劉剛，王正平，劉莉，張曉輝，曹瀟

北京理工大學(xué) 宇航學(xué)院，北京 100081

太陽(yáng)能無(wú)人機(jī)是將太陽(yáng)光轉(zhuǎn)換為電能作為其能量來(lái)源[1]，為了滿足無(wú)人機(jī)飛行性能需求，太陽(yáng)能無(wú)人機(jī)一般采用太陽(yáng)能電池與蓄電池混合能源的方式[2]，能源管理與控制是其關(guān)鍵技術(shù)之一。

能源管理的目標(biāo)是充分利用各能源優(yōu)勢(shì)，提高混合能源系統(tǒng)效能。能源管理策略可分為基于規(guī)則的策略和基于優(yōu)化的策略[3-5]?；谝?guī)則的能源管理策略已廣泛應(yīng)用于混合動(dòng)力汽車工業(yè)[4]?；趦?yōu)化的能源管理策略思路是根據(jù)目標(biāo)函數(shù)和約束條件，使用優(yōu)化算法在可行域內(nèi)進(jìn)行搜索，使目標(biāo)函數(shù)能夠取到最優(yōu)值或次優(yōu)值。主要包括全局優(yōu)化策略(如動(dòng)態(tài)規(guī)劃[6]等)和非全局優(yōu)化策略(如等效燃料消耗最小策略[7]等)。太陽(yáng)能無(wú)人機(jī)的混合能源管理策略也得到了一定的研究[2,8-10]。

在飛行過(guò)程中，飛鳥、云彩等外界因素會(huì)對(duì)太陽(yáng)能電池造成遮擋；在日出、日落以及轉(zhuǎn)彎?rùn)C(jī)動(dòng)過(guò)程中，螺旋槳、垂尾、安定面等也會(huì)對(duì)太陽(yáng)能電池造成遮擋；這些都會(huì)在太陽(yáng)能無(wú)人機(jī)的太陽(yáng)能電池上產(chǎn)生局部陰影現(xiàn)象。在均勻輻照情況下，太陽(yáng)能電池的功率-電壓(P-V)曲線只有一個(gè)最大功率點(diǎn)，而局部陰影情況下，由于旁路二極管的存在，太陽(yáng)能電池的P-V曲線上會(huì)存在多個(gè)峰值。為了處理局部陰影情況下的多極值問(wèn)題，研究者提出了多種基于現(xiàn)代優(yōu)化方法的最大功率點(diǎn)追蹤(MPPT)技術(shù)[11]，進(jìn)化算法有著較好的表現(xiàn)[12]。螢火蟲算法[13]是一種基于群體的尋優(yōu)算法，具有計(jì)算效率高、設(shè)置參數(shù)少、易于實(shí)現(xiàn)等優(yōu)點(diǎn)[14]，目前已廣泛應(yīng)用于圖像處理[15]、函數(shù)優(yōu)化[16]、數(shù)據(jù)挖掘[17]、路徑規(guī)劃[18]等研究領(lǐng)域。2014年，Sundareswaran等[19]采用螢火蟲算法，實(shí)現(xiàn)了太陽(yáng)能電池在局部陰影條件下的最大功率點(diǎn)追蹤。2015年，Safarudin等[20]提出了簡(jiǎn)化螢火蟲算法，通過(guò)不斷更新β系數(shù)，忽略α和γ系數(shù)來(lái)簡(jiǎn)化算法。2017年，Teshome等[21]使用所有螢火蟲的平均坐標(biāo)作為代表點(diǎn)改進(jìn)螢火蟲算法，單個(gè)螢火蟲僅朝向平均坐標(biāo)移動(dòng)，通過(guò)減少螢火蟲的移動(dòng)次數(shù)來(lái)提高跟蹤速度。

本文針對(duì)太陽(yáng)能無(wú)人機(jī)飛行過(guò)程中太陽(yáng)能電池可能出現(xiàn)局部遮擋的問(wèn)題，開(kāi)展局部遮擋情況下太陽(yáng)能電池/蓄電池混合控制研究。首先，對(duì)螢火蟲算法進(jìn)行改進(jìn)，提高太陽(yáng)能電池陣列功率曲線多極值情況下全局最大功率點(diǎn)的追蹤效率；然后，設(shè)計(jì)考慮局部陰影情況下太陽(yáng)能無(wú)人機(jī)的太陽(yáng)能電池/蓄電池混合能源狀態(tài)機(jī)控制規(guī)則；最后，以“蒲公英I”無(wú)人機(jī)[22]為例，開(kāi)展仿真分析，驗(yàn)證本文方法的效果。

