CN107664948A - 光伏电池mppt的非对称变论域模糊控制方法 - Google Patents
光伏电池mppt的非对称变论域模糊控制方法 Download PDFInfo
- Publication number
- CN107664948A CN107664948A CN201710811369.4A CN201710811369A CN107664948A CN 107664948 A CN107664948 A CN 107664948A CN 201710811369 A CN201710811369 A CN 201710811369A CN 107664948 A CN107664948 A CN 107664948A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- maximum power
- power point
- photovoltaic cell
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种光伏电池MPPT的非对称变论域模糊控制方法,包括确定输入输出量及控制器的结构、确定模糊子集与初始论域、伸缩因子的确定、隶属函数的确定、输入输出模糊控制规则、算法仿真等步骤。本发明可以根据输出功率偏差自动调整变量论域,实现快速精确跟踪控制的光伏电池MPPT的非对称变论域模糊控制。
Description
技术领域
本发明涉及一种光伏电池MPPT的非对称变论域模糊控制方法。
背景技术
光伏电池容易受环境温度和光照强度等外界因素的影响,实际最大功率点会产生偏移,不能始终工作在最大功率点上,这是光伏电池能量转换效率偏低的主要原因。因此,研究光伏电池最大功率点跟踪(MPPT)控制,确保光伏电池始终以最大功率输出,对提高光伏电池能量转换效率具有重要的意义。
现有技术几种应用最广的MPPT方法,主要有恒定电压法、扰动观察法、电导增量法和模糊控制法等。其中模糊控制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。模糊控制器具有较强的适应性、鲁棒性和容错性,非常适合光伏发电系统这类数学模型未知、复杂的非线性时变系统。现有文献有将传统模糊算法运用于光伏电池MPPT控制中,但是缺少算法对比,无法体现模糊控制的优越性;现有文献有将PID控制与模糊控制相结合,有效消除输出功率在最大功率点附近的震荡,减小功率损失;现有文献有在模糊(PID)控制器的基础上嵌入神经网络,增强消除系统误差能力,提高稳态性能;现有文献有研究的非对称模糊控制,能够平稳响应外界环境变化;现有文献有研究的变论域模糊控制,更是能够在跟踪速度和跟踪精度上兼具优越性。
发明内容
本发明的目的在于提供一种可以根据输出功率偏差自动调整变量论域,实现快速精确跟踪控制的光伏电池MPPT的非对称变论域模糊控制方法。
本发明的技术解决方案是:
一种光伏电池MPPT的非对称变论域模糊控制方法,其特征是:包括下列步骤:
(一)非对称变论域模糊控制器的设计
1)确定输入输出量及控制器的结构:
控制器结构采用含有两个输入变量的二维控制器,这样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;
两个输入变量选择功率变差量e和偏差变化量ec,e=dP,ec=dP/dV,如式(10)所示:
通过判断两个输入量的状态,确定光伏电池工作点的位置,迅速实现跟踪,具体控制规则为:
(1)当dP>0,dP/dV>0时,工作点在最大功率点左侧,靠近最大功率点;
(2)当dP>0,dP/dV<0时,工作点在最大功率点右侧,靠近最大功率点;
(3)当dP<0,dP/dV>0时,工作点在最大功率点左侧,远离最大功率点;
(4)当dP<0,dP/dV<0时,工作点在最大功率点右侧,远离最大功率点;
输出变量选择步长变化量ds,通过步长值的变化调整电路占空比,使系统工作在最大功率点上;
2)确定模糊子集与初始论域
模糊输入变量通常使用NB(负大)、NM(负中)、NS(负小)、Z(零)、PS(正小)、PM(正中)、PB(正大)这7种语言值来描述,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}
每一个语言值都对应一个相应的模糊子集,每一个模糊子集又可以用相应的隶属函数表示;
通过实际调节,选择输入变量的初始论域为dP=[-4,4],dP/dV=[-3,3],输出变量的初始论域为ds=[-2,1];
3)伸缩因子的确定
将伸缩因子划分模糊子集,利用模糊控制规则的方式确定伸缩因子;
参照划分输入输出变量论域的方式,将输入变量论域对应的伸缩因子a1和a2划分为4个模糊子集:Z(零)、S(小)、M(中)、B(大),将输出变量论域对应的伸缩因子b划分为6个模糊子集:Z(零)、VS(很小)、S(小)、M(中)、B(大)、VB(很大);建立伸缩因子的模糊控制规则,如下所示:
伸缩因子模糊控制规则表
4)隶属函数的确定
隶属函数需要满足以下三个基本要求:
(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;
