光伏电池最大功率点的跟踪方法

1、本文由 hanwei5346 贡献TXT，或下载源文件到本机查看。pdf 文档可能在 WAP端浏览体验不佳。建议您优先选择 第卷第 期 年 月上海电力学院学报Journal（ of（ Shanghai（ University（ of（ Electric（ Power 文章编号：（）光伏电池最大功率点的跟踪方法 程启明，程尹曼，汪明媚 ，倪仁杰（ 上海电力学院 电力和自动化工程学院，上海 摘要：在光伏发电系统中， 为提高光伏电池的利用效率， 进行快速、 准确地跟 种常用的最大功率跟踪方法及原理， 指出了选择某一方法时踪控制 介绍了需要考虑的因素，阳能； 光伏阵列；并展望最大功率点跟踪方法的发展方

2、向光伏发电 中图分类号： ； 文献标识码：需要对光伏电池的最大功率点说明了各种方法的优、 缺点，关键词： 最大功率跟踪； 太（，）：， ， ： ； ； ，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 压下才能收

3、稿日期： 作者简介：程启 明 （ （ 特约稿）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 （ ， ） 显得非常重要光伏阵列的输出功率特性光伏阵列的输出功率特性 由图 可知， 曲线见图 曲线为单凸峰形曲线， 当光伏阵列） 男， 授， 士 生 导 师， 苏 盐 城 人 主 要 研 究 方 向 为 发 电 过 程 自 动 化 ， 教 硕 江 ） 上海市教委重点科研项目 ； （ ）基金项目：上海市教育委员会重点学科建设项目 （程启明， 光伏电池最大功率点的跟踪方法 等

4、：的工作电压 大功率值为时， 光伏阵列的输出功率 为最光伏阵列的开路电压和短路电流受日照强度 和温度的影响很大， 导致系统工作点不确 定， 从而 降低系统效率 此外， 串联电阻对太阳能电池的输 出也有影响， 它是太阳能电 池内部所有分布电阻 的集中体现， 其阻值主要由制造工艺、 环境等因素 决定 串联电阻会 产生欧姆损失， 降低电池的效 率， 从而改变太阳能电池的输出特性， 但它并不影 响其开 路电压和短路电流的大小 为此， 光伏阵列必须实现最大功率点跟踪控 制， 以便阵列在任 何条件下不断获得最大功率输 出 的实现实质上是一个自寻优过程， 即通 过控制端电压或 其他物理量， 使光伏阵列能在各

5、 种不同的日照和温度环境下智能化地输出最大功 率 本文 主要介绍目前国内外常用的 实现方法的原理及特点， 即为曲线的最大功率点图 光伏阵列的输出功率特性 曲线光伏特性随太阳辐射强度、 温度及串联电阻 变化曲线分别如图 ， 图 ， 图 所示 种 图光伏特性随太阳辐射强度、 温度及串联电阻变化曲线 常用的电压回授法 方法的原理及特点 化为一个稳压器 这种方法实际上是一种近似最 大功率法 早期对光伏电池输出功率控制主要利用电压 回授 （ 图 ， ） 技术为硅光伏电池阵列具有的伏安特性 图中， 是负载特性曲线， 当温度保持某一固定值 时， 在不同的日照强度下和伏安特性曲线的交点 ， ， ， 如 ， ，

6、 ，点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，图 光伏电池伏安特性曲线 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 的一根垂直线， 亦即只要保持阵列的输出 端电压 为常数， 就可以大致保证阵列输出在该 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 温度下的最大功率 ， 于是最大功率点跟踪器可简学 院 学 报 年 获得 的电能 但该跟踪方式忽略了温度对太 时， 其开路电压的下降率为 这表明光伏电池最 大功率点对 也随环境温度的变化而变化 对于 控制方式并不的公式， 所以光伏阵列并不是工

7、作在真正的最大 测量短路电流 功率点上 另外， 伏阵 列的周期性， 从而测得 功率回授法 功率回授法 （ 压回授法 类似， 但由于 ， ） 和电 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 应的电压 耀 要比测量复杂， 通常需要在逆变器中添加开关， 以实现短路光 四季温差或日温差较大地区，能在所有的温度环境下完全地跟踪最大功率 开路电压法 开路电压法 （ 似于定电压跟 踪 法， 但 ， ） 类 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 点 由图 加入了输出功率对电 压变化率的逻 的 曲线可见， 当 时， 即 法是跟踪恒定 辑判断， 以便能随着气候变化