1 基于改進(jìn)螢火蟲算法的最大功率點(diǎn)追蹤

1.1 螢火蟲算法的改進(jìn)

螢火蟲算法(Firefly Algorithm, FA)是一種啟發(fā)式算法，把空間各點(diǎn)看成螢火蟲，利用發(fā)光強(qiáng)的螢火蟲會(huì)吸引發(fā)光弱的螢火蟲的特點(diǎn)，在發(fā)光弱的螢火蟲向發(fā)光強(qiáng)的螢火蟲移動(dòng)的過(guò)程中，完成位置的迭代，從而找出最優(yōu)位置，完成尋優(yōu)過(guò)程。在FA算法中，第i和第j個(gè)螢火蟲的相互吸引度表示為

(1)

螢火蟲i被另一個(gè)更有吸引力的螢火蟲j所吸引的位置更新公式為

(2)

螢火蟲算法中相對(duì)吸引度β與2個(gè)螢火蟲間的距離r和最大吸引度β0相關(guān)。較大的β0能使算法快速收斂，但收斂精度較低；較小的β0會(huì)使收斂速度變慢，但收斂精度更高。

2個(gè)螢火蟲間的相對(duì)吸引度還與螢火蟲的亮度有關(guān)[6]。本文提出將發(fā)光亮度引入相對(duì)吸引度β的計(jì)算過(guò)程，綜合解決收斂速度和收斂精度的問(wèn)題。改進(jìn)的螢火蟲算法(Modified Firefly Algorithm，MFA)具體為：引進(jìn)相對(duì)亮度差閾值BTH；當(dāng)2個(gè)螢火蟲的相對(duì)亮度值小于BTH時(shí)，相對(duì)吸引度β與亮度差無(wú)關(guān)，采用式(1)計(jì)算；當(dāng)2個(gè)螢火蟲的相對(duì)亮度差大于BTH時(shí)，相對(duì)吸引度β與亮度差相關(guān)，認(rèn)為當(dāng)螢火蟲i和j之間的距離一定時(shí)，其亮度差越大，相對(duì)吸引度越大，此時(shí)的相對(duì)引度計(jì)算表達(dá)式為

(3)

式中：Bi和Bj分別為螢火蟲i和j所對(duì)應(yīng)的亮度；θ為亮度縮放因子。

通過(guò)引入BTH，可在搜索過(guò)程中針對(duì)不同亮度的螢火蟲實(shí)現(xiàn)參數(shù)β的自動(dòng)調(diào)整。在搜索的初期階段，螢火蟲距離較遠(yuǎn)，亮度差值普遍大于BTH，其β也相對(duì)較大，能夠提高收斂速度。在搜索的后期，螢火蟲距離較近，亮度差值普遍小于BTH，能夠?qū)λ阉鹘Y(jié)果進(jìn)行微小調(diào)整，提高收斂精度和輸出穩(wěn)定性。

為使MFA的執(zhí)行效果最佳，需要對(duì)BTH和θ的取值進(jìn)行精細(xì)調(diào)整。BTH取值應(yīng)小于最大亮度的10%，以保證搜索初期大部分螢火蟲的亮度差普遍大于BTH；BTH和θ的取值應(yīng)滿足θBTH≥β0。較大的θ使得搜索初期螢火蟲能夠較快聚集，加快收斂速度，但是過(guò)大的θ會(huì)導(dǎo)致錯(cuò)過(guò)全局最大功率點(diǎn)的可能性增加，因此，θ取值應(yīng)該從小到大逐漸調(diào)整。

1.2 基于MFA的最大功率點(diǎn)追蹤方法

在利用MFA進(jìn)行最大功率點(diǎn)追蹤時(shí)，螢火蟲的位置對(duì)應(yīng)太陽(yáng)能電池陣列的輸出電壓Vpv.i，螢火蟲的亮度對(duì)應(yīng)該電壓下的太陽(yáng)能電池陣列輸出功率Ppv,i，螢火蟲的相對(duì)亮度差閾值對(duì)應(yīng)功率差閾值PTH。在最大功率點(diǎn)追蹤過(guò)程中，MFA通過(guò)不斷調(diào)節(jié)太陽(yáng)能電池陣列的輸出電壓來(lái)搜索全局最大功率點(diǎn)。

