【摘 要】本文针对光伏发电系统的最大功率点跟踪原理进行分析和阐述，介绍了几种传统的最大功率跟踪方法的缺点，在分析光伏电池特性的基础上，对几种传统的最大功率跟踪方法进行了介绍，提出了基于模糊控制理论的最大功率点跟踪法，并与扰动观测法进行了对比和分析，证明模糊控制算法具有更好的系统响应特性和稳态特性。
　　【关键词】光伏发电；最大功率点跟踪；模糊控制
　　0 引言
　　面对日益枯竭的化石能源和不断恶化的生态环境，人类需要进行第三次能源结构转换，从矿物能源向可再生能源转换，用可再生能源替代矿物能源，用无碳能源、低碳能源替代高碳能源[1]。在不同的外界条件下，光伏电池可运行在不同且唯一的最大功率点（maximum power point，mpp）上。为了最大限度地将光能转化为电能，实现光伏电池的最大功率输出，光伏电池的最大功率点跟踪技术已成为本课题研究的热点。
　　1 光伏电池特性分析
　　太阳能电池的基本特性可以用电流和电压的关系曲线来表征，电流、电压之间的关系自然又是通过其他一系列参变量来表征，特别是和投射于太阳能电池表面的日照强度有关，当然也和太阳能电池的温度以及光线的光谱特性等有关。光伏电池的输出电流与输出电压的关系可以由如下公式来表达：
　　i=iph-i0exp■-1-■（1）
　　式中：i——光伏电池的输出电流（a）；v——光伏电池板的输出电压（v）；q——一个电子所含的电荷量（l.6×10-19c）；k——波尔兹曼常数（l.38×10-23j/k）；t——光伏电池板表面温度（k）；n——光伏电池板的理想因数（n=1-5）；i0——二极管饱和电流。wwW.11665.coM
　　在matlab中根据上述公式可以建立光伏电池的仿真模型，光伏电池的matlab仿真模型如图1所示：
　　图1 光伏电池的matlab仿真模型
　　图2 光照和温度对太阳能电池的影响
　　根据光伏电池的matlab仿真模型可以绘制出不同辐照度和不同温度条件下的i-v、p-v曲线如图2所示。其中图（a）、图（c）标注为辐照度，单位为w/m2；图（b）、图（d）标注为阵列表面温度，单位为℃。
　　从图2四组特性曲线可以看出辐照度主要影响太阳光伏电池的短路电流，而温度则影响太阳能电池的开路电压，在一定的光照和温度条件下，太阳能光伏电池存在单峰值最大功率。
　　2 几种传统的最大功率跟踪方法
　　2.1 恒定电压法
　　恒定电压法（constant voltage method，cv）在太阳能电池温度变化不大时，太阳能电池的输出p-v 曲线上的最大功率点几乎分布于一条垂直直线的两侧。因此，若能将太阳能电池输出电压控制在其最大功率点时的电压处，这时太阳能电池将工作在最大功率点。恒定电压法特点是：检测参数少、对硬件电路的要求低、实现比较容易，但是跟踪控制的效率差、仅适用于小功率发电设备中。
　　2.2 扰动观察法
　　扰动观察法（perturb and observe method，po）是通过对系统的输出电压、电流或pwm信号上叠加一个或正或负的扰动，在跟踪控制过程中，通过不间断地比较系统的输出功率值来判断所受的扰动是增强型的还是削弱型的，进而对控制pwm脉冲信号进行调节，实现最大功率跟踪控制。扰动观察法的特点是：实现起来比较容易，但是在最大功率点附近的波动现象会影响系统的输出，特别是在天气状况恶劣的情况下，甚至于不能实现系统的最大功率跟踪控制。
　　2.3 电导增量法
　　电导增量法（incremental conductance method，ic）是根据光伏电池的输出特性中电压和功率的关系实现控制的。电导增量法的特点：实现起来比较容易，而且与扰动观察法相比，在最大功率点附近没有较大的波动现象，但此方法在实践中对硬件的要求较高，不仅系统成本增加，最大功率跟踪控制调节的周期也会增加，影响了控制的时实性，如果在环境恶劣、天气情况多变的情况下是不太适合使用的。
　　3 模糊控制法
　　模糊逻辑控制的mppt方法是基于光伏电池温度与负载情况的变化、辐照度的不确定性以及光伏电池输出特性的非线性特征而提出的[2]。为实现mppt控制，模糊控制系统将采样得到的数据经过运算，判断出工作点与最大功率点之间的位置关系，自动校正工作点电压值，使工作点趋于最大功率点。
　　3.1 模糊控制器的输入和输出变量
　　定义模糊逻辑控制器的输出变量为工作点电压的校正量du，输入变量则分别为光伏电池p-v特

曲线上连续采样的两点连线的斜率值e以及单位时间斜率的变化值ce，即
　　e（k）=■（2）
　　ce（k）=e（k）-e（k-1）（3）
　　其中，p（k）和u（k）分别为光伏电池的输出功率及输出电压的第k次采样值。显然，若e（k）=0，则表明光伏电池已经工作在最大功率输出状态。
　　3.2 模糊化
