提高能效的自主供電系統(tǒng)智能控制算法模型建立與仿真

李紅斌 王嘉偉 張晶晶 王蕊 竇晨

摘要：為解決太陽能電池為機器人系統(tǒng)提供能量效率低下的問題，文中設(shè)計開發(fā)一種提高能效的自主供電系統(tǒng)。其采用基于模糊邏輯擾動觀測算法的智能MPPT充電控制器，該算法通過使用足夠精確的預測和自適應算法克服了在功率波動與最大功率點跟蹤時間固定等方面的缺點，提高了太陽能電池的效率。為了研究模糊邏輯器件在MPPT算法中的實現(xiàn)，文中在Matlab/Simulink環(huán)境下開發(fā)了該系統(tǒng)的仿真模型，包括太陽能電池、MPPT控制器、蓄電池和負載。仿真結(jié)果表明，MPPT技術(shù)的應用使太陽能系統(tǒng)能量產(chǎn)生量提高了23%;將模糊邏輯算法引入MPPT控制器大幅提升了最大功率點跟蹤的速度，且抵消了電壓波動，從而使功率不足減少了2%。

關(guān)鍵詞：太陽能電池;自主供電系統(tǒng);充電控制器：算法模型;智能控制算法;仿真模型開發(fā)

中圖分類號：TN876-34：TP393

文獻標識碼：A

文章編號：1004-373X（ 2019） 24-0183-04

0 引 言

電源是智能產(chǎn)業(yè)面臨的主要問題之一，目前主要是通過提供太陽能電池來解決電源問題。然而由于太陽能電池能效較低，因此該方法存在諸多缺點。人們采取了一些方法來提高太陽能電池的能效，這些方法中包括使用MPPT電荷控制器[1-4]。最大功率點跟蹤（MPPT）是通過獲取光伏組件和風力發(fā)電機組最大可能的功率輸出來提高能效的方法。MPPT是利用數(shù)字器件對電流電壓曲線（CVV）進行分析，以確定最佳電壓一電流對，從而提供最大的輸出功率。

最常見的MPPT算法是擾動觀測算法。在該方法中，MPPT裝置通過微量改變太陽能裝置的輸入電阻，從而改變太陽能裝置的電壓，并測量功率;若功率增加，控制器將繼續(xù)改變相同方向的電壓，直到功率停止增加，如圖1所示。

擾動觀測算法的缺點是功率波動和固定的“爬升”（最大功率點跟蹤）時間[5]，“爬升”時間越短，波動幅度越大，功率越低。而波動幅度功率的減小導致最大功率點跟蹤時間的增加，但這些問題可以通過使用足夠精確的預測和自適應算法來解決[6-7]。

1 自主供電系統(tǒng)

具有太陽能發(fā)電系統(tǒng)的智能設(shè)備一般由質(zhì)量輕、強度高的材料和耗電量小的電子電路組成，較低的能耗與結(jié)構(gòu)重量使太陽能電池的應用更具潛力。設(shè)計太陽能發(fā)電系統(tǒng)有多種選擇[8]，本文主要考慮太陽能電池聯(lián)合發(fā)電系統(tǒng)。如前所述，使用MPPT電荷控制器可以提高太陽能供電系統(tǒng)的能效，而MPPT電荷控制器可通過單板微控制器（Arduino，MBED等）來實現(xiàn)。

基于單板微控制器的光伏發(fā)電充電器的設(shè)計思想是：以單片機控制的巴克變換器為充電器，當光伏組件的電壓/電流增加時，PWM發(fā)生器增加脈沖頻率，從而增加輸出電流。

2 系統(tǒng)仿真建模

模糊邏輯控制是一種人工智能的控制方式，其能夠使系統(tǒng)按照類似人的思維方式去考慮推理一些類似于“遠”“近”“快”“慢”等具有模糊概念的問題。通過模糊控制系統(tǒng)對充電系統(tǒng)的電壓、電流進行采樣并計算功率，判斷出工作點與最大功率點的位置關(guān)系，進而使系統(tǒng)能夠自動調(diào)節(jié)最佳輸出電壓，使系統(tǒng)穩(wěn)定在最大功率點工作。