8、达 到最大功率跟踪 为最大功率点， 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 出功率 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 扰动观察法 扰动 观 察 法 （ ） 也称为爬山法 （ ， ）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 变化不大 同时，由实验验证可 和开路电压 的比值只 ） 知， 同一辐

9、 照度下的和上次记忆的输 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 和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 （ 误 差 算法依据测量得到的开路电压，令该电压的 作为最大功率点对应的参考电压，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 转换效率低 短路电流法 短路电 流 法 （ 和短路电流 的比值近似等于 ， ） ，其 工作原理

10、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， 和改变前的 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 所示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 是根据同一辐照度下最大功率点对应的输出电流 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，短路电流法和恒 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 变化迅速，而开路电压 则 变化较缓 因此，考虑 到开关器件的开关

11、频率及 跟踪效率，实际使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 是一个近似图 扰动观察法跟踪情况示意假设工作点在 ， 如果使工作点移到 出功率为处， 光伏电池输出功率为 光伏电池输 ， 和记忆功率 若， 比较现时功率， 说明输入信号差 使输出功率变大， 的左边， 需要继续增 工作点位于最大功率 值程启明， 光伏电池最大功率点的跟踪方法 等：大电压， 使工作点继续朝右边即 如果工作 点 已 越 过 到达的方向移动 ， 时若再增加 此从而减少了控制器设计的难度 但调整占空比 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

12、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 电导增 量法 增 量 电 导 法(则工作点到达 ， 比较结果为 ， 说明 ， 工作点在 右边， 则需要改变输入信号的 变化 再比较现时功 方向， 即输入信号每次减去 后， 率和记忆功率， 直至找到最大功 率点 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 此广泛使用于 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

13、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 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 长和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 占空比扰动法 在光伏系统的使用中，光伏阵列 和负载之间 的接口 通 常 采 用 W 型的 变换器和 信号的占空比 逆变器， 通过调整 W 匹 配功能 因此，占空比 池输出功率 所示 的大小， 的

14、两端对 ( ) ) 求 ) 能够判断出工作点电压和最大功率点 电压之间的关系 在功率 导， 并将 作为 的函 数， 可得 ， ( 且当 大功率点电压； ( 当 率点电压；( 当 ) 电压 因此，通过判断 作 在最大功率点 增量电导法的最大优点是， 当外界日照强度 发生迅速变化时， 其输出端电 压能以平稳的方式 追随其变化， 从而保证最大功率的输出 电导增量法和扰动观察法殊途同 归， 差别仅 在于逻辑判断式和测量参数的取舍 虽然增量电 导法仍然是以改变光伏电池输 出电压来达到最大 功率点， 但是借着修改逻辑判断式来减少在最大 功率点附近的振荡现 象， 使其更能适应日照强度 和温度瞬息变化的气候条

15、件 但这种控制算法实 现起来相对复 杂， 而且检测精度和速度在一定程 度上会影响跟踪的精度和速度， 同时， 电压增量步 长的选取也比较讲究， 若步长太大， 则跟踪的误差 会比较大， 若步长较小， 则跟踪的速度 会较慢 点重心比较法 点重心比较法 （ W时， 小于最时， 大于最大功 （ ） 即时， 即为最大功率点（ 为电导）的符号就可以判断光伏阵列是否工 来调节变换器的输入和输出关系，从而实现阻抗 的大小决定了光伏电 关系的曲线示意 如图图关系曲线示意， W ） 也称滞环比较法 如图 所示 在图 其中， 第 ， 在 比 的 个点 的关系相似， ， 其工作原理 点不同 种情况 个点 为由图 并且当

16、可见，的关系和曲线顶点附近任意取 所列的 为当前工作点， 第 时，输出功率达到最大值，因位置， 所得到的结果可分为图 此扰动观察法的原理仍然适用 占 空 比 扰 动 法（ ） 通过当前功率和前一时刻的功率 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，点的基础上增加 的工作点， 第 个点 为在 点的基础上减小 的工作点 在分析之 前， 先引入一个状态量 如果 点功率大于或 等于 点功率， 则状态量为正， 否则为负； 如 果上海电力学院学报年点功率小于点功率， 则状态量为正， 否则为负 ， 则应增加扰动量来 ，由于此时斜率较小， 则提供较小的扰动量， 反

