一种基于光伏电池四参数模型的光伏MPPT方法与流程

本发明涉及一种光伏阵列MPPT方法，特别涉及一种基于光伏电池四参数模型的光伏MPPT方法。
背景技术：
：近年来，光伏发电作为太阳能应用的重要方式之一，由于清洁无污染、取之不尽、用之不完、便于分布式发电等优点，其大范围应用前景极为广阔。光伏阵列是光伏并网电站系统的关键部件，其I-V曲线由太阳辐射强度、环境温度和光伏模块参数等共同决定的非线性曲线，且P-V曲线易受外界环境变化而变化，最大功率点需要最大功率追踪算法(以下简称MPPT)进行实时跟踪，使光伏阵列始终工作在最大功率输出的状态下。现有技术中对光伏阵列最大功率点跟踪控制的方法很多，但效率较高的算法往往需要昂贵的处理器芯片，增加了MPPT系统成本，不利于商业化。现有MPPT控制器产品采用的技术一般是传统的扰动观察法，这种方法有三种缺点：1、追踪步长为固定值，不能随太阳能辐射强度和温度的变化而变化，自适应能力差；2、在环境相对稳定时，追踪到最大功率点时，传统的扰动观察法的功率波动较大，始终以“三阶梯”方式，上下波动；3、在太阳能辐射强度快速变化时，追踪方向容易出错，即朝最大功率点相反的方向进行追踪。技术实现要素：本发明为了解决上述问题，提出了一种低复杂度、高效率的基于光伏电池四参数模型的MPPT方法。本发明采用的技术方案是：一种基于光伏电池四参数模型的光伏MPPT方法，包括如下步骤：步骤10：实时采集光伏列阵的输出电压与电流，并判断是否有较大的功率突变；步骤20：当一个算法周期结束时，判断功率突变情况，如果检测到有较大的功率突变，启动最优占空比估计算法，输出最佳占空比Dm；如果没有检测到较大功率突变，启动修正的扰动观察法,输出占空比；步骤30：无需PI控制器，将所述算法输出的占空比值直接转化为PWM占空比控制量，来控制Boost电路中的功率mosfet模块，使得光伏阵列稳定运行在该占空比下的工作状态；步骤40：重复步骤10-步骤30，动态地追踪光伏阵列的最大功率点。进一步，本次采用的MPPT方法都是基于光伏电池的四参数模型为其中所述的四参数是在STC(标准测试条件，StandardTestCondition)下，光伏电池开路电压Voc、光伏电池短路电流Isc、光伏电池最大功率点电流Im、光伏电池最大功率点电压Vm。当在非STC条件下，需要对Voc、Isc、Im、Vm四个参数进行修正。进一步，所述步骤10中实时采集光伏阵列的输出电压与电流，并判断是否有较大的功率突变的方法为：采样光伏电池电压、电流的周期Ts＝1ms，所提出的MPPT算法周期为TMPPT＝Nms(N>1)，每隔1ms计算前后采样到的功率差ΔP＝P1-P2＝I2*V2-I1*V1，如果ΔP大于光伏电池在STC下的额定功率,即25％*Pr，则视为有较大的功率突变，标志位signDm＝1,并锁定该值直到周期TMPPT结束，下一个周期TMPPT开始之前，先清空标志位signDm＝0。进一步，所述步骤20中，如果检测到有较大的功率突变，即标志位signDm＝1，转到步骤201，即启动最优占空比估计算法；如果没有检测到较大功率突变，即标志位signDm＝0，转到步骤206，即启动修正的扰动观察法；步骤201：每隔一个算法周期TMPPT，发送一个占空比给boost电路，分别发送四个，duty(1)＝0.2，duty(2)＝0.22，duty(3)＝0.5，duty(4)＝0.52,分别采集电压、电流后，得到(V1，I1)，(V2，I2)，(V3，I3)，(V4，I4)四个工作点。步骤202：把四个工作点代入得到Kvi1与Kvi2，判断(V1，I1)、(V2，I2)、(V3，I3)、(V4，I4)、Kvi1、Kvi2是否都满足V1＞V2＞V3＞V4、I1<I2<I3<I4、Kvi1＞Kvi2：如果都满足则转到步骤203；如果至少有一个不满足，输出Dm＝Max_power{duty(1)，duty(2)，duty(3)，duty(4)}，转到步骤10。步骤203：将Kvi1、Kvi2与I3代入α＝(Kvi1I1-Kvi2I3)/(Kvi1-Kvi2)得到α。步骤204：将Kvi1、Kvi2与α代入C2Voc＝Kvi1(I1-α)，与得到C2Voc，Isc，C1Isc，由此得到四参数模型步骤205：根据得到的四参数光伏电池模型，基于Lambert函数可以得到最优占空比输出D(t)＝Dm，转到步骤10。步骤206：每隔一个算法周期TMPPT采集一次电压V、电流I，计算前一时刻和后一时刻的功率差ΔP＝P1-P2＝I2*V2-I1*V1，计算前一时刻和后一时刻的电压差ΔV＝V2-V1，计算Kpvi＝(2*ΔP)/(ΔV*(I2+I1))。