算法中，初值的選取既要有利于算法較快收斂，又要避免丟失極值點(diǎn)。本文設(shè)定初始電壓個(gè)數(shù)與螢火蟲數(shù)目相同，且均勻分布在整個(gè)搜索區(qū)間內(nèi)。初始電壓值計(jì)算表達(dá)式為

(4)

式中：VUB和VLB分別為搜索區(qū)域的電壓上界和下界;N為螢火蟲的數(shù)目。

在全局最大功率點(diǎn)的搜索過(guò)程中，由于MFA不斷更新輸出電壓，進(jìn)而導(dǎo)致太陽(yáng)能電池陣列輸出功率的持續(xù)波動(dòng)。在搜索前期，各點(diǎn)的功率相差較大；在搜索后期，各點(diǎn)集中在最大功率點(diǎn)附近。為減小不必要的功率波動(dòng)，使輸出功率能夠穩(wěn)定，采用如下終止策略：當(dāng)各點(diǎn)的功率差值均小于最大功率誤差值ε1時(shí)，終止算法，即

|PGbest-Ppv,i|<ε1i=1,2，…,N

(5)

式中：PGbest為已搜索到的全局最大功率；Ppv,i為各個(gè)螢火蟲的實(shí)際功率。

當(dāng)算法終止后，若光照強(qiáng)度發(fā)生變化或者出現(xiàn)局部陰影現(xiàn)象時(shí)，太陽(yáng)能電池陣列的最大功率點(diǎn)會(huì)發(fā)生移動(dòng)，這時(shí)重新啟動(dòng)算法，進(jìn)行新一輪的全局最大功率點(diǎn)搜索。引入功率變化量閾值ΔPTH和功率變化量ΔP，當(dāng)ΔP大于該閾值時(shí)重新啟動(dòng)算法。

(6)

式中：Ppv為當(dāng)前太陽(yáng)能電池陣列的實(shí)時(shí)功率。

基于MFA的最大功率點(diǎn)追蹤控制流程如圖1所示，圖中Ipv,i為各個(gè)螢火蟲實(shí)際電流。

圖1 基于MFA的MPPT控制流程Fig.1 Flowchart of MPPT control based on proposed MFA

2 基于狀態(tài)機(jī)的太陽(yáng)能電池/蓄電池混合能源控制

對(duì)于采用太陽(yáng)能電池/蓄電池混合能源的太陽(yáng)能無(wú)人機(jī)，不僅要考慮太陽(yáng)能電池的最大功率點(diǎn)追蹤，還要綜合考慮2種能源的管理與功率分配問(wèn)題。本文采取“獨(dú)立控制與綜合管理”的思路，提出混合能源的管理策略：采用MPPT控制器對(duì)太陽(yáng)能電池最大功率點(diǎn)進(jìn)行獨(dú)立控制；同時(shí)，實(shí)時(shí)監(jiān)測(cè)載荷需求和能源系統(tǒng)狀態(tài)，采用狀態(tài)機(jī)策略從功率層面對(duì)太陽(yáng)能電池輸出功率和蓄電池充放電功率進(jìn)行管理。

混合能源控制基本原則是：太陽(yáng)能無(wú)人機(jī)動(dòng)力系統(tǒng)需求功率由太陽(yáng)能電池和蓄電池滿足，若太陽(yáng)能電池功率有剩余則為蓄電池充電，保證功率分配滿足功率平衡原則。太陽(yáng)能電池和蓄電池狀態(tài)主要依據(jù)蓄電池剩余電量(SOC)、需求功率(PD)、上一時(shí)刻太陽(yáng)能電池最大功率(Ppvmax)3個(gè)狀態(tài)參數(shù)劃分。表1為所制定的混合能源狀態(tài)機(jī)策略控制規(guī)則表，其中：太陽(yáng)能電池輸出功率Ppv為控制量；PD為需求功率；Ppvmax為太陽(yáng)能電池最大功率；Pchrg為蓄電池最大充電功率。