17、之当 工作点位于最大功率点右侧时， 电 压以较大的幅 度减少 这样， 便可改善于最大功率输出点附近振 荡追逐的缺点， 同时扰动 观察法也有不错的响应 速率当状态量有两个正时，加大输出电压； 如果状态量有两个负时， 各为一个时， 则应减小扰动量来减小输出电压； 当状态量正、 负 ， 则电压扰动量不改变， 此时被视为到达最大功率点或者是日照强度快速变化图最大功率点附近可能出现的判断还因此，种情况 在扰动观测法的基本思想中有两点比较， 即 当前工作点和前一个扰动点相比较， 功率变 化的方向来决定工作电压移动的方向， 这种方法 除了带来一些能量损失之外， 会带来如前所述 的误判 当日照强度并不快速变化

18、时， 多余的扰动 会带来能量损失 点重心比较法 W 可也许只是干扰或者数据 误 读） 以 减 而且对处理器的 运算速度和存储容量有图 用最优梯度法进行 的搜索过程 以在日照强度快速变化时并不快速移动工作点 小 扰 动 损 ， 失 但此法的算法相对比较麻烦， 较高的要求 最优梯度法 最优梯度法 （ ， ）最优梯度法的缺点是： 迭代求出的解可能是 局部最优解， 而不是全局最优； 对目标 函数要求较 高， 如要求一阶可导等； 依赖于初始值， 如果初始 是一 值取得不好， 难以 得到好的收敛结果； 需要进行步 长选择， 而且步长值对算法性能影响很大 间歇扫描跟踪 法 间歇扫描法 （ 耀 ， ）种以梯度

19、法为基础的多维无约束最优化问题的数 值计算法 其基本思想是选取目标函数 的正梯度 方向作为每步迭代的搜索方向， 逐步逼近函数的 最大值 梯度法是一种传统且被广 泛运用于求取 函数极值的方法， 该方法运算简单， 有着令人满意 的分析结果 最优梯度法 保留了扰动观察法的各种优点， 同时藉由一个类似动态的扰动量来改变在太阳能 输出功率 曲线上电压的收敛速度， 如图 所示 当工作点位于最大功率点左侧时， 电压以较 大的幅度 增加， 当工作点位于最大功率点附近时，的核心 思 想 是 定 时 扫 描 一 段 阵 列 电 压 一 般 为 （ 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

20、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， 而定时扫描程启明， 光伏电池最大功率点的跟踪方法 等：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 的给定电压值， 通过闭环 内环 控制， 使 光伏阵列盖光伏电池模组引起的多重最大值问题 模糊逻辑法 模糊逻辑法 （ ， ） 是以功率对工作于该点上 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

21、产生遮挡的使用中， 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使用， 如光伏水泵、 不可 该方法需要 调度式光 伏井网系统 同时， 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 功率 数学模型法 功 率 数 学 模 型 法（ ） 是建立在 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

22、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 神 经网络预测法神经网络预测法 （定理基础上的一种跟）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 ， 短路电流 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

23、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 在线反复进行自学习训 数月甚至数年时间 此外， 练计算对微处理器的性能要求很高， 因 此， 在目前 还没有专用芯片的情况下， 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，求得该逼近多项式的最大值， 测得数据， 求得新的模型， 少， 只需要检测电压和电 当外部参数变 化时， 系统法较复杂； 当采集点的个数较少， 或是采集点位置 而增加采集 点的个数又会加大运算量， 使算法变 ，）主踪方法 具体描述为

24、在一定的温度和日照强度下， 通过检测电压及其对应的功率得到若 干组数据， 利用 插值公式建立光伏阵列的逼近多项 式模型， 确定光伏电 重新 池的最大功率点 当温度和日照强度改变时， 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 流， 功率可通过计算获 得； 控制效果好， 且控制稳定度高， 可以快速跟踪其变化 其缺点是控制算 分布不均匀时， 逼近曲线相似度较低， 得更加复杂 实际测量法 实际 测 量每隔一段时 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 也是 法的优点 要是利用一片额外的光伏电池模组，功率点的

25、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方法的选择和展望方法的选择 方法的选择除了需要考虑各种方法本 身的特点外， 还需要考虑控制方法实 现的难易程 度、 经济成本、 传感器类型、 跟踪速度和精度、 使用 领域等因素 采用模拟电路的方法相比采用数字信海 电 力 学院学报年号处理器 （ 像采用）的方法要简单经济， 且不 方法需要采集的他因素的影响， 使得光伏阵列 多种方法成为一控制方法那样需要软件编程来实现个复杂的综

