(福州大學(xué)電氣工程與自動(dòng)化學(xué)院，福建 福州 350108)

1 引言

隨著科技的發(fā)展和技術(shù)的進(jìn)步，人們對能源的需求日益增長。然而，隨著人們使用能源特別是化石能源的數(shù)量越來越多，能源對人類經(jīng)濟(jì)社會的制約，及對環(huán)境的污染影響也日益加劇[1]。同時(shí)由于傳統(tǒng)化石能源的不可再生性，開發(fā)無污染的新能源已然成為人類社會發(fā)展的必然趨勢。在眾多新能源中，太陽能由于其幾乎取之不盡，存在普遍，對生態(tài)影響小等特點(diǎn)廣受青睞。太陽能發(fā)電目前有光伏和光熱兩種發(fā)電模式，其中光伏發(fā)電的模式由于結(jié)構(gòu)簡單，易于維護(hù)，且方便運(yùn)輸安裝等特點(diǎn)被廣泛運(yùn)用。然而，光伏元件的光電轉(zhuǎn)換效能通常低于20%[2]。因此,目前最主要的課題是如何提高光伏組件的光電轉(zhuǎn)換效率。

隨著外界照度和溫度的變化，光伏組件的輸出電壓和電流為非線性相關(guān)，該性質(zhì)體現(xiàn)在其P-V曲線上，在特定的條件下存在唯一的最大功率點(diǎn)(MPP)。因此，如何人為的控制光伏組件，使其穩(wěn)定工作在最大功率點(diǎn)(MPPT)，成為了學(xué)術(shù)界重點(diǎn)的研究對象。本文按照MPPT的不同種類，對目前常用的幾種方法進(jìn)行了歸納，分析其各自的特點(diǎn)，并總結(jié)其目前的發(fā)展趨勢。

2 傳統(tǒng)的MPPT方法

傳統(tǒng)的最大功率點(diǎn)跟蹤方法主要分為直接MPPT和間接MPPT兩種類型。間接MPPT主要有開路電壓法和短路電流法。該方法因?yàn)椴恍枰獙敵龉β蔬M(jìn)行測量，控制邏輯簡單，易于實(shí)現(xiàn)，但只能近似跟蹤到最大功率點(diǎn)。當(dāng)光伏模塊隨著使用時(shí)間的推移出現(xiàn)參數(shù)漂移時(shí)，會出現(xiàn)大量的能量損失。

直接MPPT有擾動(dòng)觀察法(P&O)，電導(dǎo)增量法(INC)等。這兩種方法只適用于單峰P-V曲線。

2.1 擾動(dòng)觀察法(P&O)

擾動(dòng)觀察法是最常用的直接MPPT算法，具有實(shí)現(xiàn)簡單，成本低廉的優(yōu)點(diǎn)。其基本思路是持續(xù)對光伏電池輸出端的電壓施以擾動(dòng)ΔU，每次擾動(dòng)通過對輸出端電壓和電流進(jìn)行采集，計(jì)算出擾動(dòng)后功率值的增量ΔP。如果ΔP為正，說明上一次擾動(dòng)使工作點(diǎn)電壓接近最大功率點(diǎn)電壓，擾動(dòng)方向正確，下一次的擾動(dòng)量依然保持為ΔU。如果ΔP為負(fù)，說明該擾動(dòng)使工作點(diǎn)電壓遠(yuǎn)離最大功率點(diǎn)電壓，下一次的擾動(dòng)量取-ΔU。通過持續(xù)施加擾動(dòng)，使工作點(diǎn)逐漸趨近于最大功率點(diǎn)。然而，當(dāng)功率到達(dá)MPP后，控制系統(tǒng)的擾動(dòng)不會停止，而會在MPP附近振蕩，這是P&O方法最主要的一個(gè)缺點(diǎn)。此外，擾動(dòng)觀察法的跟蹤速度不足，并且在外界環(huán)境急劇變化的情況下跟蹤效果差。

