CN106055020A - 基于环境适应性自学习光伏最大功率点跟踪装置及方法 - Google Patents

Abstract

本发明公开了一种基于环境适应性自学***，控制可控开关的开和断。本发明还公开了一种基于环境适应性自学习光伏最大功率点跟踪方法。本发明通过控制开关闭和合，来控制超级电容的充、放电，控制光伏阵列两端电压使其追踪最大功率对应的电压，最终到达输出功率最大。

Description

基于环境适应性自学习光伏最大功率点跟踪装置及方法

技术领域

本发明涉及太阳能最大功率跟踪领域，特别涉及一种基于环境适应性自学习光伏最大功率点跟踪装置及方法。

背景技术

太阳能作为一种清洁能源已经越来越多的应用于各个领域，因此提高太阳能发电效率一直是人们研究的方向，最大功率点跟踪(MPPT)控制是提高太阳能输出效率的有效手段，目前一些机构或科研工作者提出了一些最大功率跟踪方法，如恒电压跟踪、扰动观察法、电导增量法等，其中恒电压跟踪步长对控制精度和速度影响较大，对外界环境变化的响应能力较差，且没有考虑温度变化对输出功率的影响，只使用于光照和温度变化较小的环境；扰动观察法则当外界环境快速变化***很可能会发生误判；电导增量法则在步长和阈值的选择上存在一定的困难。虽然一些学者有提出改进了的扰动观察法或电导增量法或基于人工智能的MPPT算法等，能够克服上述一些问题，但是改进后的最大功率跟踪算法及其电路相对复杂，本发明提出的一种基于环境适应性自学习光伏最大功率点跟踪装置及方法不仅能克服此类问题，而且方法及控制电路简单。

发明内容

本发明为了克服现有技术存在的缺点与不足，提供一种基于环境适应性自学习光伏最大功率点跟踪装置及方法。

本发明通过下述技术方案实现：

一种基于环境适应性自学***，控制可控开关的开和断。

进一步地，所述调节电阻的电阻值R满足：

R<＝V² _M/P_MPP， (1)

其中P_MPP为所有情况下的最大功率，V_M为P_MPP所对应的电压。

进一步地，所述超级电容3的电容量C满足：

$I_C=C\frac{dv}{dt},---\left(2\right)$

对所述二极管、超级电容和调节电阻的公共节点由基尔霍夫定律得到：

I_C＝I-SI_R，

其中I为光伏阵列干路电流(流过二极管的电流)，I_R为流过调节电阻的电流，I_C为流经超级电容的电流，I_R＝V/R；S＝1,0分别对应可控开关断开和闭合。

进一步地，所述的控制装置采用单片机。

在一个采样时间Δt内，由式(1)和式(2)可得光伏阵列两端电压V的变化量ΔV可以表示为：ΔV＝(I-SI_R)C·Δt，当S＝0时，ΔV＝IC·Δt>0，电容被充电，V增加；当S＝1时，ΔV＝(I-I_R)C·Δt，在本发明中选取较小的调节电阻R，使得R<＝V² _M/P_MPP，目的是确保I<I_R，那么ΔV<0，此种情况下超级电容是对调节电阻R放电的，V减小。简而言之S＝0时V增大，S＝1时V减小。

一种基于所述装置的光伏最大功率点跟踪方法，包括如下步骤：

第一步：初始化，设置辅助矩阵P_{M_TEMP}和V_{M_TEMP}(初始值为0)，用来存储不同温度和光照度下PV板MPP，温度和光照度被控制装置7划分足够多份，所以认为其对应的相邻区间光照度和温度近似不变；

第二步：采集测量装置采样Ir、T、I和V，控制装置检测Ir和T落在相应的P_{M_TEMP}和V_{M_TEMP}，并计算P＝I*V；

第三步：判断P>＝P_{M_TEMP}是否为真，为真，则执行第四步；否则，执行第五步；

第四步：把P和V的值分别赋值给相应的P_{M_TEMP}和V_{M_TEMP}，并保持可控开关状态不变；

第五步：判断P>P_{M_TEMP}是否为真，为真，则执行第六步，否则执行第七步；

第六步：闭合可控开关，经过一个采样时间，返回第二步；

第七步：断开可控开关，经过一个采样时间，返回第二步；

进一步地，所述第四步中P_{M_TEMP}和V_{M_TEMP}被赋值，认为光伏阵列输出的功率在靠近最大功率，保持可控开关状态不变，是保持这种靠近的趋势。

进一步地，所述第六步和第七步中闭合可控开关和断开可控开关，是使得光伏阵列的输出电压V靠近V_{M_TEMP}，而V_{M_TEMP}是在靠近V_M，所以最终V靠近V_M。

