基于模糊逻辑控制的光伏电池MPPT仿真方法与流程

本发明涉及一种光伏电池mppt仿真方法。

背景技术：

受到温度和光强等外界环境因素的影响，光伏电池在实际工作中呈现出强烈的非线性，不同条件下，光伏电池的运行存在着不同且唯一的最大功率点(mpp)，所以，研究光伏电池最大功率点跟踪(mppt)策略，以确保光伏电池最大限度地将光能转换为电能，对光伏发电技术的发展具有重要的意义。

mppt的本质是一个动态自寻优的过程，它起到匹配光伏电池内阻和外部负载阻抗的作用，mpp就是光伏电池的最佳工作点。目前常用的mppt算法主要有恒定电压法(cvt)、扰动观察法(p&o)、电导增量法(inc)等。恒定电压法容易实现，但是光伏电池mpp对应的电压受环境温度的影响会产生偏移，当环境温差较大时，该方法跟踪精度较低，损失功率较大；扰动观察法结构简单，测量参数少，控制难点在于扰动步长的选定难以兼顾跟踪速度和跟踪精度，而且当光照强度剧烈变化时容易造成误判；电导增量法能适应光照强度的快速变化，跟踪精度较高，但是电导量值很小，在线计算量大，对传感器的精度要求很高，实际应用相对困难。

技术实现要素：

本发明的目的在于提供一种非常适用于光伏系统的mppt控制，能够快速准确地锁定mpp范围，而且系统稳定后波动很小的基于模糊逻辑控制的光伏电池mppt仿真方法。

本发明的技术解决方案是：

一种基于模糊逻辑控制的光伏电池mppt仿真方法，其特征是：包括下列步骤：

(一)模糊控制器的设计

1)确定输入输出量及控制器的结构：

选用双输入单输出的二维模糊控制器结构；参考扰动观察法的控制原理，以dp与dp/dv作为系统的模糊输入量，以步长变化值ds作为模糊输出量，通过判断两个输入量的状态，确定工作点的位置，迅速实现跟踪，具体控制规则为：

1)当dp>0，dp/dv>0时，工作点在mpp左侧，靠近mpp；

2)当dp>0，dp/dv<0时，工作点在mpp右侧，靠近mpp；

3)当dp<0，dp/dv>0时，工作点在mpp左侧，远离mpp；

4)当dp<0，dp/dv<0时，工作点在mpp右侧，远离mpp。

以步长变化值ds作为模糊输出量，通过步长值的改变来调整电路占空比，使系统工作在mpp上；

dp：功率变化值；dp/dv：功率变化率；

2)确定输入输出量的模糊子集与论域：

将模糊输入量和模糊输出量分割为7个模糊子集，通过模糊集合的形式表达出来，其中：dp＝{nb，nm，ns，z，ps，pm，pb}dp/dv＝{nb，nm，ns，z，ps，pm，pb}ds＝{nb，nm，ns，z，ps，pm，pb}

nb、nm、ns、z、ps、pm、pb分别表示负大、负中、负小、零、正小、正中、正大的模糊概念；将dp和dp/dv的论域分别规定为[-5,5]和[-4,4]，将ds的论域规定为[-5,5]；

3)确定输入输出量的隶属度函数：

隶属度函数是模糊集合的核心，它表达了论域中各个元素对于模糊集合的隶属度；在考虑模糊集合分布的时候，需要满足三个基本要求：

1)论域上任意一个元素至少存在一个模糊子集对应；

2)论域上任意一个元素不能同时是两个模糊子集的核；

3)论域上任何一个元素不能只属于一个模糊子集；

根据以上三个要求，设计出dp，dp/dv和ds的隶属度函数；为了保证系统可靠运行，将nb和pb选择为梯形隶属度函数，其余模糊子集选择性能较好、计算方便的三角形隶属度函数；在远离原点的地方，曲线较缓，分辨率较低，便于提高跟踪速度；在靠近原点的地方，曲线较陡，分辨率较高，便于提高跟踪精度；