根据以上三点,选择设计三角形隶属函数;在距离原点较远的部分,误差较大,设计隶属函数曲线较平缓的模糊子集,降低分辨率;在距离原点较近的部分,误差较小,设计隶属函数曲线较陡峭的模糊子集,提高分辨率;此外,根据光伏电池的功率特性曲线,相同的电压变化下,最大功率点右侧比最大功率点左侧引起的功率变化大,所以,最大功率点右侧采用较小步长扰动,以提高跟踪精度,最大功率点左侧采用较大步长扰动,以提高跟踪速度;因此,输出变量负论域的最大值应大于正论域的最大值;
5)输入输出模糊控制规则
根据光伏电池输出功率与占空比的关系,设计原则如下:
(1)距离最大功率点较远时,采用较大步长扰动,提高跟踪速度,距离最大功率点较近时,采用较小步长扰动,减小功率损失;
(2)如果输出功率增加,则按原方向调整步长,反之,则按反方向调整步长;
(3)当到达最大功率点附近的极小范围内时,系统稳定下来;当外界环境发生变化时,系统迅速响应,再次寻优;
按照以上设计原则,使用IF A AND B THEN C的模糊规则,建立输入输出模糊控制规则表:
输入输出模糊控制规则表
(二)算法仿真
仿真模型
在Matlab/Simulink中搭建模糊控制仿真模型,在Matlab模糊控制编辑器中模糊推理类型选择Mamdani,去模糊化选择centroid;量化因子分别取0.005和1,比例因子取0.0002;变论域模糊控制器通过S函数建立,伸缩因子整定采用Matlab模糊逻辑工具箱设计。
本发明可以根据输出功率偏差自动调整变量论域,实现快速精确跟踪控制等优点,结合非对称模糊控制在光伏电池MPPT中跟踪速度快、对外界环境变化响应平稳等优点,提出了一种基于非对称变论域模糊控制的光伏电池MPPT算法。通过设计非对称变论域模糊控制器,搭建仿真模型,和传统模糊控制算法跟踪效果进行仿真对比,结果表明,非对称变论域模糊控制能够更加快速精确地锁定最大功率点范围,对环境变化响应平稳,稳态波动很小。
下面结合附图和实施例对本发明作进一步说明。
图1是光伏电池等效电路图。
图2是光伏电池仿真模型图。
图3-图6是光伏电池在不同条件下的输出特性曲线图;其中图3是不同温度下的I-V特性曲线图,图4是不同温度下的P-V特性曲线图,图5是不同光强下的I-V特性曲线图,图6是不同光强下的P-V特性曲线图。
图7是光伏电池dP/dV-V特性曲线图。
图8是论域的伸缩示意图。
图9是光伏电池MPPT控制系统原理框图.
图10是非对称变论域模糊控制器结构框图。
图11是dP隶属函数示意图。
图12是ds隶属函数示意图。
图13是传统模糊控制仿真模型示意图。
图14是非对称变论域模糊控制仿真模型示意图。
图15、16是传统模糊控制MPPT仿真波形示意图;其中图15是跟踪波形示意图,图16是功率波动示意图。
图17、18是非对称变论域模糊控制MPPT仿真波形示意图,其中图17是跟踪波形示意图,图18是功率波动示意图。
具体实施方式
1光伏电池输出特性研究
1.1光伏电池数学模型
光伏电池可以看作一个非线性直流源,其输出特性是光伏发电系统设计的重要依据。图1是光伏电池等效电路,其输出特性方程为:
其中,I和V分别为光伏电池的输出电流和输出电压,Iph为光生电流,Isc为光伏电池短路电流,S为光照强度,Ct为温度系数,T为光伏电池温度,Tref为参考温度(25℃),Io为反向饱和电流,q为电荷常数(1.6×10-19C),A为二极管理想因子,K为玻尔兹曼常量(1.38×10-23J/K),Rs为等效串联电阻,Rsh为等效并联电阻。
式(1)非常精确,但其中的参数Iph、Io等是随外界环境变化的变量,难以定量,因此在实际工程中,一般使用光伏电池工程模型:
I=Isc-C1Isc[exp(V/C2Voc)-1] (2)
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,
可以得到:
C1=(1-Im/Isc)exp(-Vm/C2Voc) (3)
C2=(Vm/Voc-1)[ln(1-Im/Isc)]-1 (4)
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,便于计算和建模,在工程中应用广泛。
当温度和光强变化时,根据以下公式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 (5)
ΔI=α(S/Sref)(T-Tref)+(S/Sref-1)Isc (6)
I=Isc-C1Isc{exp[(V-ΔV)/C2Voc]-1}+ΔI (7)
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,通常情况下α=0.0012Isc(A/℃),β=0.005Voc(V/℃)。
1.2光伏电池仿真模型
根据式(2)~(7),在Matlab中搭建光伏电池Simulink仿真模型,如图2所示。
1.3光伏电池输出特性
本文选取无锡尚德公司的STP120-12/Tb型光伏电池板,其标准参数为:Voc=21.8V,Isc=7.65A,Vm=17.2V,Im=6.98A。图3-图6为光伏
电池在不同温度和光强下的输出特性仿真曲线。
