CN102291050A

CN102291050A - 一种光伏发电系统最大功率跟踪方法及装置

Info

Publication number: CN102291050A
Application number: CN2011102362573A
Authority: CN
Inventors: 林永君; 刘卫亮; 马永光
Original assignee: North China Electric Power University
Current assignee: North China Electric Power University
Priority date: 2011-08-17
Filing date: 2011-08-17
Publication date: 2011-12-21
Anticipated expiration: 2031-08-17
Also published as: CN102291050B

Abstract

本发明公开了太阳能光伏发电技术领域中一种光伏发电系统最大功率跟踪方法及装置。本发明装置包括MPPT控制器、温度传感器、电压传感器、电流传感器、功率管、DC-DC变换器、二极管、第一电容、第二电容、第一驱动模块和第二驱动模块等部分；首先采集光伏电池的开路电压和电池温度，利用支持向量机预测模型得到最大功率点对应的电压的预测值；之后通过比例积分控制器调节DC-DC变换器的脉冲宽度调制的占空比，使得实际工作电压快速达到最大功率点对应的电压的预测值；并以最大功率点对应的电压的预测值为初始值，采用扰动观察法以指定的扰动步长跟踪光伏电池的最大功率。本发明可以有效地提高光伏发电系统的发电效率。

Description

一种光伏发电系统最大功率跟踪方法及装置

技术领域

本发明属于太阳能光伏发电技术领域，尤其涉及一种光伏发电系统最大功率跟踪方法及装置。

背景技术

光伏发电具有无污染、无噪声、取之不尽、用之不竭等优点，且除阳光外无需其他生产材料，是一种具有广阔前景的绿色能源，在未来的供电系统中将占有重要的地位。

光伏电池的输出功率与外界环境和负载情况有关，并且一定的外界环境和负载情况下存在唯一的最大功率点MPP。为了提高发电效率，需要在光伏电池和负载之间串联最大功率跟踪MPPT电路。目前光伏电池最大功率跟踪MPPT控制算法有很多种，它们各有优缺点，最常用的有恒定电压跟踪法CVT、扰动观察法P&O和增量电导法INC等。

恒定电压跟踪法CVT具有实现简单，可靠性高的优点，但是只能固定在最大功率点MPP附近工作，当日照强度或者温度发生变化时，并不能实时的跟踪最大功率点MPP，因此存在一定的功率损失。

扰动观察法P&O的实现相对容易，但是找到的工作点只能在MPP附近振荡运行，导致部分功率的损失。此外，初始值和扰动步长对跟踪的精度和速度都有较大的影响，有时会发生误判现象。

增量电导法INC的思路与扰动观察法类似，其优点是计算相对准确，但是对测量的精度要求较高。

此外，有研究人员通过训练BP神经网络模型来预测最大功率点MPP，以避免扰动观察法P&O中来回扰动所造成的功率损失。但是，受样本局限性和训练过程的影响，预测值与真实值之间难免存在一定的误差。

发明内容

针对上述背景技术中提到的现有光伏电池的最大输出功率跟踪方法存在不能实时跟踪、找不到最大功率点等不足，本发明提出了一种光伏发电系统最大功率跟踪装置及其使用方法。

本发明的技术方案是，一种光伏发电系统最大功率跟踪装置，其特征是该装置包括：MPPT控制器、温度传感器、电压传感器、电流传感器、功率管、DC-DC变换器、二极管、第一电容、第二电容、第一驱动模块和第二驱动模块；

所述温度传感器与MPPT控制器连接；电压传感器的负极与待测电压负端连接、电压传感器的正极与待测电压正端连接、电压传感器的第一测量信号输出端与MPPT控制器连接；功率管的源极与电压传感器的正极连接、功率管的栅极与第一驱动模块连接；第一驱动模块与MPPT控制器连接；第一电容的一端与功率管的漏极连接、第一电容的另一端与待测电压负端连接；电流传感器的待测电流输入端与功率管的漏极连接、电流传感器的第二测量信号输出端与MPPT控制器连接；DC-DC变换器的电压输入端与电流传感器的待测电流输出端连接、DC-DC变换器的脉宽调制信号输入端与第二驱动模块连接；二极管的阳极与DC-DC变换器的电压输出端连接、二极管的阴极与第二电容连接；第二电容的另一端与待测电压负端连接；待测电压负端与地连接。

