CN102913426A - 一种高效全自动光伏水泵系统及其控制方法 - Google Patents

Abstract

<b/>本发明涉及太阳能光伏水泵，具体涉及一种基于智能控制算法实现MPPT的高效全自动光伏水泵系统。本发明将神经网络预测控制算法与光伏MPPT进行融合并应用于光伏水泵系统中，提高了系统的自适应性，能适应天气变化频繁的场合，实现输出电压快速稳定地逼近最大功率点电压。该系统能够实现水泵、光伏阵列、电机的三者最佳匹配，具有自适应、稳定性、低成本和高效率的特点。

Description

一种高效全自动光伏水泵系统及其控制方法

技术领域

本发明涉及太阳能光伏水泵，具体涉及一种基于智能控制算法实现MPPT的高效全自动光伏水泵系统，涉及到太阳能的采集、变换及电力电子、电机、水泵、计算机控制、检测技术与自动化装置等多个学科的最新技术问题。

背景技术

光伏水泵系统,具有无污染、全自动、运行成本低等优点，其基本工作原理是利用太阳能电池将太阳能直接转化为电能，然后通过控制器驱动电机带动水泵运行，特别适用于无电地区经济作物灌溉、温棚作物的种植；我国是农业大国，对灌溉的需求量比较大，光伏水泵可以满足国内干旱地区灌溉的要求，同时也是解决供水、饮水、荒山绿化、水土流失最佳方案，具有巨大的经济效益和环境效益。

国内对光伏水泵的研究起步较晚，到90年代左右，由于国家的优惠政策和扶持措施，国内涌现了一批致力于光伏水泵系统的研究单位，其中主要有：合肥工业大学的教育部光伏技术中心、北京太阳能研究所等；部分国内研究者已研究了独立光伏水泵系统配置的方法，探索了软件实现最大功率跟踪的途径，并完成全数字式的光伏水泵系统控制器的样机设计，分别在青海的海西州都兰县巴隆乡、新疆石河子市北泉镇等地建立起了数个光伏水泵系统的试验点，经过较长时间的观察测试，系统基本运行稳定，能初步解决当地的农业灌溉或饮水问题，显示了巨大的和广阔的应用前景。

虽然光伏水泵系统已得到初步的发展，但是还存在如下的问题：

1.目前，市场上的光伏水泵样机都是基于扰动观察法实现太阳能电池的最大功率工作点的跟踪，该方法在到达最大功率点附近之后，存在左右振荡的现象，造成能量损耗；尤其在气候条件变化频繁时，情况更为严重，会存在跟踪误判的现象，不能实现对光伏阵列最大功率点快速、准确跟踪，系统效率低，不能充分利用太阳能。

2.普通光伏水泵系统大多由光伏电池厂家提供，所选叶片泵扬程较低，不能符合部分地区高扬程要求，且泵的效率一般较低；另外，选用通用的电机和水泵，在运行中经常因匹配性不好而出现各种故障。

因此，亟待开发能够新型高效全自动水泵系统，克服上述缺点；一方面，要研究自适应MPPT算法，使之完成对光伏阵列最大功率点的快速稳定的跟踪；另一方面，有针对性对水泵的负载特性进行专门的研究，开发出小功率、高扬程、高效率的专用水泵，使之在不同环境下，仍具有较高的扬程和系统效率。

发明内容

本发明的目的在于克服现有光伏MPPT控制器不能实时准确跟踪最大功率工作点和光伏水泵效率低等缺陷，公开了一种基于神经网络的光伏MPPT预测控制的高效全自动光伏水泵系统。

本发明采用如下技术方案：一种高效全自动光伏水泵系统，由光伏阵列、DC/DC变换器、DC/AC逆变桥、直流无刷电机、蓄电池、反电势检测电路、隔离电路、驱动电路、Atmega128控制器、光伏水泵和液位传感器组成，光伏阵列的输出端子连接DC/DC变换器的输入端， DC/DC电路输出端连接蓄电池和DC/AC逆变桥的输入端；Atmega128控制器的输出端接入隔离电路，隔离电路的输出端接驱动电路的输入端，驱动电路的输出端接DC/AC变换器输入端，DC/AC逆变桥的输出端分别接无刷直流电机、反电势检测电路的输入端，反电势检测电路的输出端接Atmega128控制器，直流无刷电机的输出端接光伏水泵，进行深井抽水，液位传感器的输出端接Atmega128控制器，将当前液位传给控制器，实现对液位的实时检测。