為了避免蓄電池出現(xiàn)局部狀態(tài)陷阱、保證狀態(tài)間的平滑過(guò)渡，在蓄電池電量狀態(tài)臨界點(diǎn)加入狀態(tài)回滯環(huán)[23](見(jiàn)圖2)，在SOC臨界值附近增加狀態(tài)回滯區(qū)域，在該區(qū)域內(nèi)保持上一電量狀態(tài)，進(jìn)而解決局部狀態(tài)反復(fù)跳變問(wèn)題。

表1 狀態(tài)機(jī)能源管理策略規(guī)則

圖2 蓄電池電量狀態(tài)回滯環(huán)設(shè)計(jì)Fig.2 Battery power state hysteresis loop design

基于上述規(guī)則，設(shè)計(jì)狀態(tài)機(jī)能源管理策略控制流程如圖3所示。

圖3 混合能源控制流程Fig.3 Hybrid energy control process

3 仿真與分析

本文以“蒲公英I”無(wú)人機(jī)[22]為例，采用本文提出的算法和規(guī)則，開(kāi)展太陽(yáng)能電池局部遮擋情況下最大功率點(diǎn)追蹤和混合能源控制的仿真分析。

3.1 仿真條件

3.1.1 太陽(yáng)能陣列模型

“蒲公英I”無(wú)人機(jī)采用上單翼、雙尾撐、雙垂尾的常規(guī)布局，翼展6.15 m，分為左、中、右三段，均鋪設(shè)太陽(yáng)能電池，有效鋪片面積1.875 m2。機(jī)翼中段的右半段與機(jī)翼右段串聯(lián)為右太陽(yáng)能電池陣列(圖4)，為右側(cè)電機(jī)供電；左端同理。

圖4 太陽(yáng)能電池陣列連接示意圖Fig.4 Schematic of solar cell array connection

本文以右太陽(yáng)能電池陣列為例，建立太陽(yáng)能電池陣列模型。其中：太陽(yáng)能電池沿機(jī)翼弦向串聯(lián)；相鄰兩串并聯(lián)，同時(shí)并聯(lián)一個(gè)旁路二極管，構(gòu)成一個(gè)太陽(yáng)能電池陣列單元；靠近翼根的單元記為PV1，由內(nèi)向外進(jìn)行編號(hào)，共計(jì)11個(gè)單元串聯(lián)在一起形成太陽(yáng)能電池陣列。每個(gè)電池單元視為均勻光照，可通過(guò)改變不同單元的光照強(qiáng)度來(lái)模擬局部陰影情況。圖5為電池陣列仿真模型。

3.1.2 局部陰影模型

為了對(duì)比分析局部遮擋問(wèn)題，設(shè)計(jì)了3個(gè)局部陰影模型，表2給出了對(duì)應(yīng)模型的電池陣列光照情況。

3種光照情況下太陽(yáng)能電池陣列的P-V特性曲線如圖6所示，其中：無(wú)陰影情況有一個(gè)全局最大功率點(diǎn)，最大功率為230.9 W；局部陰影情況1有2個(gè)功率極值點(diǎn)，功率極值分別為208.8 W和175.6 W；局部陰影情況2有3個(gè)功率極值點(diǎn)，功率極值分別為184.6 W、159.4 W和126.7 W；2種有陰影情況的全局最大功率點(diǎn)都在最左側(cè)。

圖5 太陽(yáng)能電池陣列仿真模型Fig.5 Solar cell array simulation model

表2 太陽(yáng)能陣列局部陰影模型光照強(qiáng)度

圖6 局部陰影模型下太陽(yáng)能電池陣列P-V特性曲線Fig.6 P-V characteristic curves of solar cell array under partial shadow model

3.1.3 飛行任務(wù)剖面

取“蒲公英I”飛行實(shí)際數(shù)據(jù)作為飛行任務(wù)剖面。飛行航跡為具有4個(gè)航點(diǎn)的閉環(huán)矩形航線(圖7)，長(zhǎng)邊為790 m，短邊長(zhǎng)度為300 m，飛行方向?yàn)槟鏁r(shí)針按航點(diǎn)0-1-2-3順序飛行。飛行高度100 m，飛行空速14 m/s。圖8為飛行功率和高度變化曲線，總耗時(shí)1 070 s，包括地面滑跑(0～58 s)、等待起飛(58～282 s)、起飛爬升(282～403 s)、航點(diǎn)巡航(403～878 s)、下降降落(878～1 005 s)、地面滑跑(1 005～1 070 s)共6個(gè)階段。

