本发明属于新能源发电领域，特别涉及一种基于自适应模糊控制的最大功率点跟踪方法。
背景技术
近年来，在全球能源短缺和环境污染严重的双重压力下，寻求可再生能源是当前的热点问题，太阳能作为一种绿色的可再生能源，具有分布地域广阔、无污染等优点，因而广受大众青睐。将太阳能转化成电能是太阳能的一种重要转换形式，目前光电转换技术在不断的发展壮大，已达到可大规模应用的水平。在走可持续发展道路的大背景下，光伏电池有着良好的发展前景。光伏发电技术虽然前景广阔，但仍存在着一定的问题。一直居高不下的光伏电池价格是制约其产业化和规模化的主要因素之一。如何提高光伏发电系统的转换效率成为光伏发电亟待解决的核心问题之一。
在光伏发电系统中，最大功率点跟踪方法是提高系统效率的重要手段。目前常见的最大功率点跟踪方法有扰动观察法、电导增量法等，但是这些方法在到达稳态后存在一定的波动，这就造成了能源的浪费，同时，在光照强度、环境温度等系统参数扰动的情况下，无法快速寻找新的工作点，动态性能较差。
技术实现要素：
本发明的目的是解决目前常见的光伏电池最大功率点跟踪方法的动态及稳态性能较差的问题提出一种基于自适应模糊控制的最大功率点跟踪方法。
实现本发明目的的技术解决方案为：一种基于自适应模糊控制的最大功率点跟踪方法，包括以下步骤：
步骤一、确定模糊控制器的输入变量和输出变量；模糊控制的输入量设置为光伏电池的输出功率对于输出电压的变化率e(k)，和e(k)变化量
步骤二、归纳和总结模糊控制器的控制规则；模糊规则的确定考虑以下两个方面：
(1)根据e(k)的大小和方向调整占空比dc，当e(k)较大时说明当前功率值距离最大功率点较远，应该增大调节步长，使其迅速靠近最大功率点；e(k)为较大负值时应使调节步长反向且取大值。
(2)若ec(k)为较小正值，而e(k)为负的较大值时说明光照强度迅速减小或环境温度迅速升高，致使输出功率变化为负值。此时，当前工作点仍位于功率曲线左侧，应继续向原来步长方向寻优，以防误判。
步骤三、确定模糊化和反模糊化方法；选取mamdani模型作为模糊控制器模型，“交”方法为min，“并”方法为max，推理方法为min，聚类方法为max，反模糊方法为重心法。
步骤四、确定论域的划分和量化因子等相关参数；设定输入量的语言变量的离散论域为17个等级，设定输出量的离散论域为7个等级，通过量化因子将输出量dc划归到论域中。
本发明与现有技术相比，其显著优点在于：(1)自适应模糊控制mppt方法跟踪速度快，动态响应性能良好，到达稳态后几乎没有波动，能够稳定、高效地跟踪光伏阵列最大功率点；(2)在光照强度、环境温度等系统参数扰动的情况下，能快速寻找新的工作点，保持系统稳定；(3)加强了太阳能光伏系统的抗外界因素干扰能力，系统参数确定简单，减少了能源浪费。
附图说明
图1是本发明基于自适应模糊控制的最大功率点跟踪方法的流程图。
图2是本发明光伏阵列p-v特性随光照强度变化曲线图。
图3是本发明光伏阵列i-v特性随光照强度变化曲线图。
图4是本发明光伏阵列i-v特性随温度变化曲线图。
图5是本发明光伏阵列p-v特性随温度变化曲线图。
图6是本发明常规最大功率点跟踪方法的功率变化图。
图7是本发明自适应模糊控制的最大功率点跟踪方法的功率变化图。
图中编号所代表的含义为：1为确定模糊控制器的输入变量和输出变量，2为归纳和总结模糊控制器的控制规则，3为确定模糊化和反模糊化方法，4为确定论域的划分和量化因子等相关参数。
具体实施方式
本发明的一种基于自适应模糊控制的最大功率点跟踪方法，包括以下步骤：
步骤1、确定模糊控制器的输入变量和输出变量；模糊控制的输入量包括：光伏电池的输出功率对于输出电压的变化率e(k)，和e(k)变化量
步骤2、确定模糊控制器的控制规则；模糊规则具体为：
(1)根据e(k)的大小和方向调整占空比dc，当e(k)较大时说明当前功率值距离最大功率点较远，增大调节步长，使其迅速靠近最大功率点；e(k)为较大负值时应使调节步长反向且取大值；
(2)若ec(k)为较小正值，而e(k)为负的较大值时说明光照强度迅速减小或环境温度迅速升高，致使输出功率变化为负值；此时，当前工作点仍位于功率曲线左侧，应继续向原来步长方向寻优。
步骤3、确定模糊化和反模糊化方法；选取mamdani模型作为模糊控制器模型，“交”方法为min，“并”方法为max，推理方法为min，聚类方法为max，反模糊方法为重心法。
步骤4、确定论域的划分和量化因子这些相关参数，完成对最大功率点的跟踪。设定输入量的语言变量的离散论域为17个等级，设定输出量的离散论域为7个等级，通过量化因子将输出量dc划归到论域中。
下面进行更详细的描述。