从I-V特性曲线可以看出,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,光伏电池输出电流急速下降[15]。随着温度的升高,开路电压Voc减幅很大,短路电流Isc增幅很小,说明温度的影响主要作用于开路电压Voc;随着光强的增强,开路电压Voc增幅很小,短路电流Isc增幅很大,说明光强的影响主要作用于短路电流Isc。从P-V特性曲线可以看出,温度降低或光强增强,光伏电池最大功率也随之升高。达到最大功率点之前,输出功率随着电压的升高而近似线性升高,达到最大功率点之后,输出功率随着电压的升高而近似直线下降。
2基于非对称变论域模糊控制的MPPT原理
2.1非对称模糊控制
模糊控制是模糊数学在控制系统中的应用,是以模糊集合论、模糊语言变量以及模糊逻辑推理为基础的非线性智能控制方法。模糊语言变量的描述由它的隶属函数决定,所以隶属函数的准确定量是运用模糊控制理论解决实际控制问题的关键。非对称的含义是指事物相对于某一点、线、面在大小、内容、形状、颜色等方面呈现出一定的差异性,本文所研究的非对称模糊控制就是指隶属函数非对称的模糊控制。
式(8)为光伏电池的输出功率P,式(9)为光伏电池的输出功率对输出电压的导数dP/dV。结合式(9)和图3可以看出,dP/dV是输出电压的单调函数:当电压为零,dP/dV最大,其数值等于光伏电池的短路电流;随着电压升高,dP/dV下降十分缓慢,基本保持不变;当电压升高到最大功率点电压附近时,dP/dV突然加速下降;当电压达到最大功率点电压时,dP/dV降低为零;当电压越过最大功率点电压继续升高时,dP/dV由正值变为负值,并且迅速减小,下降幅度远大于最大功率点左侧,如图7所示。
由此可见,光伏电池输出特性在最大功率点两侧变化趋势相差很大,而传统模糊控制的隶属函数在变量论域上是完全对称的,这样就不符合实际,必然会造成一侧精确,另一侧误差相对较大的情况,跟踪速度也会相应减慢。因此,根据光伏电池输出特性实际变化规律,在变量论域上选择非对称的隶属函数,在最大功率点左侧较平缓的部分加大占空比改变量Δd,提高跟踪速度,在最大功率点右侧较陡峭的部分减小占空比改变量Δd,提高稳态精度。
2.2变论域模糊控制
变论域,顾名思义,就是输入输出变量的论域可以根据不同情况及时作出调整,其基本原理是:在控制规则形式不变的前提下,模糊论域随误差的减小而收缩,随误差的增大而膨胀。论域的收缩相当于增加了控制规则,提高了分辨率,提高了系统控制精度,论域的膨胀相当于减少了控制规则,降低了分辨率,加快了系统跟踪速度[12],如图8所示。光伏电池输出特性在最大功率点两侧变化趋势相差很大,传统模糊控制在设计和跟踪时会由于这种差别导致论域划分粗糙,导致动态性能差、控制精度低等问题。因此,利用变论域思想,可以优化控制效果。
变论域模糊控制的输入变量选取功率变差量e(k)和偏差变化量ec(k),如式(10)所示,输出变量选取步长变化量u(k)。
输入变量的初始论域分别为Xe0=[-E1,E1],Xec0=[-E2,E2],变换后的新论域分别为Xe=[-aE1,aE1],Xec=[-aE2,aE2],输出变量的初始论域为Yu0=[-U1,U2],变换后的新论域为Yu=[-bU1,bU2],其中,a和b分别为输入输出论域上的伸缩因子。输入论域伸缩因子的函数模型为:
a(x)=1-λexp(-kx2) (11)
所以,输入输出论域的伸缩因子分别为:
式中,λ∈(0,1),k>0。从式(12)可以看出,当λ和k数值确定后,伸缩因子的数值完全取决于e和ec,因此,控制器就可以针对光伏电池输出功率误差变化进行自动调整,实现了光伏电池MPPT变论域自适应模糊控制。
3非对称变论域模糊控制器的设计
基于非对称变论域模糊控制的光伏电池MPPT控制系统原理框图如图9所示,其中非对称变论域模糊控制器是系统设计的关键,其结构框图如图10所示
3.1控制器结构与输入输出量
控制器结构一般采用含有两个输入变量的二维控制器,这样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。
两个输入变量选择功率变差量e和偏差变化量ec,e=dP,ec=dP/dV,如式(10)所示。通过判断两个输入量的状态,确定光伏电池工作点的位置,迅速实现跟踪,具体控制规则为:
(1)当dP>0,dP/dV>0时,工作点在最大功率点左侧,靠近最大功率点;
(2)当dP>0,dP/dV<0时,工作点在最大功率点右侧,靠近最大功率点;
(3)当dP<0,dP/dV>0时,工作点在最大功率点左侧,远离最大功率点;
(4)当dP<0,dP/dV<0时,工作点在最大功率点右侧,远离最大功率点。
输出变量选择步长变化量ds,通过步长值的变化调整电路占空比,使系统工作在最大功率点上。
3.2模糊子集与初始论域
在模糊控制过程中,被观测量通常是一定精度范围内的精确数值,而模糊控制器需要将这些精确量转换成模糊量才能进行相应模糊推理,这就是模糊化的过程。模糊输入变量通常使用NB(负大)、NM(负中)、NS(负小)、Z(零)、PS(正小)、PM(正中)、PB(正大)这7种语言值来描述,本文即用这7种语言值来分割模糊论域,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}