圖7 “蒲公英I”飛行航線Fig.7 "Dandelion I" flight route

圖8 飛行功率、高度-時(shí)間曲線Fig.8 Flight power, altitude-time curves

本文以圖8所示功率需求曲線作為基本飛行任務(wù)剖面，在其中加入飛行過(guò)程中局部陰影情況：在轉(zhuǎn)彎過(guò)程中存在表2中局部陰影情況1所示的局部陰影情況，每次轉(zhuǎn)彎過(guò)程中持續(xù)15 s，存在局部陰影情況的轉(zhuǎn)彎共7個(gè)。假設(shè)當(dāng)天光照強(qiáng)度為1 000 W/m2。

3.2 最大功率點(diǎn)追蹤仿真試驗(yàn)

為了對(duì)比，分別采用增量電導(dǎo)法(Incremental Conductance, IC)、FA和MFA進(jìn)行最大功率點(diǎn)追蹤的數(shù)學(xué)仿真和半實(shí)物仿真試驗(yàn)。

3.2.1 數(shù)學(xué)仿真與分析

1) 仿真模型

圖9是MPPT控制系統(tǒng)仿真模型，主要包括：太陽(yáng)能電池陣列、Buck-Boost變換電路、MPPT算法模塊、DC/DC控制模塊以及驅(qū)動(dòng)模塊。其中：DC/DC變換器輸入電容為56 μF，輸出電容為100 μF，負(fù)載為2 Ω純阻性負(fù)載。DC/DC變換器控制模塊中采用經(jīng)典PI控制方法，搭建電壓控制回路，Kp=0.014，KI=40。FA中：種群數(shù)量N=6，初始吸引度β0=1，步長(zhǎng)因子α=0.02，光吸收系數(shù)γ=0.03；MFA中：PTH=13，θ=0.077，其余參數(shù)與FA保持一致。IC中：擾動(dòng)步長(zhǎng)為0.1 V。MPPT算法仿真步長(zhǎng)為50 ms。

2) 穩(wěn)態(tài)仿真

據(jù)調(diào)查和文獻(xiàn)資料記載，沙溝先后于1963年、1981年和2016年暴發(fā)過(guò)泥石流，除給金山鎮(zhèn)金獅村居民集中點(diǎn)和溝內(nèi)居民多次造成嚴(yán)重的危害外，還對(duì)生態(tài)環(huán)境造成了嚴(yán)重的破壞。按泥石流災(zāi)害危害性等級(jí)劃分表，該泥石流災(zāi)害危害性等級(jí)為大型地質(zhì)災(zāi)害。

圖10為太陽(yáng)能電池陣列在表2中3種光照情況下的仿真功率曲線。表3為采用不同算法的最大功率點(diǎn)追蹤仿真結(jié)果比較。可以看出：① 3種情況下，MFA和FA均能對(duì)太陽(yáng)能電池陣列的最大功率點(diǎn)進(jìn)行準(zhǔn)確跟蹤，MFA的收斂時(shí)間均小于FA，且搜索過(guò)程中的功率波動(dòng)較小；② 有局部陰影情況下，IC會(huì)被困于局部最大功率點(diǎn)，造成功率浪費(fèi)。

3) 動(dòng)態(tài)仿真

將3.1.2節(jié)的動(dòng)態(tài)局部陰影模型加入MPPT控制仿真系統(tǒng)。其中，每種光照情況持續(xù)2 s，仿真時(shí)間共10 s。圖11為仿真功率曲線。可以看出：① MFA和FA都可以動(dòng)態(tài)追蹤全局最大功率點(diǎn)，與FA相比，MFA的功率波動(dòng)更小、收斂時(shí)間更短；② IC在出現(xiàn)局部陰影情況時(shí)，被困于局部最大功率點(diǎn)。

3.2.2 半實(shí)物仿真結(jié)果與分析

1) 試驗(yàn)平臺(tái)