所述Atmega128控制器要实现的功能主要有：基于神经网络的光伏MPPT预测控制、PID控制、PWM信号的产生模块、直流无刷电机控制、电流电压的检测、水位打干检测和显示操作模块。

高效全自动光伏水泵系统的控制方法按照如下步骤进行：

（1）Atmega128控制器完成初始化后,依次对水泵的输出端的电流值、电压值进行采样，判断电压、电流参数是否正常，若参数不正常，对系统实行停止的操作。  

（2）若参数正常，控制器调用基于神经网络的光伏MPPT预测控制算法，通过神经网络模型训练光伏阵列的光强、温度的样本数据，训练完成后的数据就是所预测的光伏阵列的最大电压工作电压Uom。

（3）将实际输出电压Udc与最大功率点工作电压Uom的比较值输入到Atmega128控制器的PID调节器，改变控制器的内部定时器生成的PWM波的占空比，从而对DC/DC变换器进行直流斩波，调整实际输出电压Udc，使光伏阵列工作在最大功率点。

（4）Atmega128控制器控制直流无刷电机启动，控制器发送电机的开环步进编码，实现直流无刷电机的步进启动，当电机步进启动成功后，控制器将电机自动切换到自同步运行阶段，从直流无刷电机的定子端引出的三相绕组的端电压信号，经过反电势检测电路输出到过零比较器，控制器分析过零比较器的状态，从中检测出直流无刷电机的过零点，并采用查表法从控制器的EPROM中直接读取出相应的控制字编码，通过控制器的I/O经过隔离电路与驱动电路，以导通或关断相应的DC/AC逆变桥功率管，从而触发无刷直流电机正确换相。

（5）DC/AC逆变桥采用两两导通方式，每隔1/6周期(60o电角度)绕组换相一次，按依次导通的规律循环，无刷直流电机将产生连续转矩从而带动水泵的运行，水井的液位传感器实时检测水位，当水位低于最低水位时，控制器将发出控制指令使水泵停止打水，系统运行过程中，控制器的显示与操作模块可以通过通信程序实现对系统的操作以及参数的显示。

所述基于神经网络的光伏MPPT预测算法的建立过程：

（1）确定BP神经网络为3-5-1的3层的网络结构：网络由3个输入神经元、5个隐藏神经元和1个输出神经元构成；如图1所示，3个输入神经元分别为光伏阵列的光强、温度以及时间参数，光伏阵列的最大功率点电压作为输出神经元的预测输出值；（2）选取阀值函数f：神经网络的隐藏神经元的传递函数采用S型正切函数，输出神经元的传递函数采用S型对数函数；（3）对样本数据的选取和预处理：在某一天，采取等时间间隔抽样的方法对光伏阵列的光照强度和温度进行数据采集，继而对输入的光强、温度、时间三种样本数据进行归一化预处理，从而克服权值调节过程缓慢和不收敛的现象；用一个线性变换，把它们的数值依次归一化到[-1,1]之间，归一化的数学公式为：Xi =(X-Xmin)/(Xmax-Xmin)，（i=1~n），其中，X为光强或温度的原始样本数据，Xmax和Xmin 分别为X中的最大值和最小值，Xi为第i组光强或温度的样本归一化后的样本数据，输入的神经网络进行训练和预测的样本均需经上述归一化处理；（4）训练BP神经网络：训练的算法采取TRAINLM，如图2所示，采用神经网络模型训练完成后的数据，进行预测光伏组件的最大电压，这种训练方法能快速、精确跟踪到最大功率点。

