（香樟推文）独立光伏系统中的MPPT控制算法

独立光伏系统由光伏阵列、DC-DC变换器、MPPT控制器、蓄电池和负载组成，如图1所示。 独立光伏系统结构图 图1。 - 最大功率点跟踪 (MPPT) 2.1。 太阳能电池的光伏特性图2是光伏阵列的IV曲线（实线）和PV曲线（虚线）。 图中的MPP就是光伏阵列。 最大功率输出点。 光伏阵列的PV曲线和IV曲线图2.-VI-根据图1和图2可以列出光伏阵列的参数：PV光伏阵列的输出电压； PV光伏阵列的输出电流； OV光伏阵列的开路电压； SC 光伏阵列的短路电流； 可以看出，在不同的阳光和温度下，光伏阵列的电压、电流和功率输出变化很大。 主要影响是阳光越强，光伏阵列的输出电流越大； 太阳能电池板的温度越高，光伏阵列的输出电压越小。 然而，在一定的光照和温度下，光伏阵列的输出会有一个最大功率点（MPP）。 不同温度下光伏阵列的IV曲线如图3所示。 不同光照条件下光伏阵列的IV曲线 图4.tion.2.2 MPPT控制方案。 简单来说，MPPT使总负载（如图1所示）工作在光伏阵列的最大功率点（MPP）。

即总负荷的IV曲线与光伏阵列的IV曲线相交于MPP。 独立光伏系统的负载通常是非线性且时变的，例如光伏水泵。 负载的工作点不断变化。 负载特性与光伏阵列特性曲线的交点很可能偏离MPP，从而造成能量的浪费。 因此，在跟踪光伏系统最大功率的过程中，不仅要考虑日照、温度等环境气候因素，还要考虑负载的影响。 MPPT控制器利用各种控制算法克服上述因素的干扰来跟踪MPP，最大化光伏阵列的输出能量利用率。 MPPT自20世纪70年代以来就受到一些研究机构和公司的关注。 经过30多年的发展，各种控制方法已经出现，分类方法也很多。 本文根据MPPT控制算法与气候环境的关系将其分为两类：第一类是“非独立”MPPT控制，也称为近似优化（），第二类是“独立”MPPT控制，也称为真优化（）。 “非独立”MPPT算法主要记录光伏阵列的一系列特征参数，例如不同阳光和温度下MPP处的工作电压VMPP和工作电流IMPP，通过前人积累的经验公式进行跟踪。 给MPP。 这些方法包括曲线拟合法、查表法、恒压法、开路电压法和短路电流法。 由于此类方法的应用受到环境和气候的影响，一旦环境气候发生变化，它们就不再适用，因此被称为“非独立”MPPT控制，也称为近似最大功率点跟踪。

3.1曲线拟合法的主要原理是对光伏阵列的特性进行数学建模，通过更直接、直观的函数表达式或方程来模拟光伏特性曲线。 例如，根据文献[3]建立的方程拟合光伏特性曲线。 系统工作时，定期对光伏阵列的VPV行进行采样并计算PPV。 测量多组数据，根据式（1）计算a、b、c。 ,d然后根据式(2)计算MPP并保持系统工作在该电压下，从而完成最大功率的跟踪。 该方法的缺点是表达式是在外部气象环境在一段时间内保持不变的情况下获得的。 一旦天气发生变化，得到的VMPP就会不准确，而且这种方法需要测量更多的数据，导致系统速度响应慢，并且需要更多的存储空间。 3.2 恒压跟踪法 恒压跟踪法（CVT）的原理是在不同的阳光强度和一定的温度下，光伏阵列的最大功率点电MMP基本不变。 通过控制光伏阵列的输出电压VPV，使其工作在恒压状态。 VMMP 用于跟踪最大功率。 CVT方式控制简单、成本低，但在实际应用中很难保证光伏阵列的温度保持恒定。 尤其是在温差较大的地区，CVT方式的缺点就更加明显。 3.3 开路电压和短路电流法 根据参考资料[1,4,5]，光伏阵列MPP处电压VMPP与其开路电压VOV之比k为常数OV，呈线性关系。 MPP处的电流MPP与短路电流ISC也具有类似的线性关系。