4)确定模糊控制规则

模糊控制规则是模糊控制器的核心；根据功率和占空比之间的关系，并考虑外界环境因素的影响，得出如下几条设计原则：

1)如果输出功率增加，则向原方向调整步长，反之，则向反方向调整步长；

2)为了取得更好的跟踪效果，在离mpp较远时，采用较大步长，提高跟踪速度，在离mpp较近时，采用较小步长，减小功率损失；

3)当达到以mpp为中心的极小范围内时，系统稳定下来，当外界环境再次发生变化时，系统可以迅速响应，再次寻优；

根据以上设计原则，使用ifaandbthenc的模糊规则，建立模糊控制规则表，由matlab模糊控制编辑器得到的模糊控制规则视图；

模糊控制规则表

(二)模糊逻辑控制仿真

仿真模型：

在matlab的模糊控制编辑器中，选择mamdani模糊推理类型，模糊逻辑区填写内容；在simulink中搭建模糊控制器的仿真模型；其中量化因子分别取0.005和1，比例因子取0.0002。

模糊控制编辑器的模糊逻辑区填写内容为

本发明结合扰动观察法的控制思想以及模糊逻辑控制理论，提出一种基于模糊逻辑控制的光伏电池mppt算法；通过搭建仿真模型，与扰动观察法和电导增量法进行对比仿真；仿真结果表明，模糊逻辑控制非常适用于光伏系统的mppt控制，能够快速准确地锁定mpp范围，而且系统稳定后波动很小。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是光伏电池仿真模型图。

图2、图3分别是温度25℃时光伏电池在不同光照强度下的i-u输出特性曲线、p-u输出特性曲线。

图4是扰动观察法流程图。

图5是电导增量法流程图。

图6是扰动观察法仿真模型图。

图7是电导增量法仿真模型图。

图8是p&o跟踪波形示意图。

图9是inc跟踪波形示意图。

图10是dp隶属度函数示意图。

图11是dp/dv隶属度函数示意图。

图12是ds隶属度函数示意图。

图13是模糊控制规则视图。

图14是模糊逻辑控制器仿真模型示意图。

图15是模糊逻辑控制仿真跟踪波形图。

图16是模糊逻辑控制仿真功率波动波形图。

图17是三种算法仿真结果对比示意图。

具体实施方式

2.光伏电池特性研究

2.1光伏电池数学模型

光伏电池是光伏发电系统的核心部件，可以看作一个非线性直流源。由于从光伏电池等效电路得到的物理模型中有部分参数难以定量，比如光生电流iph、二极管反向饱和电流i0等，不便于计算与建模，因此在实际应用中，通常使用光伏电池工程模型：

i＝isc-c1isc[exp(v/c2voc)-1](1)

考虑两个特殊情况：

1)最大功率点，此时v＝vm，i＝im，

2)开路状态下，此时v＝voc，i＝0，

可分别解出：

c1＝(1-im/isc)exp(-vm/c2voc)(2)

c2＝(vm/voc-1)[ln(1-im/isc)]^-1(3)

其中，voc、isc、vm和im分别为光伏电池在标准测试条件下的开路电压、短路电流、最大功率点电压和最大功率点电流，这些都是生产厂家提供的参数。光伏电池工程模型建立了输出特性与标准参数之间的联系，便于计算和建模，在实际工程中有广泛的应用。

当温度和光强发生变化时，计算电压和电流的变化量，可以得到新条件下光伏电池的伏安特性：

δv＝-β(t-tref)-rsδi(4)

δi＝α(s/sref)(t-tref)+(s/sref-1)isc(5)

i＝isc-c1isc{exp[(v-δv)/c2voc]-1}+δi(6)

其中，t为温度，tref为参考温度(25℃)，s为光强，sref为参考光强(1000w/m²)，rs为光伏电池内阻，α为参考光强下的电流温度系数，β为参考光强下的电压温度系数，对于硅材料的光伏电池，其实测值分别为α＝0.0012isc(a/℃)，β＝0.005voc(v/℃)。

2.2光伏电池仿真模型

根据式(2)～(6)，在matlab/simulink中搭建光伏电池仿真模型，如图1所示：

2.3光伏电池输出特性

光伏电池输出特性容易受到外界环境变化的影响，其中光强变化是影响最大的因素之一。本文选取无锡尚德公司的stp120-12/tb型光伏电池板进行仿真研究，其在标准测试条件下的参数为：voc＝21.8v，isc＝7.65a，vm＝17.2v，im＝6.98a。图2、图3为温度25℃时光伏电池在不同光照强度下的输出特性仿真曲线。