较常规的光伏水泵系统，该系统具有自适应、稳定性、低成本和高效率的特点。本控制系统的主要优点是：

（1）将神经网络预测控制算法与光伏MPPT进行融合并应用于光伏水泵系统中，提高了系统的自适应性，能适应天气变化频繁的场合，实现输出电压快速稳定地逼近最大功率点电压；为了说明神经网络光伏MPPT算法的优越性，将其与扰动观察法进行仿真比较，两种控制方法所得出功率曲线分别如附图3和附图4所示，从图中可以看出，神经网络预测控制方法较扰动观察法具有更高的精度和稳定性，不仅波动小，效率也很高。

另外，KPM是最大功率跟踪的重要性能参数，KPM越大，表明最大功率跟踪的性能越好，其计算公式为

；

其中，Pm为预测的最大功率，Pmax为理想的最大输出功率；Um为预测的最大功率点电压，Im是预测得到的电流，可以由电压根据光伏特性公式计算求得；Umax和Imax分别是理想最大功率点的输出电压和电流。

在同一月的天气情况不同的两天中，分别用神经网络预测算法与扰动观察法进行控制，计算样本数据预测得到的KPM，比较结果如下表所示：

KPM	神经网络预测算法	扰动观察法
			某晴天	0.9623	0.9967
某多云天气	0.7218	0.9678

从上表可以看出，使用干扰观察法得到的KPM在晴天也有较高的精度，但由于多云天气时，光强与温度变化频繁，此时干扰观察法的跟踪效果较差；相比之下，无论是在晴天还是多云的天气的情况下，使用神经网络预测最大功率，KPM值均能达到0.96以上的精度，说明预测的最大功率值非常逼近理想最大功率，体现了较强的自适应性。

（2）采用了ATmega128控制器作为主控芯片，系统性能可靠且成本较低；ATmega128控制器是ATMEL公司的 8位系列单片机的最高配置的一款单片机，较普通8位单片机具有高性能、资源丰富、低功耗的特点，较DSP芯片具有成本低的特点。系统控制器需实现最大功率跟踪控制和直流无刷电机的控制，当然为了整个系统的优化，还需要进行系统保护设计和其他辅助硬件设计，包括电流电压检测、水位打干和显示操作模块。

总之，本系统是自适应性较强，功能较齐的新型高效全自动光伏水泵系统，能够实现水泵、光伏阵列、电机的三者最佳匹配，性价比较高，实现了廉价和高效的兼顾，具有更好的市场竞争力。

附图说明

图1 MPPT算法的BP神经网络的拓扑结构示意图；

图2神经网络的训练流程图；

图3基于扰动观察法控制的功率曲线；

图4基于神经网络预测控制的功率曲线；

图5一种高效全自动光伏水泵系统硬件结构示意图；

图6一种高效全自动光伏水泵系统控制框图。

具体实施方式

下面结合附图对本发明系统作进一步说明。

图5是一种高效全自动光伏水泵系统的硬件结构示意图，由光伏阵列1 、DC/DC变换器2 、DC/AC变换器3 、无刷直流电机 4、Atmega128控制器5、隔离电路6、驱动电路7、蓄电池8、专用水泵9、反电势检测电路10和液位传感器11构成。

光伏阵列1的输出端连接DC/DC变换器2的输入端， DC/DC电路2输出端连接蓄电池8和DC/AC逆变桥3的输入端，控制器5的输出端接入隔离电路6的输入端，隔离电路6的输出端接驱动电路7的输入端，驱动电路7的输出端接DC/AC变换器3输入端，逆变桥3的输出端分别接无刷直流电机4、反电势检测电路10的输入端，无刷直流电机4的输出端接专用水泵9，从而进行深井抽水，液位传感器11将当前液位传给控制器5。

光伏阵列1由太阳能电池串、并联组成，收集太阳光的辐射能量，并将该能量转换成电能。

DC/DC变换器2采用升降压式转换电路，该电路主要由场效应管、电感、电容和二极管构成，另外在场效应管的源漏两端跨接两个电容以达到为输入端滤波的作用，可保证光伏阵列能在任何日照和环境温度下都能够稳定地提供相应可能的最大功率输出。