所述DC-DC变换器为Cuk电路。

所述MPPT控制器为16位数字信号控制器dsPIC33FJ06GS101。

所述电压传感器为LV28-P。

所述电流传感器为LA25-NP。

所述温度传感器为DS18b20。

所述功率管为IRF4905。

所述第一驱动模块和第二驱动模块为MCP14E3。

一种使用权利要求1所述的装置测量光伏发电系统最大功率的方法，其特征是该方法包括以下步骤：

步骤1：采集光伏电池的开路电压V_oc和电池温度T；

步骤2：在步骤1的基础上，利用支持向量机预测模型得到最大功率点对应的电压的预测值V_ref；

步骤3：通过比例积分控制器调节DC-DC变换器的脉冲宽度调制的占空比，使得实际工作电压快速达到最大功率点对应的电压的预测值V_ref；

步骤4：以最大功率点对应的电压的预测值V_ref为初始值，采用扰动观察法以指定的扰动步长跟踪光伏电池的最大功率；

步骤5：当扰动观察法求得的扰动前后的功率差值大于等于设定阈值时，说明光伏电池的环境参数(日照强度E或电池温度T)发生了突变，重复步骤1至步骤4。

本发明的优势在于：当外界环境变化时，借助于预测模型可以直接将工作电压调节至最大功率点MPP的电压预测值V_ref的附近，省去了扰动观察法P&O逐步试探的过程，从而提高了跟踪速度；另外，当电压预测值V_ref为初值进行扰动观察法P&O时，由于电压预测值V_ref已经接近最大功率点MPP对应的电压，故可以设置较小的扰动步长，从而有效的降低静态过程的功率损失。

附图说明

图1为本发明硬件结构图；

图2为P&O算法流程图；

图3为本发明方法的流程图；

图4为本发明所述方法与常规P&O法的比较；

图a为常规P&O方法；图b为本发明方法。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

一种光伏发电系统最大功率跟踪装置，其特征是该装置包括：MPPT控制器、温度传感器、电压传感器DY(+HT-待测电压正端；-HT-待测电压负端；M1-第一测量信号输出端)、电流传感器DL(IN-待测电流输入端；OUT-待测电流输出端；M2-第二测量信号输出端)、功率管Q1(S-源极；D-漏极；G-栅极)、DC-DC变换器(Vi-电压输入端；Vo-电压输出端；PWM-脉宽调制信号输入端)、二极管D、第一电容C1、第二电容C2、第一驱动模块和第二驱动模块；

温度传感器与MPPT控制器连接；电压传感器DY的负极与待测电压负端连接、电压传感器DY的正极与待测电压正端连接、电压传感器DY的测量信号输出端与MPPT控制器连接；功率管Q1的源极与电压传感器的正极连接、功率管Q1的栅极与第一驱动模块连接；第一驱动模块与MPPT控制器连接；第一电容C1的一端与功率管的漏极连接、第一电容C1的另一端与待测电压负端连接；电流传感器DL的待测电流输入端与功率管的漏极连接、电流传感器DL的测量信号输出端与MPPT控制器连接；DC-DC变换器的电压输入端与电流传感器DL的待测电流输出端连接、DC-DC变换器的脉宽调制信号输入端与第二驱动模块连接；二极管D的阳极与DC-DC变换器的电压输出端连接、二极管D的阴极与第二电容C2连接；第二电容C2的另一端与待测电压负端连接；待测电压负端与地连接。

MPPT控制器用于采集光伏电池的电压和电流以及温度，并通过输出PWM方波至DC-DC变换器来改变光伏电池的工作点。通过在光伏电池与DC-DC变换器中间加入功率管，利用一套电压传感器即可完成其工作电压与开路电压的采集。

本发明训练了基于支持向量机SVM的预测模型，模型的输入为光伏电池的开路电压V_oc和环境温度T，输出为最大功率点MPP电压预测值V_ref。训练样本的收集和模型训练过程均基于本发明硬件装置实现。

本发明的MPPT方法为支持向量机SVM预测模型结合扰动观察法P&O，方法分为以下步骤：

步骤1：采集光伏电池的开路电压V_oc和电池温度T；

步骤2：利用支持向量机预测模型得到最大功率点对应的电压的预测值V_ref；

以下结合附图和具体实施方式进一步说明本发明。

图1为本发明硬件结构图，其中，光伏电池为75W，其在标准测试条件的参数为：短路电流I_sc＝4.91A，开路电压V_oc＝21.5V；DC-DC变换器采用Cuk电路；MPPT控制器采用dsPIC33FJ06GS101高性能16位数字信号控制器；电压传感器DY采选用LV28-P；电流传感器DL选用LA25-NP；温度传感器选用DS18b20；功率管Q1选用IRF4905；第一驱动模块和第二驱动模块选用MCP14E3；电容C1＝10μF；电容C2＝100μF；二极管D选用RF2001T2D。

当Q1关断时，电压传感器测量值为光伏电池的开路电压V_oc；当Q1导通时，测量值为光伏电池的工作电压V_dc。由于功率管的导通过程和关断过程所需时间只有几十纳秒，而dsPIC33FJ06GS101的AD模块完成一次开路电压的采样只需要0.5微秒，因此对开路电压的瞬时测量并不会影响负载的正常工作。测量工作电压、工作电流时，为了消除DC-DC变换器中高频斩波引起的信号抖动，令AD模块连续转换16次取平均值作为测量值。