从图2可以看出，在大部分工作电压范围内，光伏电池输出电流近似恒定，当超过最大功率点电压vm，接近开路电压voc时，输出电流急速下降。随着光照强度的增加，开路电压voc增幅很小，而短路电流isc增幅很大，说明光照强度的影响主要作用于短路电流isc。从图3可以看出，光照强度增强，光伏电池最大功率也在升高。达到mpp之前，输出功率随着电压的升高而近似线性升高，达到mpp之后，输出功率随着电压的升高而近似直线下降。

3.传统mppt算法的原理及仿真

mppt是一个不断测量和不断调整的寻优过程，当温度或光强发生改变时，系统能够实时采集输出电压和输出电流，确定当前工作点与mpp的位置关系，然后根据功率与占空比的关系，改变占空比，使其不断靠近mpp，最终稳定在一个极小的范围内波动^[7]。在目前所有的mppt算法中，扰动观察法和电导增量法应用最为广泛，本节主要介绍扰动观察法和电导增量法，通过仿真说明其优缺点。

3.1扰动观察法(p&o)

扰动观察法是实现mppt最常用的方法之一，其控制原理是：首先测量光伏电池工作电压u和工作电流i，根据公式p＝ui计算输出功率p，然后对电压u引入一个扰动δu，计算扰动后的输出功率pk，并与扰动前一时刻的输出功率pk-1比较。

1)若pk>pk-1，且uk>uk-1，扰动为正向扰动，输出功率接近mpp，应继续正向扰动；

2)若pk>pk-1，且uk<uk-1，扰动为负向扰动，输出功率接近mpp，应继续负向扰动；

3)若pk<pk-1，且uk>uk-1，扰动为正向扰动，输出功率远离mpp，应改为负向扰动；

4)若pk<pk-1，且uk<uk-1，扰动为负向扰动，输出功率远离mpp，应改为正向扰动。

如此反复，最终能够使输出功率十分接近mpp，在一个很小的范围内波动，此时系统处于一个动态平衡状态。图4为扰动观察法控制流程图，其中k为扰动次数。

扰动观察法结构简单，测量参数少，应用比较广泛，但所需面临的一个问题就是扰动步长的选取。若步长较大，跟踪速度虽快，但在mpp附近波动会很大，功率损失严重，无法准确跟踪；若步长较小，虽在mpp附近波动较小，功率损失较少，但扰动次数必然增多，跟踪时间也相应增加。所以，扰动观察法在实际应用中很难兼顾跟踪速度和跟踪精度。

3.2电导增量法(inc)

电导增量法也需要对电压u引入一个扰动δu，不同于扰动观察法的地方是所测物理量和逻辑判别式的不同。电导增量法是利用光伏电池的动态电导(di/du)与静态电导的相反数(-i/u)相比较，来判断调节输出电压变化方向的mppt方法。由任意时刻光伏电池的输出功率

p＝ui(7)

将式(7)两端分别对电压求导，得：

1)当di/du>-i/u，即dp/du>0，工作点在mpp左边，此时应增大输出电压；

2)当di/du<-i/u，即dp/du<0，工作点在mpp右边，此时应减小输出电压；

3)当di/du＝-i/u，即dp/du＝0，系统工作在mpp上。

图5为电导增量法控制流程图，其中n为扰动次数。

电导增量法对工作电压的调整不是盲目的，而是通过每次测量和计算，估算mpp的大概位置，再进行相应调整。因此，当外部环境变化较快时，电导增量法能够稳步地跟踪环境变化，避免了扰动观察法在环境剧烈变化时出现误判的情况，跟踪精度较高。不过，电导增量法在运行时需要进行大量的运算判断，计算数量庞大，控制算法复杂，而且，由于电压电流变化量是微小的量值，对传感器的精度要求很高，这无疑大大增加了成本。

3.3算法仿真

利用matlab/simulink分别搭建扰动观察法和电导增量法的仿真模型如图6、图7所示。依然选用stp120-12/tb型光伏电池板的参数，环境温度设为25℃，光照强度设为1000w/m²，两种算法仿真的跟踪波形如图8、图9所示。

