鄭 蕾，黃克亞

（南京鐵道職業(yè)技術(shù)學(xué)院，蘇州 215137）

0 引言

模糊控制是一種仿人思維的控制技術(shù)，它不依賴于被控過程的數(shù)學(xué)模型。但是它需要利用專家的先驗知識進行近似推理，缺乏在線自習或是自調(diào)整的能力。因此自動生成、調(diào)整隸屬函數(shù)或是調(diào)整模糊控制規(guī)則，往往成為進行模糊控制的難題。

神經(jīng)網(wǎng)絡(luò)對環(huán)境的變化有極強的自習能力，在建模方面具有黑箱學(xué)習模式特點。然而在學(xué)習完成后，從輸入、輸出數(shù)據(jù)得出的關(guān)系卻無法用人們易于接受的方式表示出來。如果能將模糊理論表達知識能力和神經(jīng)網(wǎng)絡(luò)的自學(xué)能力結(jié)合起來，提高整個系統(tǒng)對知識的學(xué)習和表達能力，無疑會受到控制工程界的極大歡迎[1]。

論文嘗試利用Matlab神經(jīng)網(wǎng)絡(luò)工具箱，由實測數(shù)據(jù)自動產(chǎn)生模糊控制規(guī)則，并將其嵌入到光伏系統(tǒng)MPPT模糊控制過程當中。

1 光伏陣列MPPT原理

光伏組件的輸出存在著功率最大點，在特定的溫度和光照條件下，組件能否工作在最大功率點取決于組件所帶的負載大小，圖1是用圖解法得出光伏組件的工作點的示意圖。其中a圖是光伏組件工作時的等效電路圖，b圖中曲線為太陽能光伏組件輸出的電流電壓（I-V）曲線，直線表示負載

圖1 光伏陣列等效電路及I-V曲線

電阻的I-V特性，二者的交點即為光伏組件的工作點，工作點的電壓電流既要符合光伏組件的I-V特性又符合負載自身的I-V特性。如果兩條線的交點不在最大功率點，此時負載和光伏組件就處于失配狀態(tài)，光伏組件所產(chǎn)生的電能就沒有被充分利用。

外界的環(huán)境因素，通常是無法人為改變的，溫度和光照在一天中是變化的，方陣的輸出特性也隨之變化，要使光伏方陣始終能夠輸出最大功率，必須適變其所接的負載。論文選擇Boost電路作為系統(tǒng)DC-DC變換電路，實現(xiàn)負載等效電阻的改變，其電路結(jié)構(gòu)如圖2所示。

圖2 升壓式變換器電路圖

推導(dǎo)得出Boost電路阻抗變換關(guān)系[2]如式(1)所示。

其中：R’：BOOST電路等效輸人阻抗，D：開關(guān)占空比，RL：負載阻抗。式中不考慮BOOST電路電感的自身電阻。

由此可知光伏方陣所接的等效負載是DC-DC變換器占空比D和其所帶負載的函數(shù)，調(diào)節(jié)變換器的占空比就可以達到改變光伏方陣等效負載的目的，使之在不同的外部環(huán)境下始終跟隨光伏陣列的內(nèi)阻變化，兩者動態(tài)負載匹配時就可以獲得光伏陣列組件的最大輸出功率，從而實現(xiàn)最大功率跟蹤。

2 光伏系統(tǒng)MPPT模糊控制算法

光伏系統(tǒng)是一個強非線性系統(tǒng)，太陽能電池的工作情況也很難以用精確的數(shù)學(xué)模型描述出來，因此采用模糊控制的方法來進行光伏系統(tǒng)最大功率點跟蹤是非常合適的。

2.1 輸入和輸出變量的確立

基于擾動觀察法的原理，根據(jù)功率值的變化量和前一時刻的占空比調(diào)整步長，來決定這一時刻的占空比調(diào)整步長[3]。取目標函數(shù)為光伏電池的輸出功率，控制量為用來控制開關(guān)管的PWM信號的占空比D。模糊自尋優(yōu)控制器的第n時刻的輸入量為第n時刻的功率變化量和第n-1時刻的占空比步長值，第n時刻的輸出量為第n時刻的占空比步長值。圖3為控制原理框圖。

圖3 光伏系統(tǒng)模糊控制原理圖

輸入：(1)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(yīng)于模糊集論域中的值。(2)a(n-1)表示第n-1時刻步長的實際值，A(n-1)表示這個步長值對應(yīng)于模糊集論域中的值。

輸出：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(yīng)于模糊集論域中的值。

Ke、Ka分別為量化因子。

2.2 確定輸入/輸出量模糊子集及論域

將語言變量E，A 分別定義為8個和6個模糊子集，其中A(n-1)和A(n)變量子集和論域相同，統(tǒng)一將其命名為A。

E ={NB ，NM ，NS，NO，PO，PS，PM ，PB}

A ={NB，NM，NS，PS，PM，PB}

其中NB ，NM ，NS ，NO，PO，PS ，PM ，PB分別表示負大，負中，負小，負0，正0，正小，正中，正大模糊概念。并將它們論域規(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}