　　将模糊集合论域e和ce分别定义为5个模糊子集，即
　　e={nb，ns，ze，ps，pb}；ce={nb，ns，ze，ps，pb}
　　其中，nb，ns，ze，ps，pb分别表示负大，负小，零，正小，正大。
　　根据光伏系统特征，采用均匀分布的三角形隶属度函数来确定输入变量（e和ce）和输出变量（du）不同取值与相应语言变量之间的隶属度。如图3所示，e﹑ce﹑du中任一变量的隶属度函数图相同。
　　图3 隶属度函数示意图
　　3.3 模糊推理运算
　　模糊逻辑控制器的作用是调节控制信号du使光伏系统工作在最大功率输出状态。对图4所示的光伏电池p-v特性曲线进行分析，可以得出mppt的逻辑控制规则，即：当e（k）>0，ce（k）<0时，p由左侧向pmpp靠近；则du应为正，以继续靠近最大功率点；当e（k）>0，ce（k）≥0时，p由左侧远离pmpp；则du应为正，以靠近最大功率点；当e（k）<0，ce（k）≥0时，p由右侧向pmpp靠近；则du应为负，以继续靠近最大功率点；当e（k）<0，ce（k）<0时，p由右侧远离pmpp；则du应为负，以靠近最大功率点。 　图4 mppt的逻辑控制规则示意
　　由mppt的逻辑控制规则，可以得到表1所示的模糊控制规则推理表，该表反映了当输入变量e和ce发生变化时，相应输出变量du的变化规则。由此即得出du对应的语言变量。
　　表1 模糊规则推理表
　　3.4 清晰化
　　清晰化是指根据输出模糊子集的隶属度计算出确定的输出变量的数值。本文清晰化采用面积重心法。面积重心法的计算公式如下：
　　du=■（4）
　　式中，du为模糊逻辑控制器输出的电压校正值。根据给出的隶属度函数，e、ce按照其取值对应于相应的语言变量，依据表1可以判断出输出变量du对应的语言变量，该语言变量在隶属度函数中对应的数值区间的中心值即为ui。μ（ui）是对应于ui权值，由隶属度函数决定e、ce对应于相应的语言变量的权值根据max-min方法计算得到。
　　4 仿真实验
　　4.1 仿真模型
　　本文中的逆变器拓扑结构为单相全桥，采用电流内环、直流电压中环以及mppt功率外环的三闭环控制[3]。电流内环主要由电网电压和电流采样环节、电压同步环节、电流调节器、pwm调制和驱动环节等组成，以此实现直流到交流的逆变以及网侧单位功率因数正弦波电流控制；直流电压中环主要由直流母线电压检测、电压调节器等组成，以调节直流母线电压；mppt功率外环主要由输入功率采样环节和功率点控制环节等组成，mppt功率外环的输出作为直流电压中环的直流电压指令，通过直流电压中环的电压调节来搜索光伏电池的mpp，从而使并网光伏系统实现mppt运行。图5为并网光伏发电系统的仿真模型，根据光伏电池的数学模型，通过matlab/simulink对光伏电池进行建模并封装，光伏电池的光照强度和环境温度的变化由signal builder模拟，系统中的部分算法和传递函数采用s-funtion builder编写实现，pwm模块采用dds算法来实现逆变器输出电流对电网电压的相位跟踪。
　　4.2 仿真结果
　　在仿真过程中，算法采用ode23tb，仿真时间设置为4s，采样周期设置为为5e-7s。图6为当太阳光照强度从1000w/m2突变到800w/m2，再由800w/m2突变到600w/m2条件下的最大功率点跟踪曲线。从图中可以明显看出，模糊控制法在0.15s处基本已经跟踪到最大功率点，并且比较稳定；而扰动观测法则在0.45s处才能跟踪到最大功率点，并且由于存在一定的扰动步长而未真正达到最大功率点，使得输出功率稳定在最大功率点附近的某功率值处。
　　图6 光照突变条件下的最大功率点跟踪曲线
　　图7 相位跟踪曲线
　　图7为采用模糊控制的光伏系统逆变器输出电流跟踪电网电压的过程。从图中可以看出逆变器输出电流在0.14s内基本达到与电网电压同频同相，实现单位功率因数并网。
　　综上分析可知，采用模糊控制的光伏并网发电系统具有良好的系统响应特性和系统稳态特性，使输出功率稳定在最大功率点处。
　　5 结语
　　本文对光伏电池的工作特性进行详尽分析

并建立仿真模型，在分析几种传统最大功率点跟踪方法的缺点后，提出了基于模糊控制的最大功率点算法。仿真结果表明：模糊控制法可以有效提高光伏电池的能量利用率，当外界光照强度变化时，系统能迅速稳定在最大功率点处，提高系统的动态特性和稳态性能。
　　【参考文献】
　　[1]禹华军，潘俊民.光伏电池输出特性与最大功率跟踪的仿真分析[j].计算机仿真，2005.
　　[2]曹旭阳.独立光伏路灯系统mppt控制器设计[d].青岛：中国海洋大学，2007.
　　[3]李维波.matlab在电气工程中的应用[m].北京：中国电力出版社，2007.
　　[责任编辑：汤静]