隨著全球經濟的發(fā)展，能源問題日益尖銳，越來越多的國家開始關注能源利用及轉換效率的問題。光伏發(fā)電具有無污染、無噪音、取之不盡、用之不竭等優(yōu)點，因而越來越受關注。但是由于光伏系統(tǒng)本身非線性和光電池制造工藝復雜的特點，導致其轉換效率一般為14％～15％。為了讓太陽能電池陣列在同樣日照、溫度的條件下輸出更多的電能，提出了最大功率點跟蹤(MPPT)問題。
MPPT本質上是一個尋優(yōu)過程。通過測量電壓、電流和功率，以及比較它們之間的變化關系，決定當前工作點與峰值點的位置關系，然后控制電流(或電壓)向當前工作點與峰值功率點移動，最后控制電流(或電壓)在峰值功率點附近一定范圍內來回擺動。模糊控制適應性強，魯棒性好，作為一種新的控制思想，非常適合用在對于太陽能光伏發(fā)電這種包含許多不確定量，而且很難用精確的數學模型描述出來的系統(tǒng)。
1 光伏特性
光伏電池相當于具有與受光面平行的極薄PN截面的大面積等效二極管，其等效電路如圖1所示。
在圖1中，I為太陽能電池輸出電流；Id為二極管工作電流；Irsh為漏電流；ILG為led/'''' target=''''_blank''''>光電池電流源；Rsh為光伏電池的并聯等效電阻；Rs為光伏電池的串聯等效電阻。由圖1得到光伏電池的輸出特性方程為：
式中：
前式表明，并聯電阻Rsh越大，越不會影響短路電流的數值。所以設計中可忽略Rsh，而得到簡化的光伏電池輸出特性方程：
式(1)～式(4)中：I為光伏電池輸出電流；V為光伏電池輸出電壓；Ios為光伏電池暗飽和電流T為光伏電池的表面溫度；K為波爾茲曼常數(1.38×10-23J／K)；λ為日照強度；q為單位電荷(1.6×10-19C)；k1為短路電流的溫度系數；ISCR為標準測試條件(光伏電池溫度25℃，日照強度為1 000 W／m2)下，光伏電池的短路電流；ILG為光電流；EGO為半導體材料的禁帶寬度；Tr為參考溫度(301.18 K)；Ior為Tr下的暗飽和電流；A，B為理想因子，一般介于1和2之間。
隨著全球經濟的發(fā)展，能源問題日益尖銳，越來越多的國家開始關注能源利用及轉換效率的問題。光伏發(fā)電具有無污染、無噪音、取之不盡、用之不竭等優(yōu)點，因而越來越受關注。但是由于光伏系統(tǒng)本身非線性和光電池制造工藝復雜的特點，導致其轉換效率一般為14％～15％。為了讓太陽能電池陣列在同樣日照、溫度的條件下輸出更多的電能，提出了最大功率點跟蹤(MPPT)問題。
MPPT本質上是一個尋優(yōu)過程。通過測量電壓、電流和功率，以及比較它們之間的變化關系，決定當前工作點與峰值點的位置關系，然后控制電流(或電壓)向當前工作點與峰值功率點移動，最后控制電流(或電壓)在峰值功率點附近一定范圍內來回擺動。模糊控制適應性強，魯棒性好，作為一種新的控制思想，非常適合用在對于太陽能光伏發(fā)電這種包含許多不確定量，而且很難用精確的數學模型描述出來的系統(tǒng)。
1 光伏特性
光伏電池相當于具有與受光面平行的極薄PN截面的大面積等效二極管，其等效電路如圖1所示。
在圖1中，I為太陽能電池輸出電流；Id為二極管工作電流；Irsh為漏電流；ILG為led/'''' target=''''_blank''''>光電池電流源；Rsh為光伏電池的并聯等效電阻；Rs為光伏電池的串聯等效電阻。由圖1得到光伏電池的輸出特性方程為：
式中：
前式表明，并聯電阻Rsh越大，越不會影響短路電流的數值。所以設計中可忽略Rsh，而得到簡化的光伏電池輸出特性方程：
式(1)～式(4)中：I為光伏電池輸出電流；V為光伏電池輸出電壓；Ios為光伏電池暗飽和電流T為光伏電池的表面溫度；K為波爾茲曼常數(1.38×10-23J／K)；λ為日照強度；q為單位電荷(1.6×10-19C)；k1為短路電流的溫度系數；ISCR為標準測試條件(光伏電池溫度25℃，日照強度為1 000 W／m2)下，光伏電池的短路電流；ILG為光電流；EGO為半導體材料的禁帶寬度；Tr為參考溫度(301.18 K)；Ior為Tr下的暗飽和電流；A，B為理想因子，一般介于1和2之間。
當負載RL從0變化到無窮大時，即可得到如圖2所示太陽能電池的輸出特性曲線。調節(jié)負載電阻RL到某一值Rm時，在曲線上得到一點M，其對應的工作電壓和工作電流之積最大，即Pm=ImVm?，F將此M點定義為最大功率輸出點(MPP)。
2光伏系統(tǒng)的最大功率點跟蹤
在光伏系統(tǒng)中，通常要求光伏電池的輸出功率保持在最大，也就是讓光伏電池工作在最大功率點，從而提高光伏電池的轉換效率。MPPT就是一個不斷測量和不斷調整以達到最優(yōu)的過程，它不需要知道光伏陣列精確的數學模型，而是在運行過程中不斷改變可控參數的整定值，使得當前工作點逐漸向峰值功率點靠近，使光伏系統(tǒng)運作在峰值功率點附近。