步骤207按照如下分段线性函数计算算法步长StepSize：StepSize=0.0022<KpviOR-50<Kpvi0.001|Kpvi|1<Kpvi≤20.0050.2<Kpvi≤1OR-35≤Kpvi<-0.50.0010.1<Kpvi≤0.20.01|Kpvi|-0.2≤Kpvi≤0.10.002-0.2≤Kpvi≤-0.50.00004|Kpvi|-50≤Kpvi<-35]]>步骤208：按照如下判断规则(伪代码)，进行占空比的计算，输出D(t),转到步骤10：ifΔP>0,ΔV>0，Kpvi>1，thenD(t)＝D(t-1)+StepSize；elseifΔP>0,ΔV>0，Kpvi<1，thenD(t)＝D(t-1)-StepSize；elseifΔP>0,ΔV<0，Kpvi>1，thenD(t)＝D(t-1)+StepSize；elseifΔP>0,ΔV<0，Kpvi<1，thenD(t)＝D(t-1)-StepSize；elseifΔP<0,ΔV>0，Kpvi>1，thenD(t)＝D(t-1)-StepSize；elseifΔP<0,ΔV>0，Kpvi<1，thenD(t)＝D(t-1)+StepSize；elseifΔP<0,ΔV<0，Kpvi>1，thenD(t)＝D(t-1)-StepSize；elseΔP<0,ΔV<0，Kpvi<1，thenD(t)＝D(t-1)+StepSize；end其中，D(t)表示当前时刻的占空比，D(t-1)表示前一时刻的占空比，StepSize表示步长。本发明的工作原理是：本发明基于光伏电池四参数模型对光伏阵列最佳工作点进行估计，用参数Kpvi避免了正确扰动方向的丢失，其目的旨在对光伏阵列进行快速、高效地动态最大功率点跟踪，可使得光伏阵列稳定运行在最大功率点处。本发明产生的有益效果是：与现有技术相比，算法概念简单、稳态功率波动少、跟踪速度快，计算复杂度低，可使得光伏阵列始终稳定运行在最大功率点处。高效率与低计算复杂度的优点，使得所述算法非常利于商业化。附图说明图1是本发明的仿真模型图；图2是本发明的算法流程图；图3是明方法与传统扰动观察法的对比图；图4是图3所示仿真中第8s时，启动了最优占空比估计算法的说明图；图5是图3所示仿真中，Kpvi随时间的变化值；图6是图3所示仿真中第6s时，所提出P&O算法避免丢失正确扰动方向的说明图。具体实施方式下面结合附图，对本发明进行详细说明。如图1所示，本实施例按照本发明的方法及工作原理在MATLAB环境下搭建仿真模型。该图中包括光伏电池、温度太阳能辐射强度传感器、可控电流源、MPPT控制器、PWM和Mosfet、负载RL、电感L、电阻D、电容Ci和电容Co。如图2所示，本文所述MPPT算法构成：图2(a)所示主算法、图2(b)所示子算法——最优占空比估计算法、图2(c)所示子算法——修正的扰动观察法，具有防误判功能。本实施例操作步骤如下：步骤1：初始化系统变量，j＝0，i＝0，Detect＝1，signDm＝0；步骤2：采样光伏电池电压、电流的周期Ts＝1ms，所提出的MPPT算法周期为TMPPT＝Nms(N>1)，每隔1ms计算前后采样到的功率差ΔP＝P1-P2＝I2*V2-I1*V1，如果ΔP大于光伏电池在STC(标准测试条件，StandardTestCondition)下的额定功率,即25％*Pr，则视为有较大的功率突变，标志位signDm＝1,并锁定该值直到周期TMPPT结束，下一个周期TMPPT开始之前，先清空标志位signDm＝0。步骤3：如果检测到有较大的功率突变，即标志位signDm＝1，启动最优占空比估计算法，如图2(b)所示；如果没有检测到较大功率突变，即标志位signDm＝0，启动修正的扰动观察法，如图2(c)所示，下面分别对这两中算法的步骤进行阐述：步骤4：如果标志位signDm＝1，转到步骤5，即启动最优占空比估计算法，如图2(b)所示；如果标志位signDm＝0，转到步骤10，即启动修正的扰动观察法，如图2(c)所示：步骤5：每隔一个算法周期TMPPT，发送一个占空比给boost电路，分别发送四个，duty(1)＝0.2，duty(2)＝0.22，duty(3)＝0.5，duty(4)＝0.52,分别采集电压、电流后，得到(V1，I1)，(V2，I2)，(V3，I3)，(V4，I4)四个工作点。步骤6：把四个工作点代入(1)，得到Kvi1与Kvi2，如(2)、(3)所示，判断(V1，I1)、(V2，I2)、(V3，I3)、(V4，I4)、Kvi1、Kvi2是否都满足(4)、(5)、(6)：如果都满足则转到步骤7；如果至少有一个不满足，输出Dm＝Max_power{duty(1)，duty(2)，duty(3)，duty(4)}，转到步骤13。