每一个语言值都对应一个相应的模糊子集,每一个模糊子集又可以用相应的隶属函数表示。
通过实际调节,本文选择输入变量的初始论域为dP=[-4,4],dP/dV=[-3,3],输出变量的初始论域为ds=[-2,1]。实际工作中输入变量需要乘以量化因子来调整控制器对变量的灵敏度,去模糊化得到的输出量要需要乘以比例因子来转化为适合被控对象的精确量。
3.3伸缩因子的确定
由变论域的控制原理可知,伸缩因子的确定是能否达到良好控制效果的关键。伸缩因子的确定要满足避零性、单调性、对偶性、相容性和正规性,通常计算伸缩因子,都是依赖于式(11)和式(12)所示的函数模型,但是对于不同的控制对象,模型中的参数λ和k大相径庭,不易确定,而且以函数模型确定伸缩因子的方法对于变论域模糊推理的过程不够清楚直观。因此本文选择将伸缩因子划分模糊子集,利用模糊控制规则的方式确定伸缩因子。这样免去了模型计算,更多依赖于对系统响应的基本推理和对实际工程的操作经验。
参照划分输入输出变量论域的方式,将输入变量论域对应的伸缩因子a1和a2划分为4个模糊子集:Z(零)、S(小)、M(中)、B(大),将输出变量论域对应的伸缩因子b划分为6个模糊子集:Z(零)、VS(很小)、S(小)、M(中)、B(大)、VB(很大)。根据控制经验,建立伸缩因子的模糊控制规则,如表1所示:
表1伸缩因子模糊控制规则表
3.4隶属函数的确定
隶属函数表达了论域中各个元素对于模糊集合的隶属程度,是模糊集合的核心[2],一般在考虑设计隶属函数的时候,需要满足以下三个基本要求[19]:
(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。
根据以上三点,本文选择设计三角形隶属函数。在距离原点较远的部分,误差较大,应设计隶属函数曲线较平缓的模糊子集,降低分辨率;在距离原点较近的部分,误差较小,应设计隶属函数曲线较陡峭的模糊子集,提高分辨率。此外,根据光伏电池的功率特性曲线,相同的电压变化下,最大功率点右侧比最大功率点左侧引起的功率变化大,所以,最大功率点右侧应采用较小步长扰动,以提高跟踪精度,最大功率点左侧应采用较大步长扰动,以提高跟踪速度。因此,输出变量负论域的最大值应大于正论域的最大值。dP和ds的隶属函数如图11、12所示。
3.5输入输出模糊控制规则
根据光伏电池输出功率与占空比的关系,设计原则如下:
(1)距离最大功率点较远时,采用较大步长扰动,提高跟踪速度,距离最大功率点较近时,采用较小步长扰动,减小功率损失;
(2)如果输出功率增加,则按原方向调整步长,反之,则按反方向调整步长;
(3)当到达最大功率点附近的极小范围内时,系统稳定下来;当外界环境发生变化时,系统迅速响应,再次寻优。
根据多次实验结果和大量工程经验,按照以上设计原则,使用IF A AND B THEN C的模糊规则,建立输入输出模糊控制规则表,如表2所示:
表2输入输出模糊控制规则表
4算法仿真
4.1仿真模型
在Matlab/Simulink中搭建模糊控制仿真模型,如图13、14所示。在Matlab模糊控制编辑器中模糊推理类型选择Mamdani,去模糊化选择centroid。量化因子分别取0.005和1,比例因子取0.0002。变论域模糊控制器通过S函数建立,伸缩因子整定采用Matlab模糊逻辑工具箱设计。
4.2仿真结果
仿真采用STP120-12/Tb型光伏电池板的标准参数:Voc=21.8V,Isc=7.65A,Vm=17.2V,Im=6.98A。参考温度设为25℃,参考光强设为1000W/m2。仿真0.5s后,光强从1000W/m2突变为750W/m2。传统模糊控制和非对称变论域模糊控制对光伏电池MPPT的仿真波形分别如图15-图18所示。
从仿真结果对比可知,传统模糊控制MPPT算法大约需要0.062s锁定最大功率点范围,最大功率约118.5W,功率波动约3.8W,光照强度降低后,传统模糊控制经过约0.040s重新锁定新的最大功率点范围,新的最大功率约89.7W,功率波动约4.5W。非对称变论域模糊控制MPPT算法大约需要0.046s锁定最大功率点范围,最大功率约119.3W,功率波动约2.5W,光照强度降低后,非对称变论域模糊控制MPPT算法经过约0.040s重新锁定新的最大功率点范围,新的最大功率约90.3W,功率波动约1.8W。为了便于对比,将数据列于表3。
表3两种模糊控制MPPT算法仿真数据对比
从图和表3的数据对比可以看出,非对称变论域模糊控制相比于传统模糊控制在跟踪速度和跟踪精度上都有显著优势,在相同的跟踪条件下,非对称变论域模糊控制的跟踪速度快大约30%,跟踪到的最大功率也和理论值120W更加接近,稳态波动更小。当系统光照强度突然发生变化时,两种模糊控制算法的响应时间相差不大,但是对于重新稳定后的功率波动,传统模糊控制比光照突变前波动更大,非对称变论域模糊控制比光照突变前波动更小,可见非对称变论域模糊控制对外界环境变化的响应也更加平稳。
5结论