蓄电池组8采用铅酸蓄电池，用以储存日照强烈时过剩的能量，以保证日落或阴雨天气能正常工作。 

隔离电路6采用光耦隔离方式，实现了强电和弱电的电气隔离。光耦以光为煤介传送信号，可有效地抑制系统噪声，消除接地回路的干扰，PWM波由控制器5输出，接至与非门，再连接高速光耦，光电隔离后送至驱动电路7，继而驱动DC/AC变换器。

DC/AC变换器3，采用三相全桥式电路，由6只开关管构成，将光伏阵列输出的直流电变换为交流电，带动直流无刷电机4运行。

直流无刷电机4，采用120°二二导通方式，转子永磁体N ~S旋转，经过转子位置反电势检测电路10检测，控制器5发出开关指令，使得逆变桥6只开关管顺序导通；直流无刷电机4转子旋转一圈，共有6种开关组合状态，每改变一种开关组合状态，定子旋转磁场转过六十度电角度，按此规律循环，电机将产生连续转矩，带动光伏水泵9运行。

反电势检测电路10采用虚拟中心点的方法来找到定子线圈反电势过零点，从主电路中引出定子绕组三相端电压，定子三相绕组的端电压信号经过反电势零点识别电路，将虚拟过零点和端电压值送到比较器的输入端，经上拉后将过零点脉冲送输出到控制器5捕捉口，从而触发无刷直流电机换相。 

水泵9，通过fluent、CFX两软件，采用大涡模拟、正交设计法对离心泵泵体进行优化设计，调节泵运行工况，模拟光伏泵真实运行条件，获得泵瞬态性能变化规律，测试内部流场，从而修正水泵的设计参数，使泵具有高扬程且扬程随转速变化基本不变的特性。

液位传感器11实现对深井液位的实时监测。

Atmega128控制器5实现的软件功能如附图6所示，主要控制模块有PWM波的生成与控制模块、PID算法模块、基于神经网络的光伏MPPT预测控制模块、无刷直流电机反电势的检测与控制模块、电压、电流检测模块、水位打干检测模块与人机显示操作模块。

Atmega128控制器的神经网络的光伏MPPT预测控制模块是通过对太阳能电池伏-安特性及功率-电压曲线的分析，并结合水泵的负载特性，研究神经网络自适应MPPT预测算法，用MATLAB进行软件试验仿真，完成对神经网络样本的训练，得到最大功率点工作电压Vom，和实际电压做比较通过PID 闭环反馈到DC/DC变换器2，调整实际输出电压Vdc，使其逼近最大工作点，然后经DC/AC逆变桥3驱动无刷直流电机4旋转，带动水泵9运行，该智能电压预测模块获得更高的能量转换效率。

反电势的检测与控制模块是通过基于虚拟中点法的相电压反电势检测法，完成对无刷直流电机的换相；通过直流PWM控制的恒定步进起动方式，增加无刷直流电机的开环步进起动力矩，减少电机的脉动力矩和峰值电流；利用转速与电流双闭环控制结构，保证无刷直流电机平稳运行。

电压、电流检测模块实现采样光伏阵列电压与电流的功能，电流与电压是系统最大功率点跟踪控制中最关键的测量值，同时也是系统过压、欠压保护、堵转保护、过载保护和智能开关机等功能的参考值；水位打干检测模块的设计是为了防止井中水位下降，引起机泵系统干磨擦而遭致损坏的现象，因此系统安装时，在水井里安放水位传感器，当水位低于最低水位时，控制器将发出控制指令使水泵停止打水。

人机显示操作模块是用户及调试维护人员平时接触最多的操作界面，它可以方便地进行系统监控和运行参数的调整，本系统采用串口调试助手进行人机交互。

Claims (3)