26、合性问题 本文介绍了国内外常用的 实现方法的原理及特点， 并讨论了 方 法的选择和展望， 指出了当前将多种方 法进行有机集成是光伏阵列最大功率点跟踪控制 的 研究热点， 对光伏阵列 定指导作用 参考文献： 周林，武剑，栗秋华，等 光伏阵列最大功率点跟踪控制 方法综述 高电压技 术， ，（ ） ： 及 ，（ ） ： 余世杰，何慧若，曹仁贤，等 光伏水泵系统中 的 控制比较 太阳能学报， 和进行优化算法 不同的信号不同， 如电压、 电流、 光照强度和温度等不同 并且 信号 一般测量电压要比测 量电流更加容易， 电压传感器要比电流传感器更便宜 若 方 法需要使用光照强度传感器， 则会增加实现成本 在

27、考虑跟踪速度和精度时， 应着重考虑光伏阵列 使用的领域对不同跟踪 速度和不同精度的要求， 如太阳能汽车对跟踪速度有较高要求， 而卫星、 空 间站等则对 跟踪的速度和精度都有很高要求 方法的展望 每种 方 法 都 有 各 自 的 优 缺 点， 前 目方法的使用有一 李晶，窦伟，徐正国，等 光伏发电系统中最大功率点跟 踪算法的研 究 太 阳 能 学 报， ， （ ） ：方法还不很完善， 其技术手段尚未完全成 熟， 还具有进一步发展的空间 （ ） 数学 模型的优化和智能方法的使用 数 栗秋华， 周林， 刘强，等 光伏并网发电系统最大功率跟 踪新算法及其仿真 电 力自动化设备， ， （ ） ：学模型的

28、优化是希望在已知影响光伏阵列的光照 强度、 温度等因素的条件下， 尽可能 精确、 实时地 获得光伏阵列的最大功率点 智能方法包括前面 介绍的模糊逻辑 ， 神经网 络 等方法， 目前智能方法还存在理论不成熟、 实时性不够等 问题， 但其思维方式还是胜 于传统思维模式 随着 方法研究的发展， 数学模型的进一步优化 将会简化求解方法， 智能 方法的使用也会越来越 普遍 （ ） 多种 方法的集成 每种 方 法均存在着一定的缺陷， 其 改进算法又有实现难、 成本高等问题 因此， 把多种方法有机地结合在一 起， 可取长补短、 充分发挥各自优势， 达到更好的 控制效果 例如， 在每天早晨光伏阵列启用和晚上

29、停止使 用时， 光照强度、 温度都很低， 光伏阵列的 曲线很平坦， 此时扰动观察法和增量电导法 的性能较差， 甚至会出现最大功率点跟踪失败 在 弱光条件下， 对较小电流的检测精度要 求很高， 此 时可直接根据开路电压设定最大功率点， 直至检 测到电流高于设定值， 再运 用特定算法进行寻优 赵庚申， 王庆章， 许盛之 最大功率点跟踪原理及实现方 法的研究 太阳能学报，策略 太阳能学报， ， ， ， ， W， ，（ ） ： ， ， ，（）： ， ， ： ， ， ，（，（）：）：陈敏，陈尚伍，钱照明太阳电池最大功率点追踪的控制任碧莹，钟彦儒，孙向东，等 基于模糊控制的最大功率点跟踪方法研究 电力电子

30、技术， ，（ ） ：王松 一种基于神经网络的光伏电源最大功率控制系统山东大学学报：工学版， ，（）：结束语由于光伏电池的非线性、 环境条件变化及其1 本文由 snaDOOM贡献pdf文档可能在 WAP端浏览体验不佳。建议您优先选择TXT，或下载源文件到本机查看。25卷第 4 期 第2009 年 8 月上海电力学院学报Vol 25, No. 4 . Aug2009 .Jou rnal of S hanghai U n iversity of E lectric Pow er 文章编号 : 1006 - 4729 （ 2009 ） 04 - 0346 - 07 光伏电池最大功率点的跟踪方法 程启明