學(xué)者針對P&O法提出了一些改進(jìn)：文獻(xiàn)[3]提出了一種自適應(yīng)步長的擾動(dòng)觀察法，文獻(xiàn)[4]提出了一種基于擾動(dòng)觀察的拋物線逼近法，都取得了不錯(cuò)的效果。

2.2 電導(dǎo)增量法(INC)

整理后可得：

學(xué)者針對INC法提出了一些改進(jìn)：文獻(xiàn)[6]提出了一種變步長的增量電導(dǎo)法，提升了跟蹤到 MPP的速度，文獻(xiàn)[7]采用了INC和固定電壓法結(jié)合的方法，文獻(xiàn)[8]提出一種新型雙并聯(lián)Boost電路的功率預(yù)測改進(jìn)電導(dǎo)增量法最大功率跟蹤策略，等。

3 傳統(tǒng)方法的局限及智能算法的提出

目前通常將復(fù)數(shù)的光伏組件進(jìn)行串并聯(lián)，構(gòu)成光伏陣列集中控制對外輸出電能。光伏組件在不同的光照條件下，將會工作于不同的工況。不同工況的組件串并聯(lián)，可能會產(chǎn)生“熱斑效應(yīng)”[9]。為了避免熱斑效應(yīng)，通常將光伏組件并聯(lián)一個(gè)旁路二極管。旁路二極管的結(jié)構(gòu)使光伏陣列在局部陰影下時(shí)，最終輸出的P-V曲線呈現(xiàn)出多峰值。該情況下，傳統(tǒng)MPP方法會因?yàn)橄萑刖植繕O值點(diǎn)而失效，從而造成嚴(yán)重的功率損失。

針對局部陰影的情況，文獻(xiàn)[10-11]提出一種全局掃描法，通過對電壓間隔采樣，分別計(jì)算對應(yīng)的輸出功率；文獻(xiàn)[12]提出一種功率補(bǔ)償方法，通過并聯(lián)電源補(bǔ)償處于陰影狀態(tài)的模塊，進(jìn)而將多峰值的P-V曲線校正為單峰值，從而可以使用傳統(tǒng)方法進(jìn)行MPPT。此外，學(xué)著們還提出采用智能算法進(jìn)行MPPT，例如基于群智能的優(yōu)化方法，基于人工智能理論的神經(jīng)網(wǎng)絡(luò)方法，以及模糊控制法等。

3.1 群智能優(yōu)化方法

采用群智能算法進(jìn)行MPPT主要有粒子群算法(PSO)，蟻群算法(ACO)，貓群算法(CSO)等。目前應(yīng)用最廣泛的是PSO方法。

粒子群算法(PSO)源于對鳥類捕食的研究[13]，主要流程為在空間中初始化一群粒子，賦予其隨機(jī)位置及初速度，并計(jì)算出每個(gè)粒子對應(yīng)的適應(yīng)度及最優(yōu)個(gè)體的適應(yīng)度。之后粒子在解空間中運(yùn)動(dòng)，其速度的更新取決于該粒子的個(gè)體最優(yōu)值pbest以及全局最優(yōu)值gbest。其中pbest指的是該粒子曾到訪過的最優(yōu)位置，gbest是指全體粒子到訪過的最優(yōu)位置。每更新一代則重新計(jì)算適應(yīng)度，更新pbest與gbest，直到種群滿足迭代收斂條件或達(dá)到最大迭代次數(shù)。

使用PSO算法進(jìn)行MPPT的控制方法有三種：電流控制，電壓控制及占空比控制，每個(gè)粒子所在的位置對應(yīng)為該點(diǎn)的電流，電壓或是占空比，粒子適應(yīng)度對應(yīng)為粒子所在位置對應(yīng)的輸出功率。通過對各個(gè)點(diǎn)的功率進(jìn)行采樣，計(jì)算下一次迭代各粒子的位置，在多次迭代后最終收斂在全局最優(yōu)點(diǎn)。