从仿真结果可以看出，在相同条件下，扰动观察法约0.06s锁定mpp范围，跟踪到的最大功率约118.5w，稳定时功率波动约3.8w；电导增量法约0.11s锁定mpp范围，跟踪到的最大功率约119.0w，稳定时功率波动约3.5w。扰动观察法的跟踪速度略快，跟踪效率较高，电导增量法的跟踪精度略高，稳态波动较小。在跟踪精度和稳态波动相差不大的情况下，显然扰动观察法跟踪速度快更占优势，而电导增量法的主要优势在于环境突变的情况下能更快速更平稳地响应。系统在0.5s时光照强度突然从1000w/m²下降到750w/m²，扰动观察法经过约0.04s重新跟踪到新的最大功率约90.1w，稳态波动约3.8w，而电导增量法只需要约0.02s就重新跟踪到新的最大功率约90.5w，稳态波动约3.3w。综上所述，扰动观察法和电导增量法各具优势，也各自存在一定缺陷，跟踪速度和跟踪精度往往是一般算法难以同时兼顾的。基于此，研究基于模糊逻辑控制的光伏电池mppt算法，希望能够将扰动观察法和电导增量法优势互补，在跟踪速度和跟踪精度上都有一定的改善。

4.模糊控制原理与模糊控制器设计

4.1模糊控制基本原理

模糊控制^[9]是基于丰富的操作经验，用自然语言表述控制策略，或通过大量实际数据归纳总结控制规则，并利用计算机予以实现的智能控制方法。模糊控制建立的基础是模糊逻辑，与传统逻辑系统相比，它更接近于人类的思维和语言表达方式。模糊控制系统与传统控制系统的根本差别在于用模糊控制器代替了传统控制器。模糊控制器是一种非线性控制器，适合用于非线性、时变性和模型不确定的系统，具有较好的适应性、鲁棒性和容错性，而光伏系统正是这样的系统。所以，将模糊控制运用于光伏电池的mppt控制在理论上非常合适。

在设计模糊控制器时，不需要知道光伏电池的精确模型，也不需要知道环境温度和光照强度，模糊控制器在运行过程中会不断调整控制参数的整定值，使工作点不断向mpp靠近。模糊控制器根据光伏系统的实际情况，将传感器采集到的数据进行计算、量化和模糊化等操作，再利用模糊推理，从工作点与mpp的位置关系判断并得出占空比修正值，最后利用去模糊化和比例缩放等运算得出精确控制量，不断调整输出电压，最终实现mppt控制。

4.2模糊控制器的设计

模糊控制器的设计一般包括以下几个步骤^[9]：1)确定输入输出量及控制器的结构；2)确定输入输出量的模糊子集与论域；3)确定输入输出量的隶属度函数；4)确定模糊控制规则。

4.2.1输入输出量及控制器结构

目前采用最多的模糊控制器结构是二维控制器，其输入变量存在两个分量，一般取偏差e和偏差变化率ec＝de/dt。二维控制器既能比一维控制器更好地反映受控过程中输出变量的动态特性，又能避免高维控制器大量的推理运算，所以本文选用双输入单输出的二维模糊控制器结构。

参考扰动观察法的控制原理，以dp与dp/dv作为系统的模糊输入量，以步长变化值ds作为模糊输出量，通过判断两个输入量的状态，确定工作点的位置，迅速实现跟踪，具体控制规则为：

1)当dp>0，dp/dv>0时，工作点在mpp左侧，靠近mpp；

2)当dp>0，dp/dv<0时，工作点在mpp右侧，靠近mpp；

3)当dp<0，dp/dv>0时，工作点在mpp左侧，远离mpp；

4)当dp<0，dp/dv<0时，工作点在mpp右侧，远离mpp。

以步长变化值ds作为模糊输出量，通过步长值的改变来调整电路占空比，使系统工作在mpp上。

4.2.2模糊子集与论域

本文将模糊输入量和模糊输出量分割为7个模糊子集，通过模糊集合的形式表达出来，其中：

dp＝{nb，nm，ns，z，ps，pm，pb}

dp/dv＝{nb，nm，ns，z，ps，pm，pb}

ds＝{nb，nm，ns，z，ps，pm，pb}

nb、nm、ns、z、ps、pm、pb分别表示负大、负中、负小、零、正小、正中、正大的模糊概念。将dp和dp/dv的论域分别规定为[-5,5]和[-4,4]，将ds的论域规定为[-5,5]。实际工作中清晰值不在规定的模糊论域上，需要利用量化因子将清晰值从物理论域映射到模糊论域。