實現(xiàn)模糊控制主要有3個步驟，分別為模糊化、確定模糊規(guī)則和模糊判決。模糊化是指將精確的輸入量轉(zhuǎn)化為模糊量。在太陽能發(fā)電系統(tǒng)中，當dP/dU=0時，所對應的工作點即為最大功率點。通過對太陽能發(fā)電系統(tǒng)的輸出電壓和功率進行實時采樣，并用n和n一1來表示當刻和前一刻的采樣數(shù)據(jù)。采用誤差D（n）和誤差變化量AD（n）作為模糊邏輯控制器的輸入，以PWM占空比Z的變化量AZ（n）為輸出。定義：

D（n）=[P（n）一P（n-1）]/[U（n） -U（n一1）]

（1）

△D（n） =D（n） -D（n-l）

（2）

△Z（n） =Z（n）-Z（n一1）

（3）式中：P（n），U（n）分別為第n時刻采集到的太陽能充電系統(tǒng)的輸出功率和輸出電壓;Z（n）為第n時刻采集時PWM的占空比;當D（n）為0時，系統(tǒng)輸出功率最大。

定義模糊集合D，AD，AZ分別為：

D={FD，F(xiàn)X，ZL，ZX，ZD}，論域為{-0.07，-0.05，-0.03，-0.02.0. 0.03， 0.03}; AD={FD， FX， ZL， ZX， ZD}，論域為：{-200，-150，-100，-50，0，50，100，150，200};AZ={ FD，F(xiàn)X，ZL，ZX，ZD}.論域為{-0.03，-0.02，-0.02，-0.01，0， 0.01. 0.03， 0.02， 0.031;

其中，F(xiàn)D，F(xiàn)X，ZL，ZX，ZD分別表示負大、負小、正零、正小、正大。

確定模糊規(guī)則即確定系統(tǒng)最佳工作點的規(guī)則。從前文可知，當D恒為0時系統(tǒng)處于最佳工作點，模糊判決則是將模糊集轉(zhuǎn)化為精確值的過程。

本文在Matlab/Simulink環(huán)境下創(chuàng)建了一個自主電力系統(tǒng)模型。為了評估MPPT算法與基于模糊邏輯的MPPT算法的有效性，除了控制器本身，本文還設(shè)計了光伏系統(tǒng)，包括太陽能電池、充電控制器、蓄電池和負載，如圖2所示[9-10]。

在控制器單元中實現(xiàn)了擾動觀測MPPT算法，模型如圖3所示。MPPT控制器的使用增加了太陽能電池的能量生產(chǎn)，并提高了電池充電率。圖4顯示了電池充電率（無負載）的對比圖。

從圖4中可以看出，使用MPPT控制器的電池充電率顯著，能量產(chǎn)生量提高了約23%。圖5為所開發(fā)模型的最大功率點跟蹤模式。

圖5表明，在算法實現(xiàn)過程中電壓和功率有所波動，導致太陽能電池產(chǎn)生的能量利用不足，而利用基于模糊邏輯的自適應算法可以解決這一問題。圖6顯示了帶模糊調(diào)節(jié)器的MPPT控制器的模型。

模糊控制器的輸入語言變量，本文使用太陽能發(fā)電系統(tǒng)MPPT算法比例因子E與其步進大小dE來描述系統(tǒng)的變化情況：

模糊邏輯單元的輸出變量，由步進大小和MPPT算法比例因子的變化情況綜合控制。輸出變量值對輸入變量依賴性的規(guī)則集定義，如表1所示。

3 模糊邏輯單元對MPPT控制器的影響

為了研究模糊邏輯單元對太陽能光伏發(fā)電的影響，設(shè)置模型的初始參數(shù)：溫度25℃，太陽曝曬水平W=1 000 kW.h.m-2，入射角a=900，用戶負載關(guān)閉。圖7和圖8為仿真結(jié)果。

