法不断改变开关特性,目的是让输出特性曲线沿着规定轨迹做高频小幅度的“滑模运动”,使之能够达到并且保持在规定的滑动面上。滑模变结构控制拥有响应快速,不能立即反应于内部参数和外部扰动的变化等特征,物理过程实现较为简单。

 

控制规则我们可以大概理解为:

可取控制器的控制量为

s≥0 时,u=0;

s<0 时,u=1;

切换函数为:

s=dP/dU=I+u*dI/dU

 

优点:鲁棒性较强,跟踪速度快;只要获得准确的系统及其切换函数,系统便可以稳定于切换函数 s=0 处。

 

缺点:影响系统跟踪的动态和稳态特性;会使系统输出功率和电压产生抖振现象。

 

关于 MPPT 的基本原理和控制方式介绍就聊到这里,大家了解一下就可以了,当遇到的时候再深入研究。