4.2.3隶属度函数

隶属度函数是模糊集合的核心，它表达了论域中各个元素对于模糊集合的隶属度。一般在考虑模糊集合分布的时候，需要满足三个基本要求^[11]：

1)论域上任意一个元素至少存在一个模糊子集对应；

2)论域上任意一个元素不能同时是两个模糊子集的核；

3)论域上任何一个元素不能只属于一个模糊子集。

根据以上三个要求，设计出dp，dp/dv和ds的隶属度函数。为了保证系统可靠运行，本文将nb和pb选择为梯形隶属度函数，其余模糊子集选择性能较好、计算方便的三角形隶属度函数，如图10-12所示。在远离原点的地方，曲线较缓，分辨率较低，便于提高跟踪速度；在靠近原点的地方，曲线较陡，分辨率较高，便于提高跟踪精度^[5,10]。

4.2.4模糊控制规则

模糊控制规则是模糊控制器的核心。根据功率和占空比之间的关系，并考虑外界环境因素的影响，可以得出如下几条设计原则：

1)如果输出功率增加，则向原方向调整步长，反之，则向反方向调整步长；

2)为了取得更好的跟踪效果，在离mpp较远时，采用较大步长，提高跟踪速度，在离mpp较近时，采用较小步长，减小功率损失；

3)当达到以mpp为中心的极小范围内时，系统稳定下来，当外界环境再次发生变化时，系统可以迅速响应，再次寻优。

根据以上设计原则，使用ifaandbthenc的模糊规则，建立模糊控制规则表，如表1所示，由matlab模糊控制编辑器得到的模糊控制规则视图如图13所示。

表1模糊控制规则表

5.模糊逻辑控制(flc)仿真

5.1仿真模型

在matlab的模糊控制编辑器中，选择mamdani模糊推理类型，表2为模糊逻辑区的填写内容。在simulink中搭建模糊控制器的仿真模型，如图14所示，其中量化因子分别取0.005和1，比例因子取0.0002。

表2模糊控制编辑器的模糊逻辑区填写内容

5.2仿真结果

仿真采用ode23tb算法，环境温度设为25℃，光照强度设为1000w/m²，依然选用stp120-12/tb型光伏电池板的参数，仿真结果如图15、图16所示：

从仿真结果可以看出，模糊逻辑控制约0.05s即可锁定mpp范围，跟踪到的最大功率约119.2w，稳定时功率波动约2.2w。系统在0.5s时光照强度突然从1000w/m²下降到750w/m²，此时模糊逻辑控制经过0.07s重新跟踪到新的最大功率约90.7w，稳态波动约1.8w。虽然对光照强度变化的响应速度稍慢，但完全不影响其跟踪精度，而且达到稳态后的功率波动甚至更小。将模糊逻辑控制的仿真结果与第二节中扰动观察法和电导增量法的仿真结果放在同一示波器中对比，如图17所示：

从图17的对比结果可以看出，模糊逻辑控制(flc)的跟踪速度比扰动观察法(p&o)略快，跟踪精度比电导增量法(inc)略高，稳态波动也最小。可见，将模糊逻辑控制运用于光伏电池的mppt控制非常合适，它能将传统mppt算法的优势互补，在跟踪速度和跟踪精度上都有一定的改善，比传统mppt算法具有更好的动态性能和稳态性能。

6.结论

首先，本文建立光伏电池数学模型，研究光伏电池输出特性。由于环境温度一般不会突变，重点仿真和分析了不同光照强度下光伏电池的输出特性和变化趋势。其次，介绍了应用最广的两种传统mppt算法的跟踪原理，并分别建模仿真。针对其各自的缺陷以及难以兼顾的问题，研究基于模糊逻辑控制的光伏电池mppt算法，将专家的经验和知识转化为语言规则应用于控制，并详细设计了模糊逻辑控制器。最后，在matlab/simulink中搭建模糊逻辑控制器的仿真模型，仿真模糊逻辑控制的跟踪效果，并与两种传统mppt算法进行对比。仿真结果表明，模糊逻辑控制能有效弥补传统算法难以兼顾的问题，在快速地锁定mpp范围的同时，也能保证很高的跟踪精度，并且稳态波动很小，当光照强度突变的时候，能够及时作出响应，具有良好的动态性能和稳态性能。