圖7中粗線為正常MPPT算法，細線為基于模糊邏輯的算法。圖8中實線為正常MPPT算法，虛線為基于模糊邏輯的算法。圖7表明，在MPPT控制器中使用模糊邏輯單元可大幅提高最大功率點跟蹤的速度，并降低電壓波動，從而抵消了功率波動，使功率產(chǎn)生不足的程度降低約2%。

4 結(jié)論

本文改進了智能設(shè)備的太陽能供電系統(tǒng)設(shè)計，采用基于模糊邏輯的自適應算法，將MPPT電荷控制器應用于實際系統(tǒng)，提高了系統(tǒng)性能。通過仿真建模，研究了帶自適應的擾動觀測MPPT算法的有效性。證明了模型的正確性，驗證模糊控制器的作用。開發(fā)的模糊控制系統(tǒng)提高了最大功率點跟蹤速度，抑制了功率波動。仿真測試結(jié)果表明，MPPT技術(shù)的應用使能量產(chǎn)生量提高約23%。在MPPT控制器中引入了基于模糊邏輯的算法，提升了最大功率點跟蹤的速度，并抵消了電壓波動，使功率產(chǎn)生不足的程度降低了2%。

參考文獻

[1]SHEN K， PROLETARSKY A V. NEUSYPIN K A.Algorithmsof constructing models for compensating navigation systems ofunmanned aerial vehicles[C]//International Conference on Ro-botics&Automation Engineering. Jeju： IEEE. 2016： 104 - 108.

[2] SHEN C，YU S，LU J，et al.A systematic methodology forconstructing hyperchaotic systems with multiple positive lyapu-nov exponents and circuit implementationJ]. IEEE transac-tions on circuits&systems， 2017， 61（3）：854-864.

[3]劉艷莉，周航，程澤.基于粒子群優(yōu)化的光伏系統(tǒng)MPPT控制方法[J].計算機T程，2010，36（ 15）：265-267.

LIU Yanli. ZHOU Hang， CHENG Ze. MPPT control methodof PV system based on PSO [J]. Computer engineering， 2010，36（15）：265-267.

[4]胡文淵.光伏發(fā)電系統(tǒng)MPPT控制算法的優(yōu)化研究[D].北京：中國地質(zhì)大學，2016.

HU Wenvuan. Study on optimization of MPPT control algorithm for photovoltaic power generation system[Dl. Beijing： ChinaUniversitv of Geosciences. 2016.

[5] ZHOU S.Random exponential attractor for cocycle and applica-tion to non-autonomous stochastic lattice svstems with multipli-cative white noise [J]. Journal of differential equations， 2017，263（4）：2247-2279.

[6]陳艷，周林，劉強，等.基于遺傳編碼的光伏MPPT模式搜索跟蹤控制[J].沈陽工業(yè)大學學報，2011.33（3）：331-337.

CHEN Yan， ZHOU Lin， LIU Qiang， et al.MPPT patternsearch tracking control of photovoltaic system based on geneticencoding [J]. Journal of Shenyang University of Technology，2011， 33（3）：331-337.

[7]呂晨旭.基于神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)MPPT控制算法設(shè)計[J]現(xiàn)代電子技術(shù)，2018 ，41（3）：132-135.

LU Chenxu. Design of neural network based MPPT control algo-rithm for photovoltaic system [J1. Modern electronics tech-nique， 2018， 41（3）： 132-135.

[8] 11 X， QIU H， CHEN Z，et al.A local Kriging approximationmethod using MPPT for reliability - based design optimization[J1. Computers&structures. 2016. 162： 102-115.

[9] BRAKENSIEK J，GURUSWAMI V， ZBARSKY S. Efficient low-redundancv codes for correcting multiple deletions[J1.IEEEtransactions on information theorY， 2018. 64（5）： 3403-3410.

[10] YANG X， LI X.Finite-time stahilitv of linear non-autonomoussvstems with time-varying delays rJ]. Advances in differenceequations， 2018（1）：101-107.

作者簡介：李紅斌（1966-），男，山西長治人，碩士，副教授，研究方向為機電控制及自動化。