PSO算法的主要優(yōu)勢有：控制簡單，易于實(shí)現(xiàn)，控制器價(jià)格低廉，容易與其他算法結(jié)合，并且在局部陰影等極端情況下依然適用。缺點(diǎn)有：容易收斂到局部極值點(diǎn)[14]，收斂速度緩慢，由于隨機(jī)因素的存在，系統(tǒng)具有不可控性[15]，等。針對這些問題，目前主要將粒子群算法同其他方法相結(jié)合，提高收斂速度和準(zhǔn)確度。文獻(xiàn)[16]提出了一種無隨機(jī)參數(shù)的粒子群MPPT方法，文獻(xiàn)[17]提出了一種混沌粒子群MPPT方法，文獻(xiàn)提出了一種集中控制型的多維粒子群MPPT方法。文獻(xiàn)[18]提出在粒子初始化時(shí)，將初始粒子固定在可能的最大功率點(diǎn)處，從而提高收斂速度。文獻(xiàn)[19]提出一種粒子群和魚群算法相結(jié)合的方法，文獻(xiàn)[20]采用了粒子群和模擬退火算法相結(jié)合的方法，都取得了不錯(cuò)的效果。

3.2 神經(jīng)網(wǎng)絡(luò)控制

通常采用BP神經(jīng)網(wǎng)絡(luò)對光伏陣列進(jìn)行MPPT控制。BP網(wǎng)絡(luò)的學(xué)習(xí)方式是一種梯度下降法，采用誤差逆?zhèn)鞑サ挠?xùn)練方法進(jìn)行學(xué)習(xí)。其本質(zhì)上是一個(gè)“黑盒”：可以用來儲存“輸入”和“輸出”間的映射關(guān)系，卻不必預(yù)先得知該關(guān)系的具體數(shù)學(xué)方程。其結(jié)構(gòu)由輸入層，隱層，輸出層構(gòu)成，每一個(gè)神經(jīng)元由一個(gè)節(jié)點(diǎn)表示，不同層之間的節(jié)點(diǎn)由“權(quán)”相連。權(quán)值的更新采用的是誤差反向傳播算法(BP算法)，通過大量的預(yù)訓(xùn)練數(shù)據(jù)，計(jì)算實(shí)際輸出和期望輸出之間的誤差，將誤差反向傳播對各層的權(quán)值進(jìn)行不斷的修正，從而形成一個(gè)相對準(zhǔn)確的控制系統(tǒng)。

利用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行MPPT，本質(zhì)上是利用外界的時(shí)間、光照強(qiáng)度和溫度，對可能的最大功率點(diǎn)電壓進(jìn)行預(yù)測。輸入層一般有三個(gè)神經(jīng)元，分別為當(dāng)前的時(shí)間、光照強(qiáng)度和溫度，輸出層有一個(gè)神經(jīng)元，即預(yù)測的最大功率點(diǎn)電壓，隱層包含有數(shù)個(gè)神經(jīng)元。預(yù)先通過采集大量數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，從而完成由時(shí)間、光照強(qiáng)度和溫度到的映射。

由于反向傳輸是一個(gè)迭代的過程，神經(jīng)網(wǎng)絡(luò)需要大量的訓(xùn)練數(shù)據(jù)，且訓(xùn)練過程相對耗時(shí)，獲取局部陰影下的可靠數(shù)據(jù)更是一項(xiàng)挑戰(zhàn)。并且局部陰影的訓(xùn)練數(shù)據(jù)有限，只支持幾種預(yù)定義的陰影模式，但在實(shí)際使用的過程中，陰影模式不確定，系統(tǒng)的泛化能力難以得到保證。此外，在線反復(fù)進(jìn)行自學(xué)習(xí)訓(xùn)練計(jì)算對微處理器的性能要求很高，另外需要對不同類型的光伏模塊或陣列進(jìn)行特定修正?？紤]到光伏模塊長期使用中發(fā)生的數(shù)據(jù)漂移，還需要定期的修正周期，泛用性不高。