31、 , 程尹曼 , 汪明媚 , 倪仁杰（ 上海电力学院 电力和自动化工程学院 , 上海 200090 ）摘 : 在光伏发电系统中 , 为提高光伏电池的利用效率 , 需要对光伏电池的最大功率 点进行快速 、要 准确地跟 踪控制 . 介绍了 14 种常用的最大功率跟踪方法及原理 , 说明 了各种方法的优 、 缺点 , 指出了选择某一方法时 需要考虑的因素 , 并展望最大功率点跟 踪方法的发展方向 . 关键词 : 最大功率跟踪 ; 太阳能 ; 光伏阵列 ; 光伏发电 中图分类 号 : TK513; T M615文献标识码 : ASurvey on M PPT M e thods of Photovol

32、ta ic CellsCHENG Q i2 ing , CHENG Yin 2 an , WANG M ing2 m m mei , N I Ren 2jie（ S chool of E lectric Pow er & A u tom a tion Eng ineering, S hangha i U n iversity of E lectric Pow er, S hangha i200090, Ch ina ）Abstract:It is necessary to track and control the maxim um power point ofphotovoltaic bat

33、tery rap idly and accurately to increase the output power of photovoltaic cells . In this paper, fourteen existing M PPT methods are introduced and analyzed, and the advantagesand weaknesses of these m ethods are compared, thefactors of method choice to be considered are pointed out, and the develop

34、ment outlook of maxim um power point track is given. generation Key words: maxim um power point tracking; solar energy; photovoltaic array ; photovoltaic power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

35、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收稿日期 : 2009 - 06 - 02 (特约稿 )chengqim ing sina. com.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 (M axim um Power Point Tracking,M PPT)显得非常重要 .1 光伏阵列的

36、输出功率特性光伏阵列的输出功率特性 P 2 曲线见图 1. U作者简介 : 程启 明 ( 1965 - ) , 男 , 教 授 , 硕 士 生 导 师 , 江 苏 盐 城 人 . 主 要 研 究 方 向 为 发 电 过 程 自 动 化 . E2 mail: 基金项目 : 上海市教育委员会 重点学科建设项目 ( J51301 ) ;上海市教委重点科研项目 ( 06ZZ69 ) .由图 1 可知 , P2 曲线为单凸峰形曲线 , 当光伏阵列 U程启明 , 等 : 光伏电池最大功率点的跟踪方法347的工作电压 U 为 Um 时 , 光伏阵列的输出功率 P 为最 大功率值 Pm , 即为曲线的最 大功

37、率点 .光伏阵列的开路电压和短路电流受日照强度 和温度的影响很大 , 导致系统工作点不确 定 , 从而 降低系统效率 . 此外 , 串联电阻对太阳能电池的输 出也有影响 , 它是太阳能电 池内部所有分布电阻 的集中体现 , 其阻值主要由制造工艺 、环境等因素 决定 . 串联电阻 会产生欧姆损失 , 降低电池的效 率 , 从而改变太阳能电池的输出特性 , 但它并不影 响其 开路电压和短路电流的大小 . 为此 , 光伏阵列必须实现最大功率点跟踪控 制 , 以便阵列在 任何条件下不断获得最大功率输 出 . M PPT 的实现实质上是一个自寻优过程 , 即通 过控 制端电压或其他物理量 , 使光伏阵列

38、能在各 种不同的日照和温度环境下智能化地输出最大 功 率 Pm . 本文主要介绍目前国内 外常 用的 14 种M PPT 实现方法的原理及特点1光伏特性随太阳辐射强度 、 温度及串联电阻 变化曲线分别如图 2a, 图 2b, 图 2c 所 示 .2常用的 M PPT 方法的原理及特点2. 1 电压回授法早期对光伏电池输出功率控制主要利用电压 2 回授 ( Constant Voltage Tracking, CVT)技术 . 图 3 为硅光伏电池阵列具有的伏安特性 . 图 3 中 , L 是负载特性曲线 , 当 温度保持某一固定值 时 , 在不同的日照强度下和伏安特性曲线的交点a, b, c,

39、 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 U = const 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图 1 光伏阵列的输出功率特性 P2 曲线 U图 2 光伏特性随太阳辐射强度 、 温度及串联电阻变化曲线化为一个稳压器 . 这种方法实际上是一种近似最 大功率法 .图 3 光伏电池伏安特性曲线CVT 控制方式具有控制简单 、

40、 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348上 2009 年 海 电 力 学 院 学报获得 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 时 , 其开路电压的下降率为0. 35% 0. 45%. 这表明光伏电池最大功率点对的公式 , 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 Uo 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.2. 4 功率回授法应的电压 Um 也随环境温度的变化而变化 . 对