本发明提出一种基于自适应模糊控制的最大功率点跟踪方法，包括以下步骤：
步骤一、确定模糊控制器的输入变量和输出变量，包括变量的确定和个数的选择；模糊控制的输入量设置为光伏电池的输出功率对于输出电压的变化率e(k)＝[p(k)-p(k-1)]/[u(k)-u(k-1)]，和e(k)变化量
e(k)＝{nbnmnszpspmpb}；
其中nb，ns，z，ps，pb分别表示负大，负小，零，正小，正大等模糊概念。
模糊控制器的输出量设置为占空比调节量dc，其模糊子集划分如下：
dc＝{nbnmnszpspmpb}
为了提高模糊控制器的稳态精度，在模糊划分时，nb，pb的范围取得足够大，ns，z和ps取的较小。这是因为基本模糊子集在论域上均匀分，抑制了模糊控制器的非线性特性，但对提高模糊控制器的稳态精度是一种限制，难以达到较高的控制精度，尤其是在离散有限论域设计时更为明显。对于输入量的隶属度函数采用三角形函数和梯形函数，输入、输出量的nm、ns、z、ps、pm处应用三角形函数，其他处应用梯形函数。
步骤二、确定实现控制性能所需要的模糊控制规则；光伏电池的输出特性一般满足以下三点：
(1)当环境条件(光照强度、环境温度等)一定时，输出功率随电压(或者占空比)的变化而呈现如图2所示类似向下抛物线形式，存在一个极大点，即最大功率点。
(2)如图2、3所示，短路电流和最大功率与光照强度变化成正比，开路电压随光照强度呈对数规律变化。
(3)如图4、5所示，短路电流随环境温度升高而略有升高，开路电压会严重降低，最大功率值也会随之降低。
根据以上分析，模糊规则的制定应该考虑以下两个方面：
(1)根据e(k)的大小和方向调整占空比dc，当e(k)较大时说明当前功率值距离最大功率点较远，应该增大调节步长，使其迅速靠近最大功率点；e(k)为较大负值时应使调节步长反向且取大值。
(2)若ec(k)为较小正值，而e(k)为负的较大值时说明光照强度迅速减小或环境温度迅速升高，致使输出功率变化为负值。此时，当前工作点仍位于功率曲线左侧，应继续向原来步长方向寻优，以防误判。
根据上述原则，可以得到如模糊控制规则表如表1所示。
表1模糊控制规则表
步骤三、确定系统的模糊化和反模糊化方法，根据系统特性确定能取得更好性能的方法；确定系统的模糊化和反模糊化方法，选取mamdani模型作为模糊控制器模型，“交”方法为min，“并”方法为max，推理方法为min，聚类方法为max，反模糊方法为重心法。
步骤四、确定论域的划分和量化因子等相关参数；确定论域的划分和量化因子等相关参数，设定输入量的语言变量的基本论域都为[-8，8]，其对应的离散论域为17个等级。设定输出量的基本论域为[-3，3]，实际dc的变化范围为[-0.03，0.03]，通过量化因子将他们划归到论域中。
自适应模糊控制mppt方法跟踪速度快，动态响应性能良好，到达稳态后几乎没有波动，能够稳定、高效地跟踪光伏阵列最大功率点。
下面结合实施例对本发明做进一步详细的描述。
实施例
一种基于自适应模糊控制的最大功率点跟踪方法，包括以下步骤：
步骤一、确定模糊控制器的输入变量和输出变量，将语音变量e和ec以及输出δu分别定义为7个模糊子集，其中e和ec分别代表dp/du和δdp/du，即
e＝{nbnmnszpspmpb}；
ec＝{nbnmnszpspmpb}；
dc＝{nbnmnszpspmpb}。
将它们的论域分别规定为17个和11个等级，即
e＝{-8-7-6-5-4-3-2-1012345678}；
ec＝{-8-7-6-5-4-3-2-1012345678}；
dc＝{-3-2-10123}。
步骤二、确定模糊控制规则表，输入表1所示的49条控制规则，根据模糊子集的个数可以确定模糊控制规则的条数，由于模糊控制器的输入量有两个，且每个输入量均划分为7个模糊子集，即模糊控制规则可以确定为7*7＝49条。
步骤三、确定系统的模糊化和反模糊化方法，选取mamdani模型作为模糊控制器模型，“交”方法为min，“并”方法为max，推理方法为min，聚类方法为max，反模糊方法为重心法。
步骤四、设定输入量的语言变量的基本论域都为[-8，8]，其对应的离散论域为17个等级。设定输出量的基本论域为[-3，3]，实际dc的变化范围为[-0.03，0.03]，通过量化因子将他们划归到论域中。
如图6、图7所示分别为基于自适应模糊控制的最大功率点跟踪方法得出的功率变化图和常规最大功率点跟踪方法得出的功率变化图，可以看出常规最大功率点跟踪方法的仿真响应速度慢，而且达到稳态后存在一定的波动，造成了能源的浪费，而自适应模糊控制方法的跟踪速度快，动态响应性能良好，到达稳态后几乎没有波动，表明本发明的方法解决了以上问题，表现出了良好的控制性能。