本文结合变论域模糊控制能够自动调整变量论域以实现快速精确控制,和非对称模糊控制切合光伏电池功率特性变化趋势的特点,提出了一种基于非对称变论域模糊控制的光伏电池MPPT算法。首先,建立了光伏电池数学模型并研究了光伏电池输出特性;接着,分别介绍了隶属函数非对称和变量论域自适应调整等控制原理;然后,结合两者各自的优点,设计了非对称变论域模糊控制器;最后,利用Matlab/Simulink中搭建了非对称变论域模糊控制器仿真模型,并和传统模糊控制进行对比仿真。结果表明,非对称变论域模糊控制MPPT在跟踪速度和跟踪精度上都比传统模糊控制MPPT具有优越性,跟踪速度更快,跟踪精度更高,稳态波动更小,当外界环境发生突变时,非对称变论域模糊控制响应及时,也更加平稳。
文中公式及字母含义:
I:光伏电池输出电流;
Iph:光生电流;
ID:二极管电流;
Ish:流经等效并联电阻Rsh的电流;
Isc:光伏电池短路电流;
S:光照强度;
Ct:温度系数;
T:温度;
Tref:参考温度(25℃);
Io:反向饱和电流;
q:电荷常数(1.6×10-19C);
V:光伏电池输出电压;
Rs:等效串联电阻;
A:二极管理想因子;
K:玻尔兹曼常量(1.38×10-23J/K);
Rsh:等效并联电阻。
I=Isc-C1Isc[exp(V/C2Vo c)-1] (2)
I:光伏电池输出电流;
Isc:光伏电池短路电流;
C1:参数方程,见式(3);
V:光伏电池输出电压;
C2:参数方程,见式(4);
Voc:光伏电池开路电压。
C1=(1-Im/Isc)exp(-Vm/C2Voc) (3)
C1:参数方程,代回式(2);
Im:光伏电池最大功率点电流;
Isc:光伏电池短路电流;
Vm:光伏电池最大功率点电压;
C2:参数方程,见式(4);
Voc:光伏电池开路电压。
C2=(Vm/Voc-1)[ln(1-Im/Isc)]-1 (4)
C2:参数方程,代回式(2);
Vm:光伏电池最大功率点电压;
Voc:光伏电池开路电压;
Im:光伏电池最大功率点电流;
Isc:光伏电池短路电流。
ΔV=-β(T-Tref)-RsΔI (5)
ΔV:输出电压变化量;
β:参考光强下的电压温度系数,β=0.005Voc(V/℃);
T:温度;
Tref:参考温度(25℃);
Rs:光伏电池内阻;
ΔI:输出电流变化量。
ΔI=α(S/Sref)(T-Tref)+(S/Sref-1)Isc (6)
ΔI:输出电流变化量;
α:参考光强下的电流温度系数,α=0.0012Isc(A/℃);
S:光强;
Sref:参考光强(1000W/m2);
T:温度;
Tref:参考温度(25℃);
Isc:光伏电池短路电流。
I=Isc-C1Isc{exp[(V-ΔV)/C2Voc]-1}+ΔI (7)
I:光伏电池输出电流;
Isc:光伏电池短路电流;
C1:参数方程,见式(3);
V:光伏电池输出电压;
ΔV:输出电压变化量;
C2:参数方程,见式(4);
Voc:光伏电池开路电压;
ΔI:输出电流变化量。
P:光伏电池输出功率;
Isc:光伏电池短路电流;
V:光伏电池输出电压;
Io:反向饱和电流;
q:电荷常数(1.6×10-19C);
A:二极管理想因子;
K:玻尔兹曼常量(1.38×10-23J/K);
T:温度。
dP/dV:输出功率对输出电压的导数;
Isc:光伏电池短路电流;
Io:反向饱和电流;
q:电荷常数(1.6×10-19C);
A:二极管理想因子;
K:玻尔兹曼常量(1.38×10-23J/K);
T:温度;
V:光伏电池输出电压。
e(k):功率偏差量;
ΔP(k):k时刻的输出功率变化量;
P(k):k时刻的输出功率;
P(k-1):k-1时刻的输出功率;
ec(k):偏差变化量;
ΔV(k):k时刻的输出电压变化量;
V(k):k时刻的输出电压;
V(k-1):k-1时刻的输出电压。
a(x)=1-λexp(-kx2) (11)
a(x):输入论域伸缩因子;
x:自变量;
λ和k:模型参数。
a(x):输入论域伸缩因子;
b(u):输出论域伸缩因子;
a(x)和b(u):取决于e和ec。
文中其他字母含义:
MPPT:最大功率点跟踪(Maximum Power Point Tracking);
Matlab:矩阵实验室(Matrix Laboratory);
PID:比例-积分-微分控制;
Simulink:Matlab中的一种可视化仿真工具;
I-V特性:电流-电压特性(伏安特性);
P-V特性:功率-电压特性;
Δd:占空比改变量;
Xe0,Xec0:输入变量的初始论域;
Xe,Xec:输入变量变换后的新论域;
Yu0:输出变量的初始论域;
Yu:输出变量变换后的新论域;
a,b:输入,输出论域上的伸缩因子;
模糊子集:NB(负大)、NM(负中)、NS(负小)、Z(零)、PS(正小)、PM(正中)、PB(正大)、VS(很小)、S(小)、M(中)、B(大)、VB(很大);
Mamdani:一种模糊推理类型;
centroid:去模糊化的面积重心法;
AFLC:非对称模糊逻辑控制。
Claims (1)
1.一种光伏电池MPPT的非对称变论域模糊控制方法,其特征是:包括下列步骤:
(一)非对称变论域模糊控制器的设计
1)确定输入输出量及控制器的结构:
控制器结构采用含有两个输入变量的二维控制器,这样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;
