摘要：  随着全球经济的发展，能源问题日益尖锐，越来越多的国家开始关注能源利用及转换效率的问题。光伏发电具有无污染、无噪音、取之不尽、用之不竭等优点，因而越来越受关注。

关键字：  光伏发电，  太阳能电池

随着全球经济的发展，能源问题日益尖锐，越来越多的国家开始关注能源利用及转换效率的问题。光伏发电具有无污染、无噪音、取之不尽、用之不竭等优点，因而越来越受关注。但是由于光伏系统本身非线性和光电池制造工艺复杂的特点，导致其转换效率一般为14%～15%。为了让太阳能电池阵列在同样日照、温度的条件下输出更多的电能，提出了最大功率点跟踪(MPPT)问题。

MPPT本质上是一个寻优过程。通过测量电压、电流和功率，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)向当前工作点与峰值功率点移动，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。模糊控制适应性强，鲁棒性好，作为一种新的控制思想，非常适合用在对于太阳能光伏发电这种包含许多不确定量，而且很难用精确的数学模型描述出来的系统。

1 光伏特性

光伏电池相当于具有与受光面平行的极薄PN截面的大面积等效二极管，其等效电路如图1所示。

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led/'''' target=''''_blank''''>光电池电流源;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。由图1得到光伏电池的输出特性方程为：

式中：

前式表明，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，而得到简化的光伏电池输出特性方程：

式(1)～式(4)中：I为光伏电池输出电流;V为光伏电池输出电压;Ios为光伏电池暗饱和电流T为光伏电池的表面温度;K为波尔兹曼常数(1.38×10-23J/K);λ为日照强度;q为单位电荷(1.6×10-19C);k1为短路电流的温度系数;ISCR为标准测试条件(光伏电池温度25℃，日照强度为1 000 W/m2)下，光伏电池的短路电流;ILG为光电流;EGO为半导体材料的禁带宽度;Tr为参考温度(301.18 K);Ior为Tr下的暗饱和电流;A，B为理想因子，一般介于1和2之间。

当负载RL从0变化到无穷大时，即可得到如图2所示太阳能电池的输出特性曲线。调节负载电阻RL到某一值Rm时，在曲线上得到一点M，其对应的工作电压和工作电流之积最大，即Pm=ImVm。现将此M点定义为最大功率输出点(MPP)。

2光伏系统的最大功率点跟踪

在光伏系统中，通常要求光伏电池的输出功率保持在最大，也就是让光伏电池工作在最大功率点，从而提高光伏电池的转换效率。MPPT就是一个不断测量和不断调整以达到最优的过程，它不需要知道光伏阵列精确的数学模型，而是在运行过程中不断改变可控参数的整定值，使得当前工作点逐渐向峰值功率点靠近，使光伏系统运作在峰值功率点附近。

对于电阻型负载，其负载线与I-V曲线的交叉点决定了光伏电池的工作点。不同的负载RL决定了不同的工作点。因此在不同温度、日照强度条件下，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。关于光伏电池的最大功率点跟踪算法，先前许多文献已提出过多种方法，如电压回授法、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。

然而，在光伏组件环境变化复杂的情况下，这些方法不能即时追踪，迅速反应。常规方法只能收敛到局部最高运行点，却不是P-V曲线的真正最高点。于是提出了占空比扰动法。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/输出关系，从而达到阻抗匹配的功能。

3基于模糊控制的MPPT实现

3.1模糊控制基本原理

模糊控制建立的基础是模糊逻辑，它比传统的逻辑系统更接近于人类的思维和语言表达方式。在一些复杂系统，特别是系统存在定性的不精确和不确定信息的情况下，模糊控制的效果常优于常规控制。模糊控制系统基本结构如图4所示。

模糊控制系统一般按输出误差和误差的变化对过程控制进行控制，其首先将实际测量的精确量误差e和误差变化Δe经过模糊处理而变换成模糊量，在采样时刻k，定义误差和误差变化为：

式中：yr和yk分别表示设定值和k时刻的过程输出;ek为k时刻的输出误差。用这些量来计算模糊控制规则，然后又变换成精确量对过程进行控制。

3.2模糊控制器的设计

模糊逻辑控制器的设计主要包括以下几项内容：

(1)确定模糊控制器的输入变量和输出变量;

(2)归纳和总结模糊控制器的控制规则;

(3)确定模糊化和反模糊化的方法;

(4)选择论域并确定有关参数。

模糊化的设计，其解答往往不是惟一的，在很大程度上要运用启发式试探方法以求取得最佳的选择。对于初始设计可先模拟，若控制性能达不到要求，则需要重新确定隶属函数，有时甚至要重新确定输入/输出量。

3.2.1输入/输出量模糊子集及论域

模糊系统的输入输出变量有输入功率变化量E;输入上次步长量A(n-1);输出步长量A(n)。将语言变量E和A分别定义为8个和6个模糊子集，即：

E={NB，NM，NS，NO，PO，PS，PM，PB)

A={NB，NM，NS，PS，PM，PB}

式中：NB，NM，Ns，NO，PO，PS，PM，PB分别表示负大、负中、负零、正零、正小、正中、正大等模糊概念，并且它们的论域规定为14个和12个等级，即：

E={-6，-5，-4，-3，-2，-1，-0，+0，+1，+2，+3，+4，+5，+6)

A={-6，-5，-4，-3，-2，-1，+1，+2，+3，+4，+5，+6}

3.2.2 MPPT的模糊控制算法

图5中e(n)表示第n时刻与第n-1时刻输出功率之差的实际值;E(n)表示这个差值对应于模糊集论域中的值;a(n)表示第n时刻步长的实际值;A(n)表示这个步长值对应于模糊集论域中的值;Ke，Ka分别为量化因子。

通过对光伏电池输出P与占空比D之间的特性曲线分析，并且考虑到外界环境因素对光伏电池输出功率的影响，对实际仿真结果进行调整得到的最终控制规则如表1所示。

4系统建模与仿真

Matlab的模糊逻辑工具箱拓展了Matlab对模糊逻辑系统的设计能力，已经成为运用模糊手段解决工程问题的重要工具。在此结合Matlab7.1中的模糊逻辑工具箱进行辅助设计。模糊逻辑工具箱在默认状态下给出了mamdani型控制器，选择“交”方法为min;“并”方法为max;推理方法为min;聚类方法为max;解模糊方法为重心法。图6为模糊逻辑工具箱界面。

模糊控制器设计完毕后，利用Simulink搭建光伏电池模型，如图7所示。

其次搭建MPPT模糊控制系统如图8所示。

图中，subsystem为光伏电池模型;S函数只实现D(n)=D(n-1)+a(n)的功能。其中，经过反复试验，量化因子Ka取0.01;Ke取10。模拟外界因素强度从600 W/m2突然增大到900 W/m2，表面温度T=25℃，并设置仿真最大步长时间为0.025 s，运行时间为10 s。由此得到输出功率波形如图9所示。

图10为扰动观察法输出功率的跟踪波形。通过比较可以发现，采用模糊逻辑控制跟踪光伏电池最大功率点，不仅跟踪迅速，而且达到最大功率点后基本没有波动，即具有良好的动、稳态性能。

5结语

在太阳能发电系统中进行最大功率点跟踪时，根据跟踪情况和电池表面温度、日照强度等外界因素的变化，利用模糊控制来智能地调整步长。

运用Simulink建立模型并进行仿真，其结果表明，将模糊控制运用于最大功率跟踪是可行的，并且表现出良好的控制性能。