基于Motorola单片机的太阳电池最大功率点追踪控制

樊建强，孙瑞娟，李红斌

(1.山西农业大学信息学院，山西晋中 030800；2.山西农业大学工学院，山西晋中 030800)

中国是世界第一大能源生产国，也是第一大能源消耗国，根据2019 年国民经济和社会发展统计公报初步核算，全年能源消费总量为48.6 亿吨标准煤，比上年增长3.3%。煤炭消费量增长1.0%，原油消费量增长6.8%，天然气消费量增长8.6%，电力消费量增长4.5%。我国能源一直处在贫乏的状态，尤其对于一些不可再生能源来说，更是严重缺乏[1]。在此背景下，开发无污染可再生的清洁能源是当下热点。众所周知，地表太阳能资源丰富，且清洁可再生，因此太阳能的利用开发一直是清洁能源的开发重点。光伏发电技术能直接将太阳能转化为电能。光伏发电过程中，太阳辐照能量经常受到环境影响而变化，如地理位置、季节、昼夜、阴晴等，这种辐照能量变化，会影响发电阵输出功率的变化。为了最大限度利用太阳能，使太阳电池板能在各种不同的日照和温度环境下对最大功率点进行有效追踪，令电池板尽可能地工作在最大功率点上，太阳电池最大功率点追踪(MPPT)技术应运而生[2]。

实现太阳电池最大功率追踪的技术有很多，例如，袁娇等[3]提出一种基于模糊RBF 的太阳电池最大功率点追踪算法，利用模糊RBF 神经网络对PID 控制器的控制参数进行自适应整定，以调节光伏电池变换器的功率开关占空比，从而实现太阳电池最大功率点追踪控制；张俊红等[4]利用改进的Fibonacci 算法以实现MPPT 控制；侯庆伟等[5]为了实现对光伏发电系统进行MPPT 控制，对自适应缩放系数变步长电导增量法展开了研究。

尽管以上方法在一定程度上可以实现对太阳电池最大功率点的追踪控制，但存在准确性较低和效率不高的问题。为了解决以上问题，最大限度地利用太阳能，本文引入Motorola单片机，研究了基于Motorola 单片机的太阳电池最大功率点追踪控制。Motorola 单片机具有在同样速度下所用的时钟频率低的特点，因而其高频噪声低，抗干扰能力强，能够更好地实现对太阳电池最大功率点的追踪控制。本文首先研究了太阳电池的特性，再对MPPT 控制进行分析，选定了粒子群算法和电导增量法相结合的方法作为本文的控制策略，在此基础上进行Motorola 单片机的软硬件设计，利用设计完成的Motorola 单片机实现对太阳电池最大功率的追踪控制，再对其进行仿真实验。

1 基于Motorola 单片机的太阳电池最大功率追踪技术

1.1 太阳电池特性分析

太阳电池的伏安特性是对其进行最大功率点追踪控制的重要原因。太阳电池又名光伏电池，是可以利用光生伏特效应(光生伏特效应即半导体在受到光照射时产生电动势的现象，既发生在PN 结界面，也发生在半导体内部)将太阳光辐射能直接转换为电能的器件，将太阳电池封装成太阳电池组件，再将一块以上的太阳电池组件组合成太阳电池方阵，再与储能装置、测量控制装置等结合使用，就可以构成具有维护简单、寿命长、无噪音、无污染等特点的太阳电池发电系统(光伏发电系统)。光伏发电系统构成示意图如图1 所示。

图1 光伏发电系统组成框图

太阳电池的伏安特性公式如下：

式中：Ie为光生电流；I0为电池单元的反向饱和电流；T为电池温度；k为波尔兹曼常数；z为电子电荷；n为二极管特性因子；R为并联等效电阻；I、V分别为电池的输出电流、电压。根据公式(1)可知，温度会对太阳电池的输出电压产生很大影响。

为了更清晰地显示这种影响，分析太阳电池伏安特性曲线，如图2 所示。

图2 太阳电池伏安特性曲线

由图2 可知，太阳电池的工作点在A-E 点(线L)，但是此点并不能够获取最大限度的太阳能，由于A′～E′(Pmax)才是太阳电池的输出最大功率点，只有改变实际负载的阻值，将工作点转移至A′～E′点位置，才能最大限度地获取太阳能，并且使太阳电池发挥出最大的功效。但太阳电池的伏安特性很容易受到外界环境影响，因此必须要实现太阳电池最大功率点追踪控制。