Kpvi=Pt-Pt-10.5(Vt-Vt-1)(It+It-1)---(1)]]>Kvi1=V2-V1I2-I1---(2)]]>Kvi2=V4-V3I4-I3---(3)]]>V1＞V2＞V3＞V4(4)I1<I2<I3<I4(5)Kvi1＞Kvi2(6)其中，Vt、Vt-1表示当前时刻和前一时刻的电压，It、It-1表示当前时刻和前一时刻的电流，Kpvi为方程(1)所定义的一个新的参数。在稳态Kpvi随光伏阵列的工作电压的变化的取值范围为(-∞，1]，当到太阳能辐射强度有突变时，Kpvi>1，如图3、图5所示，图3为所述算法与传统扰动观察法的对比，图5为图3条件下Kpvi的变化，明显看到，在4s、6s末，Kpvi有个突变，并且Kpvi>1。在2s、8s末时，由于功率变化较大，启动了最优占空比估计算法，所以未出现Kpvi>1。步骤7：将Kvi1、Kvi2与I3代入(7)得到α。α＝(Kvi1I1-Kvi2I3)/(Kvi1-Kvi2)(7)步骤8：将Kvi1、Kvi2与α代入(8)、(9)、(10)，得到C2Voc、Isc、C1Isc，由此得到四参数模型(11)。C2Voc＝Kvi1(I1-α)(8)Isc=α-(α-I1)e-V1C2Voc---(9)]]>C1Isc=(α-I1)e-V1C2Voc---(10)]]>V=Kvi1(I1-α)ln(α-(α-I1)e-V1C2Voc-I(α-I1)e-V1C2Voc+1)---(11)]]>步骤9：根据得到的四参数光伏电池模型，基于Lambert函数可以得到最优占空比Dm，如方程(12)所示，转到步骤13。理论上在该最优占空比Dm工作条件下，光伏阵列输出最大功率，但是实际由于boost电路的效率ηdc-dc在这里设为90％，该值与实际可能存在一定的误差，所以boost在Dm条件下工作，输出功率可能为理论最大功率点附近，如图4所示，图中E点为boost在Dm条件下工作点。Dm=1-C2VOC[lambertw(X)-1]ISC-C1ISC(eVmC2VOC-1)RLηdc-dc---(12)]]>步骤10：每隔一个算法周期TMPPT采集一次电压V、电流I，计算前一时刻和后一时刻的功率差ΔP＝P1-P2＝I2*V2-I1*V1，计算前一时刻和后一时刻的电压差ΔV＝V2-V1，用(1)计算Kpvi。步骤11按照如下分段线性函数计算步长StepSize:StepSize=0.0022<KpviOR-50<Kpvi0.001|Kpvi|1<Kpvi≤20.0050.2<Kpvi≤1OR-35≤Kpvi<-0.50.0010.1<Kpvi≤0.20.01|Kpvi|-0.2≤Kpvi≤0.10.002-0.2≤Kpvi≤-0.50.00004|Kpvi|-50≤Kpvi<-35---(13)]]>其中StepSize为所述算法的步长。步骤12：按照如下判断规则，进行占空比计算，输出D(t)：ifΔP>0,ΔV>0，Kpvi>1，thenD(t)＝D(t-1)+StepSize；elseifΔP>0,ΔV>0，Kpvi<1，thenD(t)＝D(t-1)-StepSize；elseifΔP>0,ΔV<0，Kpvi>1，thenD(t)＝D(t-1)+StepSize；elseifΔP>0,ΔV<0，Kpvi<1，thenD(t)＝D(t-1)-StepSize；elseifΔP<0,ΔV>0，Kpvi>1，thenD(t)＝D(t-1)-StepSize；elseifΔP<0,ΔV>0，Kpvi<1，thenD(t)＝D(t-1)+StepSize；elseifΔP<0,ΔV<0，Kpvi>1，thenD(t)＝D(t-1)-StepSize；elseΔP<0,ΔV<0，Kpvi<1，thenD(t)＝D(t-1)+StepSize；end其中，D(t)表示当前时刻的占空比，D(t-1)表示前一时刻的占空比，StepSize表示步长。在所述算法中，由于加入了Kpvi的判断，所以避免了太阳能辐射强度在快速变化的条件下丢失正确的扰动方向。如图6所示，图中B-C段没有丢失正确的扰动方向，而与之对比的传统的扰动观察法b-c段，可以观察到朝最大功率点相反的方向走了一个步长。步骤13：无需PI控制器，将所述算法输出的占空比值直接转化为PWM占空比控制量，来控制Boost电路中的功率mosfet模块，使得光伏阵列稳定运行在该占空比下的工作状态；步骤14：重复步骤2-步骤14，动态地追踪光伏阵列的最大功率点。如图3所示，本实施例中基于光伏电池四参数模型的MPPT方法与传统扰动观察法进行对比，从试验结果上可以直接看出本发明提供的方法方法快速、高效、稳定性好，并且在太阳能辐射强度变化快速时，不会丢失正确的扰动方向。当前第1页1 2 3