對于電阻型負載，其負載線與I-V曲線的交叉點決定了光伏電池的工作點。不同的負載RL決定了不同的工作點。因此在不同溫度、日照強度條件下，當最大功率點發(fā)生漂移時，可通過調整負載使光伏電池重新工作在最大功率點處。關于光伏電池的最大功率點跟蹤算法，先前許多文獻已提出過多種方法，如電壓回授法、擾動觀察法、功率回授法、直線近似法、實際測量法和增量電導法。
然而，在光伏組件環(huán)境變化復雜的情況下，這些方法不能即時追蹤，迅速反應。常規(guī)方法只能收斂到局部最高運行點，卻不是P-V曲線的真正最高點。于是提出了占空比擾動法。圖3為一般光伏發(fā)電系統(tǒng)的結構，MPPT控制器通過調整PWM信號的占空比D，來調節(jié)輸入／輸出關系，從而達到阻抗匹配的功能。
3基于模糊控制的MPPT實現
3.1模糊控制基本原理
模糊控制建立的基礎是模糊邏輯，它比傳統(tǒng)的邏輯系統(tǒng)更接近于人類的思維和語言表達方式。在一些復雜系統(tǒng)，特別是系統(tǒng)存在定性的不精確和不確定信息的情況下，模糊控制的效果常優(yōu)于常規(guī)控制。模糊控制系統(tǒng)基本結構如圖4所示。
模糊控制系統(tǒng)一般按輸出誤差和誤差的變化對過程控制進行控制，其首先將實際測量的精確量誤差e和誤差變化Δe經過模糊處理而變換成模糊量，在采樣時刻k，定義誤差和誤差變化為：
式中：yr和yk分別表示設定值和k時刻的過程輸出；ek為k時刻的輸出誤差。用這些量來計算模糊控制規(guī)則，然后又變換成精確量對過程進行控制。
3.2模糊控制器的設計
模糊邏輯控制器的設計主要包括以下幾項內容：
(1)確定模糊控制器的輸入變量和輸出變量；
(2)歸納和總結模糊控制器的控制規(guī)則；
(3)確定模糊化和反模糊化的方法；
(4)選擇論域并確定有關參數。
模糊化的設計，其解答往往不是惟一的，在很大程度上要運用啟發(fā)式試探方法以求取得最佳的選擇。對于初始設計可先模擬，若控制性能達不到要求，則需要重新確定隸屬函數，有時甚至要重新確定輸入／輸出量。
3.2.1輸入／輸出量模糊子集及論域
模糊系統(tǒng)的輸入輸出變量有輸入功率變化量E；輸入上次步長量A(n-1)；輸出步長量A(n)。將語言變量E和A分別定義為8個和6個模糊子集，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分別表示負大、負中、負零、正零、正小、正中、正大等模糊概念，并且它們的論域規(guī)定為14個和12個等級，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
圖5中e(n)表示第n時刻與第n-1時刻輸出功率之差的實際值；E(n)表示這個差值對應于模糊集論域中的值；a(n)表示第n時刻步長的實際值；A(n)表示這個步長值對應于模糊集論域中的值；Ke，Ka分別為量化因子。
通過對光伏電池輸出P與占空比D之間的特性曲線分析，并且考慮到外界環(huán)境因素對光伏電池輸出功率的影響，對實際仿真結果進行調整得到的最終控制規(guī)則如表1所示。
4系統(tǒng)建模與仿真
Matlab的模糊邏輯工具箱拓展了Matlab對模糊邏輯系統(tǒng)的設計能力，已經成為運用模糊手段解決工程問題的重要工具。在此結合Matlab7.1中的模糊邏輯工具箱進行輔助設計。模糊邏輯工具箱在默認狀態(tài)下給出了mamdani型控制器，選擇“交”方法為min；“并”方法為max；推理方法為min；聚類方法為max；解模糊方法為重心法。圖6為模糊邏輯工具箱界面。
模糊控制器設計完畢后，利用Simulink搭建光伏電池模型，如圖7所示。
其次搭建MPPT模糊控制系統(tǒng)如圖8所示。
圖中，subsystem為光伏電池模型；S函數只實現D(n)=D(n-1)+a(n)的功能。其中，經過反復試驗，量化因子Ka取0.01；Ke取10。模擬外界因素強度從600 W／m2突然增大到900 W／m2，表面溫度T=25℃，并設置仿真最大步長時間為0.025 s，運行時間為10 s。由此得到輸出功率波形如圖9所示。
圖10為擾動觀察法輸出功率的跟蹤波形。通過比較可以發(fā)現，采用模糊邏輯控制跟蹤光伏電池最大功率點，不僅跟蹤迅速，而且達到最大功率點后基本沒有波動，即具有良好的動、穩(wěn)態(tài)性能。
5結語
在太陽能發(fā)電系統(tǒng)中進行最大功率點跟蹤時，根據跟蹤情況和電池表面溫度、日照強度等外界因素的變化，利用模糊控制來智能地調整步長。
運用Simulink建立模型并進行仿真，其結果表明，將模糊控制運用于最大功率跟蹤是可行的，并且表現出良好的控制性能。