矿物绝缘电缆

行业精品资料行业精品资料行业精品资料行业精品资料行业精品资料摘要跟踪和快速控制光伏电池的最大功率点，准确地提高光伏电池的输出功率是十分必要的。在本文中，对几种现有的最大功率点跟踪方法进行了介绍和分析，并对其优劣进行了比较，指出了选择方法要考虑的因素和最大功率点跟踪的发展前景。关键词：最大功率点跟踪；光伏发电；太阳能行业精品资料行业精品资料1光伏发电及最大功率点跟踪背景随着社会经济的高速发展，能源和资源的需求越来越大，人们的目光正转向可再生能源的开发和利用。光伏发电是一种公认的技术含量高、有发展前途的新能源技术。太阳能取之不尽、用之不竭，不产生任何废弃物，没有噪音等污染，对环境无不良影响，是理想的清洁能源。但是光伏电池输出特性具有明显的非线性。这种非线性受到外部环境（日照强度、温度、负载）及本身技术指标（输出阻抗）等因素的影响，只有在某一电压下才能输出最大功率，这时光伏阵列的工作点就达到了输出功率电压曲线的最高点，称之为最大功率点。目前光伏电池的光电转换率较低，为有效利用光伏电池，对光伏发电进行最大功率跟踪（MaximumPowerPointTracking，MPPT）显得非常重要。行业精品资料行业精品资料2光伏发电最大功率点跟踪的概念简言之，光伏电池的电压电流曲线，呈严重的非线性。功率为两者乘积，功率--电压或功率--电流曲线不是单调曲线，而是在某个电压或某个电流时，存在最大功率值，因此我们希望电池始终工作在此最大功率点或其附近。这样就能输出更多的能量，带来更高的系统效率。最大功率点不是固定不变的，随着辐射强度和环境温度的变化，它会移动。但是电池并不能自动跟踪最大功率点，因此需要采用一定的控制电路来人为地加以跟踪。这就是最大功率点跟踪的原因和意思。为使负载获得最大功率，根据电路原理，通常要进行恰当的负载匹配，使负载电阻等于供电系统的内阻，此时负载上就可以获得最大功率。这种获得最大功率的原理对一些内阻不变的供电系统是可行的。但在光伏供电系统中，光伏电池的内阻不仅受光照强度的影响，而且还受环境温度及负载的影响，是处在不断变化之中。在光伏发电系统中，要提高系统的整体效率，一个重要的途径就是实时调整光伏阵列的工作点，使之始终工作在最大功率点附近，这一过程就称之为最大功率点跟踪。光伏电路原理图如图1VRLPVsolarILIdRshIshR5I图1行业精品资料行业精品资料3光伏最大功率点跟踪的方法及各自优缺点3.1电压回授法电压回授法，又称恒电压法。当温度保持某一固定值时，在不同的日照强度下与伏安特性曲线的交点a，b，c，d，e对应于不同的工作点。人们发现阵列可能提供最大功率的那些点，如a，b，c，d，e点连起来几乎落在同一根垂直线的邻近两侧，这就有可能把最大功率点的轨迹线近似地看成电压Uconst的一根垂直线，亦即只要保持阵列的输出端电压U为常数，就可以大致保证阵列输出在该温度下的最大功率，于是最大功率点跟踪器可简化为一个稳压器。这种方法实际上是一种近似最大功率法。CVT控制方式具有控制简单、可靠性高、稳定性好、易于实现等优点，比一般光伏系统可望多获得20%的电能。但该跟踪方式忽略了温度对太阳电池开路电压的影响。以单晶硅电池为例，当环境温度每升高10摄氏度时，其开路电压的下降率为0.35%到0.45%。这表明光伏电池最大功率点对应的电压mU也随环境温度的变化而变化。对于四季温差或日温差较大地区，CVT控制方式并不能在所有的温度环境下完全地跟踪最大功率。3.2开路电压法开路电压法类似于定电压跟踪CVT法，但CVT法是跟踪恒定的电压，而开路电压法跟踪变化的电压。相对于电池板温度变化引起的光伏阵列输出功率的变化而言，辐照度的变化对光伏阵列输出功率的影响更大，而不同辐照度下最大功率点对应的输出电压mU变化不大。同时，由实验验证可知，同一辐照度下的mU与开路电压oU的比值只与光伏组件的参数有关，而对环境温度的变化不敏感，可近似认为是常数0.76（误差2%）。