41、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 .2. 2 开路电压法3 开路电压法 (Open C ircuit Voltage, OCV )类功率回授法 ( Power Feed Back, PFB )和电 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 . 由图 1 的 P 2 曲 线可见 , 当 d P / dU = 0 时 , 即 U 为最大功率点 , 功率反馈法通过采集太阳能电

42、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 控制调整输出电压值 , 即可动态地跟 来 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 .2. 5 扰动观察法1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

43、下最大功率点对 应的输出电压 Um 变化不大 . 同时 , 由实验验证可 知 , 同一辐照度下的 Um 和开路电压 Uo 的比值只 和光伏组件的参 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%) . OCV 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

44、阵列的 Um /Uo 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 .2. 3 短路电流法扰动 观 察 法 ( Perturbation and Observation, 4P&O ) 也称为爬山法 ( H ill Cli bing, HC ) m .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 , 和改变前的 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 4 所示

45、.短路电流法 ( Short Electric Current, SEC )3是根据同一辐照度下最大功率点对应的输出电流Im 和短路电流 Is 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 路电流法和恒 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 Is 变化 迅速 , 而开路电压 Uo 则 变化较缓 . 因此 , 考虑到开关器件的开关频率及 跟踪效率 , 实际使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 I / Is = 0. 9

46、1是一个近似 m图 4 扰动观察法跟踪情况示意假设工作点在 U 1 处 , 光伏电池输出功率为 P1 , 如果使工作点移到 U 2 = U 1 +U , 光伏电池输出功率为 P2 , 比较现时功率 P2 和记忆功率 P1 . 若 P2 P1 , 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 Pm 的左边 , 需要继续增程启明 , 等 : 光伏电池最大功率点的跟踪方法349大电压 , 使工作点继续朝右边即 Pm 的方向移动 . 如果工作 点已 越过 Pm 到达 U4 , 此时 若再增 加 U , 则工作点到达 U5 , 比较结果为 P5 0 时 , U 小于最 大功率点电压 ;

47、当 ( d P / dU ) 0 时 , U 大于最大功 率点电压 ; 当 ( d P / dU ) = 0 时 , U 即为最大功率点 电压 . 因此 , 通过判断 I /U + ( d I / dU ) 即 G + dG ( G 为电导 ) 的符号就可以判断光伏阵列是否工作在最大功率点 . 增量电导法的最大优点是 , 当外界日照强度 发生迅速变化时 , 其 输出端电压能以平稳的方式 追随其变化 , 从而保证最大功率的输出 . 电导增量法和扰动 观察法殊途同归 , 差别仅 在于逻辑判断式和测量参数的取舍 . 虽然增量电 导法仍然是以 改变光伏电池输出电压来达到最大 功率点 , 但是借着修改逻

48、辑判断式来减少在最大 功率 点附近的振荡现象 , 使其更能适应日照强度 和温度瞬息变化的气候条件 . 但这种控制算 法实 现起来相对复杂 , 而且检测精度和速度在一定程 度上会影响跟踪的精度和速度 , 同 时 , 电压增量步 长的选取也比较讲究 , 若步长太大 , 则跟踪的误差 会比较大 , 若步长较小 , 则跟踪的速度会较慢 .2. 8 3 点重心比较法 3 点 重 心 比 较 法 ( Three 2Point W eight Com 26在光伏系统的使用中 , 光伏阵列和负载之间 的接口 通 常 采 用 PW M 型 的 DC /DC 变换器和DC /AC 逆变器 , 通过调整 PW M

49、信号的占空比 D来调节变换器的输入和输出关系 , 从而实现阻抗 匹配功能 . 因此 , 占空比 D 的大 小决定了光伏电 池输出功率 P 的大小 . P 2 关系的曲线示意如图 D 5 所示 . 由图 5 可 见 , P 2 的关系和 P 2 的关系相似 , D U 并且当 d P / dD = 0 时 , 输出功率达到最大 值 , 因 此扰动观察法的原理仍然适用 . 占 空 比 扰 动 法 ( Duty Ratio Perturbation, 4 DRP) 通过当前功率 P 和前一时刻的功率 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