1.一种高效全自动光伏水泵系统，其特征在于：所述系统由光伏阵列、DC/DC变换器、DC/AC逆变桥、直流无刷电机、蓄电池、反电势检测电路、隔离电路、驱动电路、Atmega128控制器、光伏水泵和液位传感器组成，光伏阵列的输出端子连接DC/DC变换器的输入端， DC/DC电路输出端连接蓄电池和DC/AC逆变桥的输入端；Atmega128控制器的输出端接入隔离电路，隔离电路的输出端接驱动电路的输入端，驱动电路的输出端接DC/AC变换器输入端，DC/AC逆变桥的输出端分别接无刷直流电机、反电势检测电路的输入端，反电势检测电路的输出端接Atmega128控制器，直流无刷电机的输出端接光伏水泵，进行深井抽水，液位传感器的输出端接Atmega128控制器，将当前液位传给控制器，实现对液位的实时检测。

2.如权利要求1所述的一种高效全自动光伏水泵系统的控制方法，其特征在于按照如下步骤进行：

（1）Atmega128控制器完成初始化后,依次对水泵的输出端的电流值、电压值进行采样，判断电压、电流参数是否正常，若参数不正常，对系统实行停止的操作；

（2）若参数正常，控制器调用基于神经网络的光伏MPPT预测控制算法，通过神经网络模型训练光伏阵列的光强、温度的样本数据，训练完成后的数据就是所预测的光伏阵列的最大电压工作电压Uom；

（3）将实际输出电压Udc与最大功率点工作电压Uom的比较值输入到Atmega128控制器的PID调节器，改变控制器的内部定时器生成的PWM波的占空比，从而对DC/DC变换器进行直流斩波，调整实际输出电压Udc，使光伏阵列工作在最大功率点；

（4）Atmega128控制器控制直流无刷电机启动，控制器发送电机的开环步进编码，实现直流无刷电机的步进启动，当电机步进启动成功后，控制器将电机自动切换到自同步运行阶段，从直流无刷电机的定子端引出的三相绕组的端电压信号，经过反电势检测电路输出到过零比较器，控制器分析过零比较器的状态，从中检测出直流无刷电机的过零点，并采用查表法从控制器的EPROM中直接读取出相应的控制字编码，通过控制器的I/O经过隔离电路与驱动电路，以导通或关断相应的DC/AC逆变桥功率管，从而触发无刷直流电机正确换相；

（5）DC/AC逆变桥采用两两导通方式，每隔1/6周期(60o电角度)绕组换相一次，按依次导通的规律循环，无刷直流电机将产生连续转矩从而带动水泵的运行，水井的液位传感器实时检测水位，当水位低于最低水位时，控制器将发出控制指令使水泵停止打水，系统运行过程中，控制器的显示与操作模块可以通过通信程序实现对系统的操作以及参数的显示。

3.如权利要求1所述的一种高效全自动光伏水泵系统的控制方法，其特征在于：所述基于神经网络的光伏MPPT预测算法的建立过程：

（1）确定BP神经网络为3-5-1的3层的网络结构：网络由3个输入神经元、5个隐藏神经元和1个输出神经元构成，3个输入神经元分别为光伏阵列的光强、温度以及时间参数，光伏阵列的最大功率点电压作为输出神经元的预测输出值；（2）选取阀值函数f：神经网络的隐藏神经元的传递函数采用S型正切函数，输出神经元的传递函数采用S型对数函数；（3）对样本数据的选取和预处理：在某一天，采取等时间间隔抽样的方法对光伏阵列的光照强度和温度进行数据采集，继而对输入的光强、温度、时间三种样本数据进行归一化预处理，从而克服权值调节过程缓慢和不收敛的现象；用一个线性变换，把它们的数值依次归一化到[-1,1]之间，归一化的数学公式为：Xi =(X-Xmin)/(Xmax-Xmin)，（i=1~n），其中，X为光强或温度的原始样本数据，Xmax和Xmin 分别为X中的最大值和最小值，Xi为第i组光强或温度的样本归一化后的样本数据，输入的神经网络进行训练和预测的样本均需经上述归一化处理；（4）训练BP神经网络：训练的算法采取TRAINLM，采用神经网络模型训练完成后的数据，进行预测光伏组件的最大电压。

Images