1.2 MPPT 算法

目前，太阳电池最大功率追踪算法主要包括恒定电压法、扰动观察法、电导增量法，这三种方法对比如表1 所示。

表1 典型的太阳电池最大功率追踪算法对比

从表1 中可以看出，三种典型的太阳电池最大功率追踪算法各有利弊。本文将人工智能算法中的粒子群算法加入到电导增量法当中，提出一种粒子群算法和电导增量法相结合的太阳电池最大功率追踪方法[6-8]。

粒子群算法作为一种智能优化算法具有收敛速度快、有效的全局搜索能力和不易陷入局部最优等特点，其基本流程如下：

步骤1：设置粒子群初始参数，具体包括最大迭代次数、群体规模、初始随机位置、初始速度、惯性权重、学习因子。

步骤2：根据适应度函数计算每个粒子的适应度值。

步骤3：将粒子适用度值与粒子的个体最好位置pbest、粒子的群体最好位置gbest 作比较，如果适用度值更优，则将其作为当前的pbest 和gbest[9]。

步骤4：更新粒子位置和速度。

更新公式如下：

式中：i=1,2,...,N，N为粒子群规模；vi为粒子的当前速度；rand()为介于(0,1)之间的随机数；xi为粒子的当前位置；C1和C2为学习因子，通常C1=C2=2。

步骤5：判断是否满足收敛条件，若满足，则得到全局最优解，若不满足，则回到步骤2，继续进行迭代，直至达到最大迭代次数[10]。

但由于粒子群算法本身参数设置方面的问题使其难以对最大功率点进行控制，因此本文采用粒子群算法和电导增量法相结合的复合太阳电池最大功率追踪方法。首先利用粒子群算法进行大范围的全局寻优，当粒子移动到最优解周围后，再利用电导增量法在最大功率点附近进行细致搜索，从而追踪到最大功率点[11]，既提高了搜索效率，又提升了寻优质量。复合太阳电池最大功率追踪方法基本流程如图3所示。

图3 复合太阳电池MPPT方法基本流程

1.3 Motorola 单片机及外电路

图4 是控制器与光伏发电系统的逻辑关系框图。

图4 控制器与光伏发电系统的逻辑关系框图

太阳电池最大功率追踪控制器最核心的部件就是单片机。根据光伏发电系统需求，即单片机应具有抗干扰性强、计算速度快、性能稳定等优点，本文选择Motorola 单片机作为主控制器[12]。该单片机主要技术参数如表2 所示。

表2 Motorola 单片机主要技术参数

2 仿真实验分析

为测试本文基于Motorola 单片机的太阳电池最大功率追踪方法的有效性，选取某光伏发电系统数据，利用Matlab/Simulink 仿真平台进行功率输出实验测试。

2.1 光伏发电系统构建

光伏发电系统构建所需软硬件组成如表3 所示。

表3 光伏发电系统构建软硬件组成

根据表3 中的硬件，搭建了简单的地面光伏发电装置，如图5 所示。

图5 简单地面光伏发电实验装置

实验条件及参数设置如表4 所示。

表4 实验条件及参数设置

2.2 测试结果

从表5 中可以看出，在本文研究的复合追踪方法应用下，太阳电池的输出功率始终高于其余三种方法，说明晴天情况下，本文方法能够达到最大功率追踪的目的。

表5 晴天工况下的太阳电池最大功率追踪结果W

从表6 中可以看出，在本文方法应用下，阴天工况太阳电池输出功率仍然大于其余三种方法。总而言之，本文方法的总体应用效果更好，能更多地采集太阳能量并转为电力，实现太阳电池最大功率追踪目标。

表6 阴天工况下的太阳电池最大功率追踪结果W

3 结束语

为了提高对太阳电池最大功率点的追踪控制效果，最大限度地利用太阳能资源，本文基于Motorola 单片机进行了太阳电池最大功率追踪研究。经仿真实验测试，在本文方法应用下，太阳电池输出功率达到最大值，实现了太阳电池最大功率追踪的目的。