2.3 模糊推理規(guī)則確定

模糊控制規(guī)則是模糊控制器的核心，直接影響控制的成敗和效果，一般由有經(jīng)驗技術(shù)工人和專家經(jīng)過長時間的操作、觀察和積累經(jīng)驗總結(jié)出來。但是這種總結(jié)積累存在如下困難：1）技術(shù)人員雖能很好地操作被控系統(tǒng)，但未必能夠用清晰的語言表述成合格的模糊規(guī)則；2）由于語言表述的控制規(guī)則具有模糊性，往往不夠完整和充分，致使其他技術(shù)人員按文操作卻達不到技術(shù)要求；3）如果模糊規(guī)則太多，靠人工很難總結(jié)出來。本節(jié)討論利用Matlab神經(jīng)網(wǎng)絡(luò)工具箱，由實測數(shù)據(jù)自動產(chǎn)生模糊控制規(guī)則。具體實現(xiàn)過程分四步闡釋。

2.3.1 產(chǎn)生實驗數(shù)據(jù)

模糊控制規(guī)則產(chǎn)生和分析的依據(jù)是技術(shù)和專家的實測數(shù)據(jù)，可將每次操作的輸入輸出進行記錄，形成表格輸入電腦。通過實驗測得模糊控制器各種條件下輸入輸出，并用記事本記錄存儲，如圖4所示，其中第一列表示功率差E(n)，第二列表示上次擾動步長A(n-1)，第三列表示系統(tǒng)輸出即本次擾動步長A(n)。在Matlab運行時將數(shù)據(jù)導(dǎo)入到工作空間去。

圖4 實測模糊控制器輸入輸出數(shù)據(jù)

2.3.2 裝入訓(xùn)練與測試數(shù)據(jù)

在Matlab主窗口，輸入anfisedit，回車，打開自適應(yīng)神經(jīng)模糊系統(tǒng)編輯界面。ANFIS是把神經(jīng)網(wǎng)絡(luò)理論和T-S模糊推理結(jié)合在一起的一個系統(tǒng)，它可根據(jù)大量數(shù)據(jù)，通過自適應(yīng)建模方法建立起模糊推理系統(tǒng)（FIS）。點擊ANFIS編輯器界面左下方Load data區(qū)域操作按鈕，依次由工作空間載入訓(xùn)練數(shù)據(jù)、測試數(shù)據(jù)進入編輯器。

2.3.3 生成初始FIS

在ANFIS編輯器Generate FIS編輯區(qū)，選擇Grid partition(網(wǎng)格法)作為生成算法，并設(shè)置輸入量的模糊子集分別為[6,8]，隸屬函數(shù)類型為高斯型，輸出隸屬函數(shù)為常數(shù)類型，點擊生成按鈕生成初FIS。此時還可更改輸入輸出變量的名稱，以及修改模糊子集名稱。生成初始FIS，只是確定系統(tǒng)結(jié)構(gòu)，系統(tǒng)并沒有輸出，要想確定模糊控制規(guī)則，必須根據(jù)實測數(shù)據(jù)進行訓(xùn)練。

2.3.4 訓(xùn)練初始FIS

通過設(shè)置Train FIS選項卡，選擇混合法（hybrid）作為訓(xùn)練方法，設(shè)置誤差精度（Error Tolerance）為0，最大訓(xùn)練次數(shù)(Epochs)為60，開始進行訓(xùn)練。訓(xùn)練完成之后即已經(jīng)根據(jù)實測數(shù)據(jù)生成新的模糊推理系統(tǒng)。

圖5 人工神經(jīng)網(wǎng)法生成FIS與理想FIS比較圖

通過與模糊控制系統(tǒng)理想FIS（理論分析）進行比較如圖5所示，發(fā)現(xiàn)通過人工神經(jīng)網(wǎng)絡(luò)法生成的FIS和理想FIS幾乎是完全一樣的，說明人工神經(jīng)網(wǎng)絡(luò)法自動生成模糊FIS方法是是簡便、高效、更加客觀科學(xué)的。

2.4 解模糊方法的建立

在模糊控制編輯器中，模糊決策選擇成熟且容易實現(xiàn)的Mamdani推理算法，“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[4]選擇具有較高精度的重心法（centroid）。

3 模糊MPPT控制的仿真分析

利用上面的理解，在Matlab Simulink中建立如圖6的仿真模型[5]，模糊控制器的輸入為n時刻的功率差值和n-1時刻的占空比步長值，輸出為n時刻的占空比步長值。光伏電池模型、Boost電路采用嵌入函數(shù)形式來完成。需要指出的是量化因子Ke和Ka負責將功率差實際值e和步長實際值a，變換到模糊控制器輸入變量的論域范圍內(nèi)。