支持向量机SVM预测模型的获取包含收集训练样本和训练模型两部分：

(1)收集训练样本

支持向量机SVM预测模型的作用是根据光伏电池的工作环境预测出最大功率点MPP对应的电压预测值V_ref。影响光伏电池最大工作点的主要环境参数为日照强度E和电池温度T，其中光伏电池的开路电压V_oc可以很好的表征日照强度E。记某一工作环境下的参数向量为X(i)＝[V_oc(i)，T(i)]^T，对应最大功率点MPP的电压为V_max(i)，则可构成一对样本(X(i)，V_max(i))。通过收集各种不同环境下的样本对，形成样本集{(X(i)，V_max(i))}，就可以通过训练支持向量机SVM模型拟合出它们之间的复杂关系，从而根据V_oc和T来给出最大功率点MPP的电压预测值V_ref。

预测模型训练样本的获取采用观察法来采集。采集过程为：先驱动功率管Q1导通，然后初始化DC-DC变换器的PWM脉冲占空比D以较小的初始值D₀，使其每次以微小固定增量ΔD不断增加，对于第k次，有

D(k)＝D₀+k·ΔD (1)

其中：

D(k)为第k次脉冲占空比；

D₀为占空比初始值；

ΔD为固定增量。

同时，测量光伏电池的工作电压V_dc(k)和工作电流I_dc(k)，计算当前输出功率P(k)：

P(k)＝V_dc(k)·I_dc(k) (2)

其中：

P(k)为当前输出功率；

V_dc(k)为工作电压；

I_dc(k)为工作电流。

与前一次输出功率P(k-1)比较，当出现P(k)＜P(k-1)时，认为此时的工作状态已接近最大功率点。令：

D(k)＝D₀+(k-0.5)·ΔD (3)

测量此时的工作电压V_dc作为最大功率工作点电压V_ref，然后驱动功率管Q1关断，测量光伏电池的开路电压V_oc以及温度T，完成一次采集，即得到一对样本(X(i)，V_max(i))。

(2)训练支持向量机SVM模型

支持向量机SVM通过非线性映射将输入空间映射到高维的特征空间，利用一个线性函数集来进行回归估计。给定样本集

(X_i∈Rⁿ为输入向量，y_i∈R为相应输出值，N为样本个数，n为输入向量维数)，支持向量机SVM所用线性回归函数为：

y_i＝f(X_i)＝Wφ(X_i)+b (4)

其中：

y_i为线性回归函数输出；

φ(X_i)是从输入空间到高维特征空间的非线性映射；

X_i为输入向量；

W为权值向量；

b为偏置。

φ(X_i)是从输入空间到高维特征空间的非线性映射，权值向量W和偏置b由最小化公式来计算：

\frac{1}{2} {| | W | |}^{2} + C \frac{1}{N} Σ_{i = 1}^{N} ξ_{i}

s . t . \{\begin{matrix} y_{i} - Wφ (X_{i}) - b \leq ϵ + ξ_{i} \\ ξ_{i} &GreaterEqual; 0 \end{matrix} - - - (5)

式中：

W为权值向量，第1项

决定回归函数的泛化能力；

C为惩罚因子(C＞0)，用于控制对超出的样本的惩罚程度；

N为样本个数；

ξ_i为引入的松弛变量；

ε为误差。

根据(5)建立拉格朗日方程，求解得线性回归函数为：

f (X_{i}) = Σ_{j = 1}^{N} α_{j} K (X_{i}, X_{j}) + b - - - (6)

式中：

K(X_i，X_j)为核函数，

α_j为拉格朗日系数，不为零的α_j对应的向量X称为支持向量。

得到支持向量后，即可求得回归函数y＝f(X_i)。

选择不同形式的核函数可以生成不同的支持向量机，常用的核函数有：多项式函数，高斯函数，Sigmoid函数等。本发明选取高斯函数为核函数，即：

K (X_{i}, X) = \exp (- \frac{{| | X_{i} - X | |}^{2}}{δ^{2}}) - - - (7)

其中：

δ²为高斯核函数的宽度参数。

评价预测模型的性能时采用统计量平均相对误差Δ_MRE，其表达式为：

Δ_{MRE} = \frac{1}{N} Σ_{i = 1}^{N} | \frac{Y - \hat{Y}}{Y} | \times 100 % - - - (8)

式中：

Δ_MRE为统计量平均相对误差；

Y为样本的真值；

为Y的估计值。

均匀抽取总样本中的一半作为训练样本，剩余一半样本作为检验样本。为防止产生过学习现象或者欠学习现象，分别取C＝10^-1、10⁰、10¹、10²、10³；δ²＝10^-2、10^-1、10⁰、10¹、10²，利用训练样本进行学习，并计算在检验样本上的Δ_MRE。选择最小的Δ_MRE所对应的模型作为最终预测模型。将预测模型中的支持向量存储在EEPROM中以备使用。