50、制循环 ,图 5 P2 关系曲线示意 Dparison, TPW C )也称滞环比较法, 其工作原理如图 6 所示 .位置 , 所得到的结果可分为图 6 所列的 9 种情况 .其中 , 第 1 个点 A 为当前工作点 , 第 2 个点 B 为 在 A 点的基础上增加 D 的工 作点 , 第 3 个点 C 为在 A 点的基础上减小 D 的工作点 . 在分析之 前 , 先引入一个 状态量 M . 如果 B 点功率大于或等于 A 点功率 , 则状态量为正 , 否则为负 ; 如果 C在图 1 的 P 2 曲线顶点附近任意取 3 点不同 U350上 2009 年 海 电 力 学 院 学报点功率小于 A

51、点功率 , 则状态量为正 , 否则为负 . 当状态量有两个正时 , M = 2, 则应增加扰动量来 加大输出电压 ; 如果状态量有两个负时 , M = - 2,则应减小扰动量来减小输出电压 ; 当状态量正 、 负 各为一个时 , M = 0, 则电压扰动量不改变 , 此时被 视 为到达最大功率点或者是日照强度快速变化 .由于此时斜率较小 , 则提供较小的扰动量 , 反之当 工作点位于最大功率点右侧时 , 电 压以较大的幅 度减少 . 这样 , 便可改善于最大功率输出点附近振 荡追逐的缺点 , 同时扰 动观察法也有不错的响应 速率 .图 6 最大功率点附近可能出现的 9 种情况在扰动观测法的基本

52、思想中有两点比较 , 即 当前工作点和前一个扰动点相比较 , 判 断功率变 化的方向来决定工作电压移动的方向 , 这种方法 除了带来一些能量损失之外 , 还会带来如前所述 的误判 . 当日照强度并不快速变化时 , 多余的扰动 会带来能量损失 . 因此 , 3 点重心比较法 TPWC 可 以在日照强度快速变化时并不快速移动工作点 ( 也许只是 干扰或者数据误读 ) , 以减小扰动损 失 . 但此法的算法相对比较麻烦 , 而且对处理器的 运算速度和存储容量有较高的要求 .2. 9 最优梯度法图 7 用最优梯度法进行 M PPT 的搜索过程最优梯度法的缺点是 : 迭代求出的解可能是 局部最优解 ,

53、而不是全局最优 ; 对目标 函数要求较 高 , 如要求一阶可导等 ; 依赖于初始值 , 如果初始 值取得不好 , 难以得到好 的收敛结果 ; 需要进行步 长选择 , 而且步长值对算法性能影响很大 .2. 10 间歇扫描跟踪法7 间歇扫描法 ( Interm ittent Scan Track, IST) 的核心思想是定时扫描一段阵列 电压 ( 一般为 0. 5 0. 9 倍的开路电压 ) , 同时记录下不同电压最优梯度法 ( Op tim al Gradient, OG )是一 种以梯度法为基础的多维无约束最优化问题的数 值计算法 . 其基本思想是选取目标函数的正梯度 方向作为每步迭代的搜索方

54、向 , 逐步逼近函数的 最大值 . 梯度法是一种传统且被广泛运用于求取 函数极值的方法 , 该方 法运算简单 , 有着令人满意 的分析结果 . 最优梯度法保留了扰动观察法的各种优点 , 同 时藉由一个类似动态的扰动量来改变在太阳能 输出功率曲线上电压的收敛速度 , 如图 7 所 示 . 当工作点位于最大功率点左侧时 , 电压以较 大的幅度增加 , 当工作点位于最大功率 点附近时 ,1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

55、定时扫描程启明 , 等 : 光伏电池最大功率点的跟踪方法351 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使用中 , 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使用 , 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

56、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 .2. 11功率数学模型法盖光伏电池模组引起的多重最大值问题 .2. 13模糊逻辑法 10 模糊逻辑法 ( Fuzzy Logic, FL ) 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

57、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 .2. 14 神经网络预测法功率数学模型法 ( Power M ath Model, 8 PMM )是建立在 Lagrange 定理基础上的一种跟 踪方法 . 具体描述为在一定的温度和日照强度下 , 通过检测电压及其对应 的功率得到若干组数据 , 利用 Lagrange 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

58、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 .2. 12实际测量法是利用神经网络结构来 参数 , 例如当前的开路神经网络预测法 ( Neural Network Prediction, 11 NNP ) 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

59、的 电压 Uo , 短路电流 Is 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 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

60、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 ,实际测量法 ( Actual M easurement, AC )9主也是 NNP法的优点 .每隔一段时 间实际测量此块电池的开路电压和短要是利用一片额外的光伏电池模组 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3 M PPT 方法的选择和展望3