0CV算法依据测量得到的开路电压，令该电压的76%作为最大功率行业精品资料行业精品资料点对应的参考电压，并在一定时间内保持不变。采用开路电压比例系数法不会在最大功率点附近产生振荡，且结构简单，可用廉价的模拟电路实现。但实施该算法需要不停地开断开关元件以测量光伏阵列的开路电压，导致光伏阵列无法持续供电。同时，光伏阵列的mU/oU并不总等于同一常数。因此，该算法追踪的稳态误差较大，能量转换效率低。3.3短路电流法短路电流法是根据同一辐照度下最大功率点对应的输出电流mI与短路电流sI的比值近似等于0.91而设计的算法。该算法的实施需要不断将光伏阵列短接，以测量阵列的短路电流.。因此，短路电流法与恒定电压法的原理实质是一致的。但当辐照度改变时，光伏阵列的sI变化迅速，而开路电压oU则变化较缓。因此，考虑到开关器件的开关频率及跟踪效率，实际应用中恒定电压法更优于短路电流法。短路电流比例系数法存在和开路电压比例系数法同样的缺点，即由于mI/sI=0.91是一个近似的公式，所以光伏阵列并不是工作在真正的最大功率点上。另外，测量短路电流Is要比测量oU复杂，通常需要在逆变器中添加开关，以实现短路光伏阵列的周期性，从而测得Is。3.4功率回授法功率回授法与电压回授法CVT类似，但由于CVT无法在瞬息易变的气候条件下自动跟踪最大功率点，因此功率回授法PFB加入了输出功率对电压变化率的逻辑判断，以便能随着气候变化达到最大功率跟踪点。功率反馈法通过采集太阳能电池阵列的直流电压值和直流电流值，计算出当前的输出功率，由当前的输出功率P和上次记忆的输出功率'P来控制调整输出电压值，即可动态地跟踪光伏电池在不同日照强度和温度下的最大功率点。此法优点是可减少能量损耗并提升整体效率,缺点是过程复杂且需较多的运算，由于其可靠性和稳定性均不佳，实际系统较少采用。行业精品资料行业精品资料3.5占空比扰动法占空比扰动法通过当前功率P与前一时刻的功率'P比较，从而决定增加还是减少占空比。该方法直接把占空比作为控制参数，只需要一个控制循环，从而减少了控制器设计的难度。但调整占空比D时仍然存在调整步长大小的选择问题。如果步长过小，跟踪时间就会拉长，从而影响系统的动态响应特性；反之，如果步长过大，输出功率的波动就会加大，其平均值大大小于最大值，从而使系统的稳态误差变大。3.6间歇扫描法间歇扫描法的核心思想是定时扫描一段阵列电压（一般为0.5到0.9倍的开路电压），同时记录下不同电压时对应的阵列电流值，经过比较不同点的太阳电池阵列的输出功率就可以方便地计算出最大功率点，从而取代了不间断的搜索过程。间歇扫描法测定最大功率点所需要的时间随着微处理器性能的不同而有所变化，而定时扫描的时间间隔可以放宽至秒级。通过扫描可以快速计算出在近似该日照及温度条件下的最大功率点及其相应的电压值，并将此电压值作为CVT内环的给定电压值，通过闭环CVT控制，使光伏阵列工作于该点上。这种方法稳定可靠，同时避免了其他方案由于搜索振荡而引起的功率损失。在太阳电池阵列容易产生遮挡的应用中，这种方法具有较高的实用价值。此法的最大缺点是在需要有连续输出的光伏系统中无法应用，如光伏水泵、不可调度式光伏井网系统。同时，该方法需要CPU具有较大的存储空间和较快的运算能力，并且不能及时同步跟踪阵列输出，在日照变化比较剧烈的情况下，此方法很难使阵列时刻工作于最大功率点处。3.7功率数学模型法功率数学模型法是建立在拉格朗日定理基础上的一种跟踪方法。具体描述为在一定的温度日照强度下，通过检测电压及其对应的功率得到若干组数据，利用拉格朗日插值公式建立光伏阵列的逼近多项式模型，求得该逼近多项式的最大值，确定光伏电池的最大功率点。当温度和日照强度改变时，重新测得数据，求得新的模型，得到新的最大功率点。