相比现有技术，本发明的有益效果包括：

1、不仅在正常的情况能够实现最大功率跟踪，而且环境(光照和温度)快速变化或突变***也能快速实现跟踪，且响应速度很快。

2、算法简洁，电路拓扑简单。

3、算法中除了采样时间没有其他待设参数，方便移植和商业量产。

附图说明

图1是基于环境适应性自学习光伏MPPT***框图。

图2是基于环境适应性自学习光伏MPPT方法控制流程图。

图3不同环境下光伏输出功率和电压图。

图4环境(辐照度和温度)突变方式图。

图5环境突变下光伏输出功率和电压图。

图中所示：1-光伏阵列，2-二极管，3-超级电容，4-可控开关，5-调节电阻，6-采集测量装置，7-控制装置。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所示，一种基于环境适应性自学习光伏最大功率点跟踪装置，包括：光伏阵列1、二极管2、超级电容3、可控开关4、调节电阻5、采集测量装置6、控制装置7。

所述光伏阵列1、二极管2、超级电容3、可控开关4、调节电阻5依次相连；

所述光伏阵列1，其发出的功率是目标控制对象；

所述二极管2，用于保护光伏阵列1；

所述调节电阻5，满足R<＝V² _M/P_MPP，其中P_MPP为所有情况下的最大功率，V_M为P_MPP所对应的电压；

假设所述二极管2为理想二极管则光伏阵列1两端电压V和超级电容3两端电压相等；

所述采集测量装置6，用于测量光伏阵列1干路电流I、光伏阵列1的两端电压V、光照强度Ir、光伏阵列表面温度T；

所述控制装置7，输出高低电平，控制可控开关4开和断；

对所述超级电容3有：

$I_C=C\frac{dV}{dt}---\left(1\right)$

对所述二极管2、超级电容3和调节电阻5的公共节点由基尔霍夫定律：

I_C＝I-SI_R (2)

其中I为光伏阵列1干路电流(流过二极管2的电流)I_R流过调节电阻5的电流，I_R＝V/R；S＝1,0分别对应可控开关4断开和闭合。

所述的控制装置7采用单片机。

在一个采样时间Δt内，由式(1)和式(2)可得光伏阵列1两端电压V的变化量ΔV可以表示为：ΔV＝(I-SI_R)C·Δt，当S＝0时，ΔV＝IC·Δt>0，超级电容C3被充电，V增加；当S＝1时，ΔV＝(I-I_R)C·Δt，在本发明中选取较小的调节电阻5，使得R<＝V² _M/P_MPP，目的是确保I<I_R，那么ΔV<0，此种情况下超级电容3是对调节电阻5放电的，V减小。简而言之S＝0时V增大，S＝1时V减小。

如图2所示，一种基于环境适应性自学习光伏最大功率点跟踪方法，包括如下步骤：

第一步：初始化，设置辅助矩阵P_{M_TEMP}和V_{M_TEMP}(初始值为0)，用来存储不同温度和光照度下PV板MPP，如表1所示，温度和光照度被划分足够多份，所以认为其对应的相邻区间光照度和温度近似不变；

表1：不同环境下MPP查询表

第二步：采集测量装置6采样Ir、T、I和V，控制装置7检测Ir和T落在相应的P_{M_TEMP}和P_{M_TEMP}，并计算P＝I*V；

第三步：判断P>＝P_{M_TEMP}是否为真，为真，则执行第四步；否则，执行第五步；

第四步：把P和V的值分别赋值给相应的P_{M_TEMP}和V_{M_TEMP}，并保持可控开关4状态不变；

第五步：判断V>V_{M_TEMP}是否为真，为真，则执行第六步，否则执行第七步；

第六步：闭合可控开关4，经过一个采样时间，返回第二步；

第七步：断开可控开关4，经过一个采样时间，返回第二步；

具体而言，所述第四步中P_{M_TEMP}和V_{M_TEMP}被赋值，认为光伏阵列输出的功率在靠近最大功率，保持可控开关4状态不变，是保持这种靠近的趋势；

具体而言，第六步和第七步中闭合可控开关4和断开可控开关4，是使得光伏阵列输出电压V靠近V_{M_TEMP}，而V_{M_TEMP}是在靠近V_M，所以最终V靠近V_M；