圖12為最大功率點(diǎn)追蹤半實(shí)物仿真平臺(tái)。其中，太陽(yáng)能電池陣列由太陽(yáng)能電池模擬器實(shí)現(xiàn)，作為MPPT控制系統(tǒng)能源；采用可編程電子負(fù)載作為MPPT控制系統(tǒng)負(fù)載；將MFA、FA和IC分別嵌入MPPT控制系統(tǒng)硬件平臺(tái)，分別進(jìn)行最大功率點(diǎn)追蹤試驗(yàn)，對(duì)比3種算法在跟蹤速度和精度方面的差別。MPPT算法執(zhí)行步長(zhǎng)仍為50 ms。

2) 穩(wěn)態(tài)試驗(yàn)

圖13為太陽(yáng)能電池陣列在表2中3種光照情況下的仿真功率曲線。表4為最大功率點(diǎn)追蹤方法的半實(shí)物仿真結(jié)果比較。可以看出：① 3種情況下，MFA和FA均能對(duì)太陽(yáng)能電池陣列的最大功率點(diǎn)進(jìn)行準(zhǔn)確跟蹤，MFA的收斂時(shí)間均小于FA，且搜索過(guò)程中的功率波動(dòng)較小；② 有局部陰影情況下，IC會(huì)被困于局部最大功率點(diǎn)，造成功率浪費(fèi)；③ 半實(shí)物仿真結(jié)果與數(shù)學(xué)仿真一致，驗(yàn)證了數(shù)學(xué)仿真模型的有效性。

圖9 MPPT控制系統(tǒng)仿真模型Fig.9 Simulation model for MPPT control system

圖10 最大功率點(diǎn)追蹤穩(wěn)態(tài)數(shù)學(xué)仿真功率曲線Fig.10 Maximum power point tracking static mathematical simulation power curves

表3 最大功率點(diǎn)追蹤穩(wěn)態(tài)數(shù)學(xué)仿真結(jié)果對(duì)比

Table 3 Comparison of maximum power point tracking static mathematical simulation results

光照情況追蹤收斂時(shí)間/s最大穩(wěn)定功率/WMFAFAICMFAFAIC無(wú)陰影情況0.951.251.9230.9230.9230.9局部陰影情況10.851.151.35208.7208.7175.6局部陰影情況21.11.450.9184.5184.6126.7

圖11 最大功率點(diǎn)追蹤動(dòng)態(tài)數(shù)學(xué)仿真功率曲線Fig.11 Maximum power point tracking dynamic mathematical simulation power curves

圖12 最大功率點(diǎn)追蹤試驗(yàn)平臺(tái)Fig.12 Maximum power point tracking test platform

圖13 最大功率點(diǎn)追蹤穩(wěn)態(tài)半實(shí)物仿真功率曲線Fig.13 Maximum power point tracking static semi- physical simulation power curves

表4 最大功率點(diǎn)追蹤穩(wěn)態(tài)半實(shí)物仿真結(jié)果對(duì)比

Table 4 Comparison of maximum power point tracking static semi-physical simulation results

光照情況追蹤收斂時(shí)間/s最大穩(wěn)定功率/WMFAFAICMFAFAIC無(wú)陰影情況0.350.61.8230.3230.1230.1局部陰影情況10.851.31.2209209175.9局部陰影情況21.151.40.72184.6184.6126.8

3) 動(dòng)態(tài)試驗(yàn)

將3.1.2節(jié)動(dòng)態(tài)局部陰影模型加入半實(shí)物仿真平臺(tái)，每種光照情況持續(xù)2 s，仿真時(shí)間共10 s。圖14為半實(shí)物仿真功率曲線?？梢钥闯觯孩?MFA和FA都可以動(dòng)態(tài)追蹤全局最大功率點(diǎn)，與FA相比，MFA的功率波動(dòng)更小、收斂時(shí)間更短；② IC在出現(xiàn)局部陰影情況時(shí)，被困于局部最大功率點(diǎn)；③ 與數(shù)學(xué)仿真結(jié)果一致。

圖14 最大功率點(diǎn)追蹤動(dòng)態(tài)半實(shí)物仿真功率曲線Fig.14 Maximum power point tracking dynamic semi-physical simulation power curves