設(shè)置仿真參數(shù)：仿真時間1s，仿真算法為Fixed-step Discrete，步長0.0001s，系統(tǒng)初始工作條件為光照強度由900W/m2，溫度為15℃，并使系統(tǒng)在0.3s時光照強度由900W/m2變化到1000W/m2，在0.5s時溫度由15℃變化-15℃。運行仿真后就可通過scope觀察系統(tǒng)的仿真輸出結(jié)果如圖7所示。

圖6 模糊控制實現(xiàn)MPPT仿真電路圖

圖7 模糊控制光照和溫度變化時功率曲線

由圖7可知，系統(tǒng)能夠快速地跟蹤到最大功率點，當系統(tǒng)環(huán)境發(fā)生變化時，采用模糊控制方式能夠快速響應(yīng)，并能穩(wěn)定于新的最大功率點，沒有發(fā)生誤判，穩(wěn)態(tài)也沒有出現(xiàn)振蕩，表現(xiàn)出良好的動態(tài)和穩(wěn)態(tài)性能。

4 實驗及結(jié)果分析

圖8 MPPT控制系統(tǒng)總體框圖

獨立光伏系統(tǒng)主要利用光伏陣列，將太陽能轉(zhuǎn)換為電能，以DC-DC變換電路，變換出合適的電壓供給直流負載使用。由于太陽能電池的輸出有不穩(wěn)壓性，為獲得連續(xù)的電能，有時還要加入蓄電池模塊，以使電壓電流平穩(wěn)。為保證整個光伏系統(tǒng)輸出處于最大功率點，提高太陽能電池的利用率，我們還要設(shè)計MPPT控制器以使系統(tǒng)始終處于最大功率點。系統(tǒng)總體框圖如圖8所示。

控制系統(tǒng)核心由低功耗、高性能CMOS 8位微控制器AT89S55實現(xiàn)。光伏電池選擇經(jīng)典的Solarex MSx60 60W電池板，在標準測試條件下，即光強1000W/m2，溫度為25℃，其基本參數(shù)：最大功率Pm=59.9W、峰值工作電流Im=3.5A、峰值工作電壓Vm=17.1V、短路電流Uoc=3.74A、開路電壓Isc=21.0V。程序采用單片機開發(fā)語言C51編寫，雖然本論文采用了復(fù)雜的人工神經(jīng)網(wǎng)法自動生成模糊控制規(guī)則，但這部分計算是由計算機來處理的，所以在編寫控制程序時只要根據(jù)生成的規(guī)則表進行推理即可。

完成系統(tǒng)硬件電路設(shè)計，編寫控制程序，當天氣晴朗，光照較強，使太陽能電池板正面接受光照，通過示波器觀察光伏陣列輸出波形。圖9為光照突然改變時系統(tǒng)輸出電壓、電流波形。實驗表明當外界環(huán)境穩(wěn)定系統(tǒng)能夠穩(wěn)定工作于最大功率點，當光強或是溫度發(fā)生改變時，系統(tǒng)能夠快速響應(yīng)找到新的最大功率點并穩(wěn)定運行。對比于傳統(tǒng)的擾動觀察法和電導(dǎo)增量法，采用模糊神經(jīng)網(wǎng)絡(luò)法光伏系統(tǒng)MPPT控制方法表現(xiàn)出更好的動態(tài)性能和穩(wěn)態(tài)性能。

圖9 光照強度發(fā)生改變時實驗波形圖

5 結(jié)束語

論文分析了利用Boost電路實現(xiàn)光伏發(fā)電系統(tǒng)MPPT的原理，提出控制思路。重點討論了基于模糊控制的MPPT算法，關(guān)鍵技術(shù)是借助人工神經(jīng)網(wǎng)絡(luò)法，由實測數(shù)據(jù)生成模糊控制規(guī)則。仿真和實驗顯示采用該方法能夠找到光伏發(fā)電系統(tǒng)最大功率點，并且當環(huán)境發(fā)生變化時能夠快速響應(yīng)，表現(xiàn)出較好的動態(tài)性能和穩(wěn)態(tài)性能。

[1] 石辛民,郝整清.模糊控制及其MATLAB仿真[M].北京:清華大學(xué)出版社,2008.

[3] 喬興宏,吳必軍,鄧贊高,游亞戈.模糊/PID雙?？刂圃诠夥l(fā)電MPPT中應(yīng)用[J].電力自動化設(shè)備,2008,28(10):92-95.

[4] Chung-Yuen Won,Duk-Heon Kim,Sei-Chan Kim.A new maximum power point tracker of photovoltaic arrays using fuzzy controller[J].IEEE Trans Ind Electron,2004,(3):396-403.

[5] 李維波.MATLAB在電氣工程中的應(yīng)用[M].北京:中國電力出版社,2007.