功率数学模型法的优点是所需检测的参数少，只需要检测电压和电流，功率可通过计算获得；控制效果好，且控制稳定度高，当外部参数变化行业精品资料行业精品资料时，系统可以快速跟踪其变化。其缺点是控制算法较复杂；当采集点的个数较少，或是采集点位置分布不均匀时，逼近曲线相似度较低，而增加采集点的个数又会加大运算量，使算法变得更加复杂。3.8实际测量法实际测量法主要是利用一片额外的光伏电池模组，每隔一段时间实际测量此块电池的开路电压和短路电流，建立光伏电池模组在该日照量及温度时的参考模型，并计算出在该条件下最大功率点的电压和电流，再配合控制电路使光伏电池模组满足此电压和电流，就可跟踪该最大功率点。这种方法的优点是可避免因光伏电池及元件的老化而失去准确度；其缺点是对小功率系统而言成本较高，对大功率系统而言还需考虑阴影覆盖光伏电池模组引起的多重最大值问题。3.9模糊逻辑法模糊逻辑法是以功率对电压或电流的变化及其变化率作为模糊输入变量，通过模糊化处理并根据专家经验进行模糊判别，给出调节输出的隶属度，最后根据隶属度值进行反模糊化处理得到控制调节量，以实现控制最大功率输出。这种方法的优点是不依赖控制对象的精确数学模型，模糊逻辑控制跟踪迅速，达到最大功率点后基本没有波动，具有较好的动态和稳态性能。但定义模糊集，确定隶属函数的形状，制定规则表等这些关键环节需要设计人员更多的经验。3.10神经网络预测法神经网络预测法是利用神经网络结构来计算最大功率点的方法。神经网络的输入信号可以是光伏阵列的参数，例如当前的开路电压oU，短路电流sI或者外界环境的参数如光照强度和温度，也可以是上述参数的合成量，利用神经网络的自学习能力，在线计算输出当前最优的输出电压，也即最大功率点处的工作电压。为了精确获得光伏阵列最大功率点，必须经过神经网络训练确定权重。这种训练必须使用大量的输入/输出样本数据，其训练过程可能要花费数月甚至数年时间。此外，在线反复进行自学习训练计算对微处理器的性能要求很高。因此，在目前还行业精品资料行业精品资料没有专用芯片的情况下，NNP法很少使用。通过训练，不仅可使输入输出的训练样本完全匹配，而且内插模式和一定数量的外插模式也能达到匹配，这是简单的查表功能所不能实现的，也是NNP法的优点。3.11扰动观察法扰动观察法也称为爬山法。是现在最普遍使用的一种方法。其工作原理为测量当前阵列输出功率，然后在原输出电压上增加一个小电压分量扰动后，其输出功率会发生改变，测量出改变后的功率，与改变前的功率进行比较，即可获知功率变化的方向。如果功率增大就继续使用原扰动，如果功率减小则改变原扰动方向。扰动观察法跟踪情况如图2所示。P/WU/VPU0P1P2P3PmP4P5U2U3UmU4U5U1图2假设工作点在1U处，光伏电池输出功率为P1，如果使工作点移到2U=1U+U，光伏电池输出功率为2P，比较现时功率2P与记忆功率1P。若2P1P，说明输入信号差U使输出功率变大，工作点位于最大功率值mP的左边，需要继续增大电压，使工作点继续朝右边即mP的方向移动。如果工作点已越过mP到达4U，此时若再增加U，行业精品资料行业精品资料则工作点到达5U，比较结果为5P4P，说明工作点在mP右边，则需要改变输入信号的变化方向，即输入信号每次减去U后，再比较现时功率与记忆功率，直至找到最大功率点mP。由于扰动观察法采用模块化控制回路，其结构简单、测量参数少、容易实现，因此广泛应用于光伏电池的最大功率点跟踪。其缺点是到达最大功率点附近后，会在其左右振荡，造成能量损耗，尤其在气候条件变化缓慢时，情况更为严重。因为气候条件变化缓慢时，光伏电池所产生的电压及电流变动并没有什么太大的变化，而此方法仍然会继续扰动以改变其电压值而造成能量损失。虽然可以缩小每次扰动的幅度，以降低mP点的振荡幅度来减少能量损失，不过当温度或照度有大幅变化时，这种方法会使跟踪到另一个最大功率点的速度变慢，此时会浪费大量能量。因此跟踪步长与跟踪精度和响应速度无法兼顾，有时在运行中会发生程序“误判”现象。