两个输入变量选择功率变差量e和偏差变化量ec,e=dP,ec=dP/dV,如式(10)所示:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&Delta;</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>e</mi>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
通过判断两个输入量的状态,确定光伏电池工作点的位置,迅速实现跟踪,具体控制规则为:
(1)当dP>0,dP/dV>0时,工作点在最大功率点左侧,靠近最大功率点;
(2)当dP>0,dP/dV<0时,工作点在最大功率点右侧,靠近最大功率点;
(3)当dP<0,dP/dV>0时,工作点在最大功率点左侧,远离最大功率点;
(4)当dP<0,dP/dV<0时,工作点在最大功率点右侧,远离最大功率点;
输出变量选择步长变化量ds,通过步长值的变化调整电路占空比,使系统工作在最大功率点上;
2)确定模糊子集与初始论域
模糊输入变量通常使用NB、NM、NS、Z、PS、PM、PB这7种语言值来描述,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}
每一个语言值都对应一个相应的模糊子集,每一个模糊子集又可以用相应的隶属函数表示;
通过实际调节,选择输入变量的初始论域为dP=[-4,4],dP/dV=[-3,3],输出变量的初始论域为ds=[-2,1];
3)伸缩因子的确定
将伸缩因子划分模糊子集,利用模糊控制规则的方式确定伸缩因子;
参照划分输入输出变量论域的方式,将输入变量论域对应的伸缩因子a1和a2划分为4个模糊子集:Z、S、M、B,将输出变量论域对应的伸缩因子b划分为6个模糊子集:Z、VS、S、M、B、VB;建立伸缩因子的模糊控制规则,如下所示:
伸缩因子模糊控制规则表
4)隶属函数的确定
隶属函数需要满足以下三个基本要求:
(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;
根据以上三点,选择设计三角形隶属函数;在距离原点较远的部分,误差较大,设计隶属函数曲线较平缓的模糊子集,降低分辨率;在距离原点较近的部分,误差较小,设计隶属函数曲线较陡峭的模糊子集,提高分辨率;此外,根据光伏电池的功率特性曲线,相同的电压变化下,最大功率点右侧比最大功率点左侧引起的功率变化大,所以,最大功率点右侧采用较小步长扰动,以提高跟踪精度,最大功率点左侧采用较大步长扰动,以提高跟踪速度;因此,输出变量负论域的最大值应大于正论域的最大值;
5)输入输出模糊控制规则
根据光伏电池输出功率与占空比的关系,设计原则如下:
(1)距离最大功率点较远时,采用较大步长扰动,提高跟踪速度,距离最大功率点较近时,采用较小步长扰动,减小功率损失;
(2)如果输出功率增加,则按原方向调整步长,反之,则按反方向调整步长;
(3)当到达最大功率点附近的极小范围内时,系统稳定下来;当外界环境发生变化时,系统迅速响应,再次寻优;
按照以上设计原则,使用IF A AND B THEN C的模糊规则,建立输入输出模糊控制规则表:
输入输出模糊控制规则表
(二)算法仿真
仿真模型
在Matlab/Simulink中搭建模糊控制仿真模型,在Matlab模糊控制编辑器中模糊推理类型选择Mamdani,去模糊化选择centroid;量化因子分别取0.005和1,比例因子取0.0002;变论域模糊控制器通过S函数建立,伸缩因子整定采用Matlab模糊逻辑工具箱设计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710811369.4A CN107664948A (zh) | 2017-09-11 | 2017-09-11 | 光伏电池mppt的非对称变论域模糊控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710811369.4A CN107664948A (zh) | 2017-09-11 | 2017-09-11 | 光伏电池mppt的非对称变论域模糊控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107664948A true CN107664948A (zh) | 2018-02-06 |
Family
ID=61097058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710811369.4A Pending CN107664948A (zh) | 2017-09-11 | 2017-09-11 | 光伏电池mppt的非对称变论域模糊控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107664948A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549208A (zh) * | 2018-03-14 | 2018-09-18 | 重庆邮电大学 | 一种基于因子自适应模糊pid的四旋翼飞行器姿态控制方法 |
