模糊PID算法在光伏电池MPPT中的仿真研究

蔡文皓，李齐齐，李 都

(西安科技大学电气与控制工程学院，陕西西安710054)

模糊PID算法在光伏电池MPPT中的仿真研究

蔡文皓，李齐齐，李 都

(西安科技大学电气与控制工程学院，陕西西安710054)

为了提高光伏系统的效率，采用最大功率点追踪(MPPT)技术能最大程度地将光能转化为电能。模糊控制算法和PID控制算法是构造MPPT的有效途径，结合两种算法特点，提出一种模糊参数自校正PID算法。仿真结果表明该算法能有效提高系统的响应速度，消除系统振荡，显著提高了控制系统的动、静态性能。

光伏系统；MPPT；模糊参数自校正PID

光伏发电是太阳能利用领域的一个重要发展方向。在光伏发电系统中，光伏电池的输出特性受到很多因素的影响，如光伏电池的内部结构、环境温度、光照强度、所带负载等，具有强烈的非线性。在不同的外界条件下，光伏电池都有唯一但不同的最大功率点，为了最大限度地将太阳能转化为电能，在理论和实践上提出了光伏电池的最大功率点追踪(MPPT)技术。模糊控制算法和PID控制算法是构造MPPT的有效途径，结合两种算法特点，本文提出了一种模糊参数自校正PID算法。

1 光伏电池的数学模型及输出特性

光伏电池是利用半导体材料的光生伏打效应制成的。所谓光生伏打效应是指半导体材料吸收光能后产生电动势的现象，根据电子学理论，太阳电池的等效电路如图1所示。

图1 光伏电池等效电路图

在标准工况下，通过一些近似、化简及显化步骤，得到光伏电池的数学模型[2]：

光伏电池P-U特性曲线与光照强度、环境温度有关，当光照强度为1 000 W/m2、温度为25℃时，其输出特性曲线如图2所示，在特定电压下，其输出存在唯一最大功率点。

2 改进模糊控制算法

2.1 模糊控制原理

模糊控制[3]以模糊集合理论为基础，特别适用于数学模型未知的复杂的非线性系统，而光伏系统恰是一个强非线性系统，因此采用模糊控制的方法来跟踪太阳电池的最大功率点是非常合适的。

图2 光伏电池输出特性曲线

对于一个系统进行模糊控制需进行模糊化、模糊规则推理、反模糊化三个步骤。模糊控制系统首先对光伏电池的电流、电压进行采样，再由采样得到的电压、电流计算出光伏电池的输出功率。光伏系统为单输入、单输出系统，其输出变量为工作点电压的校正量Δ，输入变量分别为(误差)，(误差的变化率)。其中满足如下两条规则：

在模糊控制中，输入变量也称为语言变量，常用PB(正大)、PM(正中)、PS(正小)、ZE(零)、NS(负小)、NM(负中)、NB(负大)这7个说明性的短语来表示这些语言变量特性的语言值。通过将每个语言值用均匀分布的三角形隶属度函数表示来确定输入变量(或Δ)和输出变量(Δ)的不同取值与相应语言变量之间的隶属度，所有输入变量和输出变量按5级划分，分别为PB、PS、ZE、NS、NB，如图3所示。

图3 、Δ、Δ的隶属度函数

模糊规则推理运算根据专家知识制定出的运算规则，将上述得到的模糊量转化为模糊控制输出量。由光伏电池的输出特性曲线可知：当和异号时，工作点向移动；当和同号时，工作点远离。根据和的不同组合，光伏电池的输出电压变化值Δ应做出相应改变，以使系统的工作点向其最大功率点靠近。由MPPT的逻辑控制规则可以得到系统的模糊规则推理表。

反模糊化是将用语言变量表达的模糊量转化为精确的数值的方法，它的方法有很多，本文使用面积重心法进行反模糊判断，其计算公式为：

表1 输出控制规则检索表

2.2 改进型模糊控制算法

由于PID控制器可以有效消除系统工作中存在的振荡现象，本文在传统模糊控制方法的基础上进行改进，采用模糊参数自校正PID控制来实现光伏电池的最大功率点追踪控制。

模糊参数自校正PID控制[5]结合了PID控制和模糊控制的优点，能很好地处理系统跟踪中的速度和精度问题，其结构如图4所示。

PID控制器的离散表达式为：

图4 模糊参数自校正PID控制原理方框图

其中：

为了对PID的参数进行模糊化，先对其参数进行归一化处理，即将其归一化到[0，1]中，其公式为：

图5 、的隶属度函数

修正系数α的隶属度函数用单点表示，其语言变量取值分别为αS、αSM、αM、αB，大小分别为2、3、4、5，其隶属度函数如图6所示。

图6 α的隶属度函数

3 仿真实验

在Matlab/Simulink中搭建模糊参数自校正系统的仿真模型，如图7所示，仿真电路由光伏电池、Boost升压电路及负载组成。其中光伏电池的模型参数为：开路电压86.2 V。短路电流4.04 A，最大功率点电压69.8 V，最大功率点电流3.42 A，标准光强为1 000 W/m2，温度为25℃。

在图7电路中，分别对传统模糊算法和改进型模糊算法进行仿真研究。实验设定环境温度为25℃，起始光照强度为800 W/m2，在0.5 s处，光强突变为1 200 W/m2，仿真时间为1 s，采用ode23tb算法，仿真结果如图8所示。

由图8可知，传统模糊控制算法跟踪到光伏电池最大功率点需时0.03 s，而模糊自校正PID算法仅需0.01 s即可。并且，在光照强度发生变化时，后者能更快地跟踪到最大功率点，即其具有较高快速性，从图中也易看出后者在光照强度不变时具有更好的稳定性。

图7 模糊参数自校正仿真电路模型

图8 光照强度变化时的仿真图形

4 结语

本文首先分析了传统模糊控制算法在光伏电池MPPT中的不足，其后在传统模糊控制算法基础上结合PID控制算法在消除振荡方面的优越性提出了模糊自校正PID算法。并在Matlab/Simulink环境下对其进行了仿真研究，仿真结果表明：在光伏电池最大功率点跟踪中，模糊自校正PID算法使系统具有更高的快速性，并能有效消除振荡。

[1]王长贵，王斯成.太阳能光伏发电实用技术[M].北京：化学工业出版社，2005.

[2]吴忠军，刘国海，廖志凌.硅太阳电池工程用数学模型参数的优化设计[J].电源技术，2007，31(11)：897-901.

[3]谢磊.模糊控制在光伏充电系统中的应用研究[D].合肥：合肥工业大学，2006.

[4]张兴，曹仁贤.太阳能光伏并网发电及其逆变控制[M].北京：机械工业出版社，2010.

[5]虞正琦.基于模糊控制的光伏发电系统MPPT技术研究[D].武汉：华中科技大学，2007.

Simulation study of photovoltaic cells MPPT using fuzzy self-tuning PID algorithm

To further improve the efficiency of the photovoltaic system，the maximum power point tracking (MPPT) was used to convert sunlight to electricity largely.Fuzzy control algorithm and PID control algorithm are the effective ways to construct the MPPT.Combined with the characteristics of the two algorithms，a new self-tuning fuzzy PID algorithm was proposed.The simulation results show that the algorithm can effectively improve the response speed and eliminate oscillations of the system.It significantly improves the dynamic and static performance of the control system.

photovoltaic system;MPPT;self-tuning fuzzy PID

TM 615

A

1002-087 X(2016)04-0786-03

2015-09-02

蔡文皓(1957—)，男，江苏省人，教授，主要研究方向为电力变换、电气传动及可再生能源发电技术。