模糊控制在光伏最大功率跟踪预测中应用.docVIP

模糊控制在光伏最大功率跟踪预测中应用 　　[摘 要] 针对光伏发电的非线性特性以及天气因素的不确定性对最大功率点的影响,提出了一种模糊控制发电最大功率跟踪预测模型的方案,结合气象数据分析了影响预测精度的各项因素,利用模糊控制算法在处理不确定、模糊性数据方面的优势,建立了模糊控制的最大功率跟踪预测模型。仿真结果表明,预测模型有着较高的精度,较快速达到最大功率跟踪,并且表现出良好的控制性能。 　　[关键词] 光伏发电 最大功率点跟踪 模糊控制 预测模型 　　 　　1引言 　　光伏发电具有无污染、无噪音、取之不尽、用之不竭等优点,在未来供电系统中将占有重要地位。光伏电池的输出特性受外界环境影响很大,主要影响因素为电池表面温度和日照强度。由于光伏电池的转换效率低、价格昂贵且初期投入大,因此采用最大功率点跟踪(Maximum Power Point Tracking,MPPT)控制来提高光伏系统的效率成为必然[1]。 　　目前,最大功率点跟踪实现的方法有很多,如:固定电压法、扰动观察法、功率回授法、直线近似法、实际测量法和增量电导法等等。其中,最常用的是扰动观察法,此方法转换效率高,但在外界环境快速变化的情况下可能会产生不良判断的情形;另外此法中功率开关的占空比调节量为定值,不能即时根据外界环境的变化作智能化调整,有功率损失和跟踪速度较慢的不足[2]。 　　本文在传统扰动观察法的基础上加入了模糊预测控制,根据模糊控制适应性强、鲁棒性好且具有不依赖被控对象精确模型等特点,使之进一步适合光伏发电系统的输出特征。同时,为了减少天气因素的不确定性对最大功率点的影响,系统加入了预测发电功能。根据检测到的外界环境数据和历史发电数据建立模糊控制预测模型,用以加速模糊控制的速度,同时可以改善预测的不准确性。在模糊预测得到的MPP位置处再进行模糊控制的MPPT,即运用了双模糊控制,最终达到又快又准的MPPT。 　　2光伏系?y 　　2.1光伏电池的电气特性 　　光伏电池,基本上为一PN截面二极体,在上、下两面皆有引出电极网,有接触电阻产生;又因电极与接面间存在漏电流,因此具有非线性特性,可视为一电流源。如图1所示为光伏电池等效电路模型[3]。 　　在图1中,I为太阳能电池输出电流;Id为二极管工作电流;IRsh为漏电流;ILG为光电池电流源,由日照强度决定;Rsh为光伏电池的并联等效电阻;Rs为光伏电池的串联等效电阻。并联电阻Rsh越大,越不会影响短路电流的数值。所以设计中可忽略Rsh,由图1得到光伏电池的输出特性方程为: 　　式(1)中,Ios为光伏电池的暗饱和电流;q为单位电荷(1.6×10-19C);A为理想因子(1~2之间);K为波尔兹曼常数(1.38×10-23J/K);T为光伏电池表面温度;V为光伏电池输出电压。 　　太阳能电池阵列输出具有的非线性特征,通常是借由变更负载电阻RL来测定光电流与光电压的,输出电流-电压特性曲线如图2(a)所示。在短路情况下时(V=0),短路电流Isc几乎等于光照下所产生的电流ILG;处于开路情况时(I=0),此时开路电压Voc为: 　　而在图2(a)特性曲线中所能画出的最大矩形面积,即I与V的最大乘积值称为最大功率点Pm,Im和Vm分别称为最大功率点电流和电压。图2(b)为图2(a)所对应的功率-电压曲线,只有输出电压为Vmax时,光伏电池的输出功率才能达到最大值Pmax。 　　2.2最大功率点跟踪 　　MPPT就是通过不断测量太阳能电池输出电压及电流,计算出太阳能电池阵列的输出功率,以及比较它们之间的变化关系,决定当前工作点与峰值点的位置关系,然后控制电流(或电压)从当前工作点向峰值功率点移动,最后控制电流(或电压)在峰值功率点附近一定范围内来回摆动[4-5]。 　　在不同的温度和日照强度下,当最大功率点发生漂移时,可通过调整负载使光伏电池重新工作在最大功率点处。图3为一般光伏发电系统的结构,MPPT控制器通过调整PWM信号的占空比D来调节输入和输出,从而达到阻抗匹配。 　　3发电预测 　　对于发电量预测模型来说,如果天气没有骤变,预测的日发电量是在前一两天的发电量基础上变化的。由于受到诸多因素的影响,尤其是气温和光照,发电量的变化是一个非平稳的随机过程,但同时又呈现出明显的周期性变化,图4为发电量的日周期变化图[6]。 　　图4 发电量的日周期变化图 　　3.1气温及光强对光伏阵列发电量的影响 　　天气因素对光伏阵列发电的影响是相当显著的。当气温上升时,其短路电流会增加,但开路电压却降低,整体而言输出功率会稍微降低。气温(t)可以作为发电预测的输入变量。 　　阴天通常会降低光照强度,日总发电量在20度左右,降雨则会使光照强度显著下降,发电量不到10度,而晴天的