CN108897238A (zh) * | 2018-04-11 | 2018-11-27 | 南通大学 | 基于改进变步长扰动观察法的仿真方法 |
CN109507868A (zh) * | 2018-09-21 | 2019-03-22 | 广东广垦畜牧工程研究院有限公司 | 一种模糊pid控制器及规模化养猪场沼气工程控制系统 |
CN110737302A (zh) * | 2019-11-14 | 2020-01-31 | 华能海南发电股份有限公司 | 一种基于光伏发电系统电阻匹配的mppt控制方法 |
CN112632783A (zh) * | 2020-12-25 | 2021-04-09 | 上海亿边科技有限公司 | 一种光伏发电的仿真参数计算方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105743120A (zh) * | 2015-11-11 | 2016-07-06 | 国家电网公司 | 单级式光伏z源逆变器变论域模糊控制mppt系统及控制方法 |
CN106356893A (zh) * | 2016-10-17 | 2017-01-25 | 南京工程学院 | 一种在光伏并网系统中最大功率点跟踪双模糊控制方法 |
CN106950857A (zh) * | 2017-04-27 | 2017-07-14 | 南通大学 | 基于模糊逻辑控制的光伏电池mppt仿真方法 |
-
2017
- 2017-09-11 CN CN201710811369.4A patent/CN107664948A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105743120A (zh) * | 2015-11-11 | 2016-07-06 | 国家电网公司 | 单级式光伏z源逆变器变论域模糊控制mppt系统及控制方法 |
CN106356893A (zh) * | 2016-10-17 | 2017-01-25 | 南京工程学院 | 一种在光伏并网系统中最大功率点跟踪双模糊控制方法 |
CN106950857A (zh) * | 2017-04-27 | 2017-07-14 | 南通大学 | 基于模糊逻辑控制的光伏电池mppt仿真方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549208A (zh) * | 2018-03-14 | 2018-09-18 | 重庆邮电大学 | 一种基于因子自适应模糊pid的四旋翼飞行器姿态控制方法 |
CN108549208B (zh) * | 2018-03-14 | 2021-12-17 | 重庆邮电大学 | 一种基于因子自适应模糊pid的四旋翼飞行器姿态控制方法 |
CN108897238A (zh) * | 2018-04-11 | 2018-11-27 | 南通大学 | 基于改进变步长扰动观察法的仿真方法 |
CN109507868A (zh) * | 2018-09-21 | 2019-03-22 | 广东广垦畜牧工程研究院有限公司 | 一种模糊pid控制器及规模化养猪场沼气工程控制系统 |
CN110737302A (zh) * | 2019-11-14 | 2020-01-31 | 华能海南发电股份有限公司 | 一种基于光伏发电系统电阻匹配的mppt控制方法 |
CN112632783A (zh) * | 2020-12-25 | 2021-04-09 | 上海亿边科技有限公司 | 一种光伏发电的仿真参数计算方法及设备 |
CN112632783B (zh) * | 2020-12-25 | 2022-09-06 | 上海亿边科技有限公司 | 一种光伏发电的仿真参数计算方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107664948A (zh) | 光伏电池mppt的非对称变论域模糊控制方法 | |
Enany et al. | Modeling and evaluation of main maximum power point tracking algorithms for photovoltaics systems | |
Ebrahim et al. | Whale inspired algorithm based MPPT controllers for grid-connected solar photovoltaic system | |
Selman et al. | Comparison between perturb & observe, incremental conductance and fuzzy logic MPPT techniques at different weather conditions | |
Zhang et al. | Hybrid maximum power point tracking method based on iterative learning control and perturb & observe method | |