图2为扰动观察法P&O的流程图，其原理是周期性地扰动太阳电池的工作电压(V+ΔV)，再比较其扰动前后的功率变化，若输出功率增加，则表示扰动方向正确，继续朝同一方向(+ΔV)扰动；若输出功率减小，则朝相反(-ΔV)方向扰动。

图3为本发明的流程图。开始时，首先采集光伏电池的开路电压V_oc和电池温度T，并利用支持向量机SVM预测模型给出最大功率点MPP对应的电压的预测值V_ref。比例积分PI控制器依据实际工作电压与V_ref的偏差调节DC-DC变换器的PWM占空比，使得实际工作电压快速跟踪至V_ref。然后以V_ref为初值，利用较小的扰动步长ΔV开始P&O过程。在P&O过程中，将每一次扰动前后的功率差ΔP与某一阈值T_r比较，当|ΔP|＜T_r时，继续P&O过程，否则认为此时光伏电池的工作环境发生了突变，重新由支持向量机SVM模型预测出V_ref，并重复上述过程。对于75瓦的光伏电池，取T_r＝6瓦。

将上述最大功率跟踪MPPT方法通过C语言程序写入控制芯片dsPIC33FJ06GS101，输出PWM方波驱动DC-DC变换器，即可很好的跟踪最大功率点。

为了验证所提方法的正确性，在本发明所述的硬件平台上将其与常规扰动观察法P&O进行了比较。具体为：在同一工作环境下(开路电压V_oc＝20.5伏，电池温度T＝18℃)，令光伏电池初始工作电压为10伏，分别观察两种方法的跟踪速度和稳态过程的振荡幅度。图4为数字示波器记录的曲线，其中I_dc为电流曲线，为V_dc电压曲线。

常规扰动观察法P&O方法(步长ΔV＝0.6伏)的跟踪过程如图4a所示，经过连续8拍的正方向扰动后，工作电压V_dc＝14.8伏，这时开始在MPP左右振荡，即进入稳态过程，总共所需时间约为2.80秒。

本发明所述方法的跟踪过程如图4b所示，首先对开路电压V_oc和环境温度T进行测量，因此电压和电流均发生了跳变。经支持向量机SVM模型给出最大功率点MPP电压预测值V_ref＝14.7伏后，通过PI控制器(K_p＝0.35，K_i＝0.08)直接将工作电压V_dc调节至14.7伏，然后开始进行小步长扰动观察法P&O(ΔV＝0.2伏)，由于V_ref本身已非常接近最大功率点MPP对应的电压，所以很快进入了稳态过程，总共所需时间约为0.42秒。由此可知，本发明所提方法的跟踪速度要明显高于常规扰动观察法P&O方法。

进入稳态过程后，可以看出本发明所述方法的振荡幅度要较常规扰动观察法P&O方法小。分别计算40秒稳态过程的平均功率，得出常规扰动观察法P&O方法为54.7瓦，而本发明所述方法为56.8瓦，说明采用小步长扰动可以有效的降低功率损失。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims

1.一种光伏发电系统最大功率跟踪装置，其特征是该装置包括：MPPT控制器、温度传感器、电压传感器、电流传感器、功率管、DC-DC变换器、二极管、第一电容、第二电容、第一驱动模块和第二驱动模块；

2.根据权利要求1所述的一种光伏发电系统最大功率跟踪装置，其特征是所述DC-DC变换器为Cuk电路。

3.根据权利要求1所述的一种光伏发电系统最大功率跟踪装置，其特征是所述MPPT控制器为16位数字信号控制器dsPIC33FJ06GS101。

4.根据权利要求1所述的一种光伏发电系统最大功率跟踪装置，其特征是所述电压传感器为LV28-P。

5.根据权利要求1所述的一种光伏发电系统最大功率跟踪装置，其特征是所述电流传感器为LA25-NP。

6.根据权利要求1所述的一种光伏发电系统最大功率跟踪装置，其特征是所述温度传感器为DS18b20。

7.根据权利要求1所述的一种光伏发电系统最大功率跟踪装置，其特征是所述功率管为IRF4905。

8.根据权利要求1所述的一种光伏发电系统最大功率跟踪装置，其特征是所述第一驱动模块和第二驱动模块为MCP14E3。

9.一种使用权利要求1所述的装置测量光伏发电系统最大功率的方法，其特征是该方法包括以下步骤：

步骤1：采集光伏电池的开路电压V_oc和电池温度T；

步骤5：当扰动观察法求得的扰动前后的功率差值大于等于设定阈值时，说明光伏电池的环境参数发生了突变，重复步骤1至步骤4。