具体的：在MATLAB/Simulink里建立一个新MPPT***模型，PV板(Array type:SunPower SPR-315E-WHT-D；1Series modules；1Parallel strings)采用***自带的模块，模块部分参数如表2所示。电路参数：C＝0.005F，R＝2Ω；采样时间Δt＝50μs。图3a,b展示了Ir＝500W/m²,T＝20℃、Ir＝1000W/m²，T＝25℃、Ir＝1500W/m²，T＝30℃、Ir＝2500W/m²，T＝45℃时，PV板输出功率P_PV及其对应电压V_PV的结果。图4a、4b为Ir和T变化(突变)方式；图5a、5b展示了在Ir和T如图4a，4b输入时，光伏板输出功率P_PV和电压V_PV的结果。对比图3a和图5a可以看出，当辐照度从1000W/m²突变到1500W/m²、温度从25℃突变到30℃时，***只经过1ms达到稳态，说明***具有很好的环境适应性。

表2：PV板模块部分参数

Maximum Power(W)	315.072
		Voltage at maximum power point VM(V)	54.7
Open circuit voltage Voc(V)	64.6
		Short-circuit current Isc(A)	6.14
Temperature coefficient of Voc(％/deg.C)	-0.27269
		Temperature coefficient of Isc(％/deg.C)	0.061694

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种基于环境适应性自学***，控制可控开关(4)的开和断。

2.根据权利要求1所述的基于环境适应性自学习光伏最大功率点跟踪装置，其特征在于：所述调节电阻(5)的电阻值R满足：

R<＝V² _M/P_MPP，

其中P_MPP为所有情况下的最大功率，V_M为P_MPP所对应的电压。

3.根据权利要求2所述的基于环境适应性自学习光伏最大功率点跟踪装置，其特征在于：所述超级电容(3)的电容量C满足：

对所述二极管(2)、超级电容(3)和调节电阻(5)的公共节点由基尔霍夫定律得到：

I_C＝I-SI_R，

其中I为光伏阵列干路电流，I_R为流过调节电阻(5)的电流，I_C为流经超级电容(3)的电流，I_R＝V/R；S＝1,0分别对应可控开关断开和闭 合。

4.根据权利要求2所述的基于环境适应性自学习光伏最大功率点跟踪装置，其特征在于：所述的控制装置(7)采用单片机。

5.一种基于权利要求1至4中任一项所述装置的光伏最大功率点跟踪方法，包括如下步骤：

第一步：初始化，设置辅助矩阵P_{M_TEMP}和V_{M_TEMP}，用来存储不同温度和光照度下PV板MPP，温度和光照度被控制装置(7)划分足够多份，所以认为其对应的相邻区间光照度和温度近似不变；

第二步：采集测量装置(6)采样Ir、T、I和V，控制装置(7)检测Ir和T落在相应的P_{M_TEMP}和V_{M_TEMP}，并计算P＝I*V；

第三步：判断P>＝P_{M_TEMP}是否为真，为真，则执行第四步；否则，执行第五步；

第四步：把P和V的值分别赋值给相应的P_{M_TEMP}和V_{M_TEMP}，并保持可控开关状态不变；

第五步：判断P>P_{M_TEMP}是否为真，为真，则执行第六步，否则执行第七步；

第六步：闭合可控开关(4)，经过一个采样时间，返回第二步；

第七步：断开可控开关(4)，经过一个采样时间，返回第二步。

6.根据权利要求5所述的光伏最大功率点跟踪方法，其特征在于：所述第四步中P_{M_TEMP}和V_{M_TEMP}被赋值，认为光伏阵列(1)输出的功率在靠近最大功率，保持可控开关(4)状态不变，是保持这种靠近的趋势。

7.根据权利要求5所述的光伏最大功率点跟踪方法，其特征在于：所述第六步和第七步中闭合可控开关(4)和断开可控开关(4)，是使得光伏阵列(1)的输出电压V靠近V_{M_TEMP}，而V_{M_TEMP}是在靠近V_M，所以最终V靠近V_M。