Al-Gizi et al. | Study of FLC based MPPT in comparison with P&O and InC for PV systems | |
Chin et al. | Fuzzy logic based MPPT for PV array under partially shaded conditions | |
CN106950857A (zh) | 基于模糊逻辑控制的光伏电池mppt仿真方法 | |
Ahmed et al. | Enhancement of MPPT controller in PV-BES system using incremental conductance along with hybrid crow-pattern search approach based ANFIS under different environmental conditions | |
Priyadarshi et al. | A Practical performance verification of AFLC based MPPT for standalone PV power system under varying weather condition | |
Allani et al. | FPGA implementation of a robust MPPT of a photovoltaic system using a fuzzy logic controller based on incremental and conductance algorithm | |
El Khateb et al. | Type-2 fuzzy logic approach of a maximum power point tracking employing sepic converter for photovoltaic system | |
CN112198924B (zh) | 一种光伏电池最大功率点跟踪方法 | |
CN109144164A (zh) | 一种具有不确定性光伏系统的最大功率点模糊预测控制方法 | |
Priyadarshi et al. | A particle swarm optimization based fuzzy logic control for photovoltaic system | |
Bennis Ghita et al. | Application and comparison between the conventional methods and PSO method for maximum power point extraction in photovoltaic systems under partial shading conditions | |
Mbarki et al. | Comparative study of some maximum power point tracking algorithms | |
Xu et al. | Advanced control techniques for PV maximum power point tracking | |
Yatak et al. | A practical application of the interval type-2 fuzzy controller for a photovoltaic sourced DC–DC boost converter | |
Hichem et al. | Comparative study of perturb-and-observe and fuzzy logic MPPT for stand-alone PV system | |
Wang et al. | A new adaptive duty cycle perturbation algorithm for peak power tracking | |
Qin et al. | An Incremental Conductance Method Based on Fuzzy Control | |
Ahmed et al. | FL-SMC based MPPT for PV module Under uniform meteorological conditions | |
TWI420278B (zh) | 具模糊滑動控制器之太陽能系統 | |
Sagonda et al. | Comparison of three techniques for maximum power point tracking of solar PV |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180206 |
|
RJ01 | Rejection of invention patent application after publication |