3.3 混合能源控制仿真試驗(yàn)與分析

“蒲公英I”無(wú)人機(jī)采用左右對(duì)稱的雙能源動(dòng)力系統(tǒng)架構(gòu)，本文以其右側(cè)混合能源動(dòng)力系統(tǒng)為原型，基于3.2.1節(jié)MPPT仿真模型，加入飛行任務(wù)剖面需求功率，建立混合能源管理系統(tǒng)仿真模型，如圖15所示。本文采用容量為2.6 Ah的6S鋰聚合物電池，參數(shù)取值如表5所示。

在典型飛行任務(wù)剖面下，采用第1節(jié)給出的MFA和第2節(jié)給出的能源管理策略，對(duì)能源管理策略功率分配和能源狀態(tài)進(jìn)行仿真。仿真中設(shè)置蓄電池初始電量為80%，結(jié)果如圖16所示。可以看出：① 當(dāng)需求功率高于太陽(yáng)能電池最大功率時(shí)，太陽(yáng)能電池以最大功率輸出，其余功率由蓄電池補(bǔ)充；② 均勻輻照情況下MFA能夠迅速搜索到最大功率點(diǎn)并維持輸出。當(dāng)出現(xiàn)局部陰影情況時(shí)，MFA檢測(cè)到功率波動(dòng)，重新開(kāi)始搜索最大功率點(diǎn)，經(jīng)短暫的功率波動(dòng)后穩(wěn)定在全局最大功率點(diǎn)輸出；③ 當(dāng)系統(tǒng)剩余功率高于蓄電池最大充電功率時(shí)，限制充電功率為最大充電功率以保護(hù)蓄電池；④ 蓄電池電壓跟隨負(fù)載變化在24.15～24.83 V范圍內(nèi)波動(dòng)，蓄電池電流波動(dòng)范圍為-4.65～34.5 A，電壓電流均處于正常區(qū)間內(nèi)，未發(fā)生過(guò)充過(guò)放現(xiàn)象，蓄電池始終處于正常狀態(tài)健康運(yùn)行。

為分析本文所提能源管理策略的適應(yīng)性，保持典型任務(wù)剖面不變，在不同蓄電池初始電量(95%、80%、40%)情況下進(jìn)行仿真研究，結(jié)果如圖17所示。

可以看出：① 在較高的初始電量狀態(tài)(95%)下，蓄電池僅放電不充電；② 當(dāng)蓄電池初始電量處于中低狀態(tài)(80%和60%)時(shí)，在無(wú)人機(jī)待機(jī)過(guò)程中SOC曲線存在明顯的上升即充電過(guò)程；③ 在無(wú)人機(jī)飛行過(guò)程中，不同初始電量的SOC曲線隨需求功率波動(dòng)，具有較好的一致性。表明本文設(shè)計(jì)的狀態(tài)機(jī)能源管理策略在不同初始電量狀態(tài)下能夠有效管理混合能源系統(tǒng)的功率流，在充分利用太陽(yáng)能功率的同時(shí)保持蓄電池處于健康運(yùn)行狀態(tài)，具有較強(qiáng)的適應(yīng)性。

圖15 混合能源管理策略仿真模型Fig.15 Hybrid energy management strategy simulation model

表5 蓄電池參數(shù)取值Table 5 Lithium battery parameter values

圖16 功率分配和能源狀態(tài)Fig.16 Power distribution and energy status

圖17 不同初始電量情況SOC變化曲線Fig.17 SOC curves of different initial power conditions

4 結(jié) 論

本文針對(duì)太陽(yáng)能無(wú)人機(jī)太陽(yáng)能電池局部陰影問(wèn)題，對(duì)太陽(yáng)能電池全局最大功率點(diǎn)追蹤算法和混合能源管理展開(kāi)了深入的研究，所得結(jié)論如下：

1) 所提改進(jìn)螢火蟲算法與螢火蟲算法相比，收斂時(shí)間明顯提高。

2) 基于改進(jìn)螢火蟲的算法MPPT方法在不同光照情況下均能實(shí)現(xiàn)全局最大功率點(diǎn)的準(zhǔn)確跟蹤，且功率波動(dòng)小。

3) 對(duì)于含有局部陰影的飛行剖面，提出的改進(jìn)螢火蟲算法和所設(shè)計(jì)的混合能源控制規(guī)則，可以有效實(shí)現(xiàn)太陽(yáng)能電池和蓄電池的功率分配，且蓄電池電量變化處于合理范圍。