在线闭环自适应模糊控制的MPPT算法研究

康雪杨，吴秋轩，薛 楚

(杭州电子科技大学自动化学院，浙江杭州310018)

0 引言

最大功率点跟踪算法有扰动观察法、短路电流法、恒定电压法等算法，但这些常规算法在跟踪时都存在着精度低、稳态值附近扰动较大这些影响控制效率的问题。国外侧重于自适应模糊控制模型的分析，国内侧重于模糊规则的实现。本文采用基于恒流输出的功率优化器方案，可以有效解决串联光伏组件发电中存在的阴影效应问题。本文硬件部分基于DC-DC电源优化器，再结合自适应闭环在线模糊控制［1、2］，将MATLAB强大的数学建模［3］工具与模糊控制器结合，使最大功率点跟踪算法［4、5］达到跟踪步长、模糊规则的自适应调整。

1 光伏组件特性

太阳能光伏元件是由光敏半导体构成，可以将半导体内的每一对电子与正电荷等效为一对小的PN结，K为玻尔兹曼常数，T代表实际的环境温度，A表示理想P-N结特性因子，Irs为反向饱和电流，Iph代表光伏组件光电流，V表示组件的输出电压，输出的电流i，Rs通常小于等于0.5Ω，可以忽略不计。np表示空穴电子数，对整个组件有:

2 模糊算法描述及具体实现

2.1 模糊算法描述

规则中根据两个输入变量建立模糊输出变量的修正表，根据行的偏差模糊论域与列偏差率论域对应表中d(k)论域值。规则表中为0的值表示步长变量仍维持当前值，不予以修正，当偏差较大变化率大于0时，修正量相应增加;反之偏差量较小且变化率小于0时，相应步长修正量会变得很小甚至取为0，建立的步长d(k)修正如表1所示:

表1 模糊步长修正量论域表

根据表1得出步长对应的规则。再利用模糊集合向量矩阵运算，R(k+1)为修正后模糊关系矩阵，R(k)为修正前矩阵表示论域补集关系矩阵，Rd(k)为上次输出关系矩阵。

以上规则用IF-THEN数学语言描述如下:

2.2 算法描述具体实现

2.2.1 功率优化器方案设计

基于DC-DC功率优化器的硬件方案是为了解决光伏组件串联连接时存在的阴影效应，在输入功率(光伏组件输入电压34V)大于100W时DC-DC输出侧电压在40V左右，工作在Boost模式;当阴影影响时输入功率瞬间可低于60W，此时DC-DC工作在Buck模式，进一步降低输出电压直至输出电流与Boost模式时大致相等，保证串联阵列中其他未受阴影影响的组件工作在最大功率点。两种模式由模糊控制算法进行调度切换。如图1所示:

图1 DC-DC功率优化器硬件结构框图

控制器根据输入侧电压、电流采样计算光伏组件输出功率，由控制器输出4路PWM波对H桥4片MOSEFT管进行对应控制。工作在Boost模式时，图1中PWM1、PWM3的占空比信号互补，PWM2满占空比输出，PWM4关断，通过桥间电感进行升压;在Buck模式下PWM2、PWM4信号互补，PWM1满占空比输出，PWM3关断电感来续流。

2.2.2 硬件在环自适应模糊方案设计

对整个MATLAB仿真系统结构如图2所示:

图2 在线闭环模糊自适应控结构框图

左上方上位机的MATLAB与DSP通过RS-232构成在线闭环，实际控制器得到的偏差、偏差变化率作为MATLAB中仿真模型输入，计算修改后的输出再导入dsp中。

3 MATLAB仿真及实验结果

3.1 仿真原理

Subsystem1为光伏组件封装模型，内部封装了光伏组件数学模型，模拟光伏电池的伏安特性和功率特性。DC-DC输入侧输出侧电压电流分别相乘，得到输入输出功率后输入DC-DC控制器，这里将控制算法程序封装在S-function中，S-function模拟作为DC-DC控制器，这里程序主要是将输入功率、输出功率比较后运用变步长扰动跟踪算法进行H桥控制，当前步长值由上次值加修正值得到。控制器输出4路PWM分别控制H桥对应4片MOSEFT管，Subsystem2这一封装用于将数字控制信号转换为实际电路元件的PWM信号。根据之前的控制规则修正表将规则一一导入Fuzzy Logic Controller，模糊规则输入变量由输入输出功率偏差及偏差变化率模糊化后得到，由规则对应关系矩阵运算得到修正值后再去模糊化输出。在控制器负载侧将功率接到示波器上进行观测，可得到跟踪功率响应曲线如图3所示:

图3 MPPT跟踪算法对照图

图3仿真中光照以阶跃信号模拟，观察MPPT算法跟踪光伏组件输出功率曲线。由图3可见光强瞬间变大时，光伏组件功率瞬间达到120W，自适应模糊明显比常规定步长扰动MPPT算法跟踪及时，响应迅速且跟踪达到稳态最大功率的调节时间较短，常规算法调节时间长、稳态值附近波动较大。

3.2 实验结果

实际对比测试中A组用DSP(TMS320F2812)作为控制器，运用H桥功率优化器方案，负载为15Ω电阻，光伏组件输入电压34V，开路电压36V。正午时段测试，短路电流接近5A，由最大功率点处电流与短路电流近似关系(1/1.3)，最大功率点处Im为3.5A，最大功率点近似为3.5×34=119W，经过功率优化DC－DC后测试负载在Boost模式下两侧电压41.7V，负载侧功率近似为116W，与最大功率误差仅为3W;B组中用普通的Boost升压模块结合普通双步长扰动MPPT控制策略，负载为15Ω，在相同时间段、光照条件下，测得输出电压40.2V，则负载侧输出功率为107W，与实际最大功率相差12W。同时测试时A组稳定后输出的调整时间最长大约为20s，B组中需要的调整时间达到分钟级。显然本算法结合低功耗硬件平台后误差比传统控制策略小，跟踪迅速，具有较强实用性。

4 结束语

本文的在环自适应模糊控制算法借鉴了一些模糊控制的经典方法，实际中对外界较快的光照变化仍存在跟踪不及时的问题，规则与参数仍需实验校正。对于MATLAB的在线修改规则仍需手动进行，目前只运用于调试，仍需改进。期待在不久的将来能够解决这些问题。

［1］ 刘永军，万频.自适应模糊控制算法在光伏系统MPPT中的应用［J］.太阳能学报，2008，4(8):123－156.

［2］ 徐明亮，唐玉兰.在线扰动优化光伏MPPT模糊控制器［J］.工程与应用学报，2011，2(3):12－102.

［3］ 余世杰，苏建徽.MPPT光伏阵列MATLAB通用仿真模型［J］.系统仿真学报，2005，6(12):3－186.

［4］ Simoes，Franceschetti.Fuzzy logic based photovoltaic peak power tracking control［C］.Ohio:IEEE Transactions on Industrial Electronics，2002:217 －223.

［5］ Kuo Yilton，Liang Tanen.Novel maximum-power-point-tracking controller for photovoltaic energy conversion system［C］.Ohio:University of Ohio Technology，2001:367 －375.