我们用下面的公式来表达：它们都是常数，它们的值是不确定的。 文献[6, 12]中，k约为0.85。 使用此类MPPT控制算法时，需要定期将光伏阵列与主电路断开，对光伏阵列的SC进行采样，并根据式(3)和(2)计算并跟踪此时的MPP 4). 这种算法简单，但定时开启和关闭必然会影响整个光伏系统的性能，增加损耗，并且容易产生过压、过流和噪声污染。 已经开发出新的改进算法来解决这些问题。 在不将光伏阵列与主电路断开的情况下，仅对光伏阵列中的单个太阳能电池板进行采样即可得出整个光伏阵列的VOVSC。 当然，该算法是建立在整个光伏阵列中所有太阳能电池板特性相同的条件下的。 实际上，由于制造工艺、辐照、温度等因素的影响，这一假设很难实现。 并且由于单个太阳能电池板连接组合时增加了连接器，这会造成能量损失，光伏阵列的效率低于单个太阳能电池板的效率。 上述算法均受到气候条件等外界因素的限制。 控制系统本身不具备真正的MPPT功能，因此这些算法只能称为近似的、非独立的MPPT算法。 下面要介绍的是具有MPPT功能的“独立”控制算法。 “独立”MPPT算法 “独立”MPPT算法的最大特点是可以独立于光伏特性，即无需考虑外部气候环境等因素对光伏阵列的影响。 控制系统总能找到对应的MPP，这是一种纯粹的数学意义上的跟踪最大功率点的方法。

此类方法包括微分法、电压（电流）控制法、摄动观测法、电导增量法、模糊、神经网络控制等方法。 下面介绍几种常用的MPPT算法。 4.1 扰动观察法（P&O） 这是大多数 MPPT 控制系统使用的算法，也称为“爬山法”[15]。 通常对电压进行扰动，称为电压扰动观测法。 其基本原理是不断改变光伏阵列的输出电压VPV来判断独立光伏系统的输出功率是否达到最大点。 控制的基本过程：在t时刻，控制系统同时采样独立光伏系统的输出电压V PV ，并计算P(t)的大小。 如果P(t)，则继续按原来的方式扰动，否则向相反方向扰动。 这种方法的优点是程序简单，易于实现。 系统最终工作点在MPP处略有振荡，会有一定的能量损失。 但在以下情况下，系统会出现一些误判。 虽然最终可以追踪到MPP，但损耗和振荡会增加。 例如，如果两者之间存在振荡，当前工作点在A点，其电压为V，那么当系统到达A点时应施加的扰动电压增量V应小于0。假设此时光照突然增强，工作点直接从曲线2跳到曲线2。然后对应的工作点从A点跳到B1点。 显然，B1点的功率如果PB1大于P，那么系统将继续按照原来的摄动方法，向同一方向施加电压增量V，从而使光伏阵列的输出电压继续降低同样，如果光继续增加，那么经过另一次扰动后，将到达如图所示的C点，该点距离MPP更远。 虽然系统最终会调整到MPP附近，但这会增加系统的响应时间，导致系统不稳定，并消耗更多的能量。

4.2 电导增量法（CI） 电导增量法是在电压扰动观测法的基础上发展起来的。 它通过比较光伏阵列的瞬时电导和电导变化来跟踪最大功率点。 从光伏阵列的PV曲线（图2）可以看出，在MPP处，斜率为dV dP，MPP左侧的斜率为dVdP，MPP dVdP。 V MPP 同时在 MPP 两侧的导数为 MPP MPP MPP MPP dV dI dVdP MPP MPP MPP MPP dVdI dVdI dVdI 为此时光伏阵列的输出电压和电流 V PV dVPV PV PV PV dIPV PV PV PV dIPV PV PVPV。 根据关系式(5, 6)，判断当前工作点的位置，然后做出相应的扰动，完成比较。 最大功率点跟踪。 与摄动观测法相比，该方法对气候变化的适应性更强，稳态MPP处的振荡更小。 但控制系统对功能和精度要求较高，电路较复杂，成本较高。 4.3 电流（单变量）控制方法 上述两种方法均对光伏阵列的输出电流和输出电压进行采样。 为了进一步简化系统和控制成本，引入单变量控制。 这里介绍一下当前的控制方法。 DC-DC转换电路（见图1）的导通周期为T，导通时间为t。 光伏阵列的输出电压为VPV，输出电流为IPV。 伏打系统的输出负载电压为Vo。 光伏阵列的输出功率为PPV。 根据DC-DC转换器知识包括：PV光伏发电PVPV。 可以看出，光伏阵列P PV 和PP PV 的占空比D和输出功率也最大。 跟踪最大PP点也将找到系统的最大功率点。 根据图6所示算法原理：系统以初始占空比D运行，采样