對此，文獻(xiàn)[21]針對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)對MPP點(diǎn)處電壓的預(yù)測誤差較大的問題，提出了一種遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法。文獻(xiàn)[22]提出了基于橢圓基的廣義動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)，有效地克服了最大功率點(diǎn)震蕩問題，提高了系統(tǒng)的自適應(yīng)能力。文獻(xiàn)[23]提出一種灰色BP神經(jīng)網(wǎng)絡(luò)，使MPPT過程更加準(zhǔn)確迅速。文獻(xiàn)[24]提出一種基于神經(jīng)網(wǎng)絡(luò)滑膜控制技術(shù)的MPPT方法，簡化了控制系統(tǒng)，提高了魯棒性。

3.3 模糊邏輯控制

模糊邏輯控制法[25]是一種模仿人類決策的人工智能算法[26]，該方法本質(zhì)上是一種以人們的經(jīng)驗(yàn)直覺為基礎(chǔ)的邏輯系統(tǒng)，在解決問題時(shí)不依賴于問題的具體數(shù)學(xué)模型，但需要通過專家系統(tǒng)的先驗(yàn)知識進(jìn)行推理，適用于數(shù)學(xué)模型難以確定的系統(tǒng)，類似于一種映射輸入輸出關(guān)系的函數(shù)估計(jì)器。使用模糊邏輯控制法進(jìn)行最大功率點(diǎn)跟蹤的基本步驟分為三步：將輸出功率對電壓或電流的變化量及變化率模糊化，之后根據(jù)專家經(jīng)驗(yàn)進(jìn)行評判，給出電壓或電流的隸屬度，最后根據(jù)該隸屬度進(jìn)行解模糊，通過隸屬函數(shù)，將模糊量轉(zhuǎn)變?yōu)榫_的控制量輸出，從而實(shí)現(xiàn)MPPT。

模糊控制同神經(jīng)網(wǎng)絡(luò)控制一樣，不依賴控制對象的精確數(shù)學(xué)模型。但相比神經(jīng)網(wǎng)絡(luò)，缺乏在線自習(xí)及自我調(diào)整的能力。并且專家經(jīng)驗(yàn)的建立和表述，隸屬函數(shù)和模糊控制規(guī)則的調(diào)整也是其中的難點(diǎn)。

文獻(xiàn)[27]提出了一種將模糊控制同PID控制結(jié)合的MPPT方法。文獻(xiàn)[28]提出一種將模糊控制和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，提高了跟蹤速度和準(zhǔn)確度。文獻(xiàn)[29]采用了一種非對稱模糊控制MPPT，文獻(xiàn)(光伏陣列最大功率跟蹤變論域模糊控制)采用變論域模糊控制方法實(shí)現(xiàn)MPPT，在響應(yīng)速度，跟蹤精度和輸出功率上都有提升。

4 結(jié)論

追求能源利用的效率最大化，是人類永恒的追求。特別是在光伏電池的材料，儲能技術(shù)等均處于瓶頸的現(xiàn)在，如何提高光伏發(fā)電的效率是目前研究的主要方向。對MPP進(jìn)行精確的跟蹤從而保證系統(tǒng)輸出功率最大化，對光伏系統(tǒng)的效率影響重大。本文介紹的幾種MPPT方案都有各自的優(yōu)點(diǎn)及局限性，傳統(tǒng)方法在局部陰影下會失效，智能方法可以跟蹤到最大功率點(diǎn)，但方法本身復(fù)雜性和對硬件設(shè)備的依賴性更高。盡管如此，由于其適用于多峰值P-V曲線，可以對于日常使用中出現(xiàn)的局部陰影狀態(tài)進(jìn)行MPPT，故該方法將成為未來的主流。對于最大功率點(diǎn)跟蹤控制方法的研究，還有著廣闊的發(fā)展空間。目前研究的主流趨勢是將數(shù)種MPPT控制方法相結(jié)合，抑或是根據(jù)不同環(huán)境或不同的MPPT階段，采用不同的方法。