基于环境适应性自学习光伏最大功率点跟踪装置及方法
【专利摘要】本发明公开了一种基于环境适应性自学习光伏最大功率点跟踪装置，包括：光伏阵列、二极管、超级电容、可控开关、调节电阻、采集测量装置、控制装置；所述光伏阵列、二极管、超级电容、可控开关、调节电阻依次相连；所述光伏阵列发出的功率是目标控制对象；所述二极管用于保护光伏阵列；所述采集测量装置用于测量光伏阵列干路电流I、光伏阵列的两端电压V、光照强度Ir、光伏阵列表面温度T；所述控制装置输出高低电平，控制可控开关的开和断。本发明还公开了一种基于环境适应性自学习光伏最大功率点跟踪方法。本发明通过控制开关闭和合，来控制超级电容的充、放电，控制光伏阵列两端电压使其追踪最大功率对应的电压，最终到达输出功率最大。
【专利说明】
基于环境适应性自学习光伏最大功率点跟踪装置及方法
技术领域
[0001] 本发明涉及太阳能最大功率跟踪领域，特别涉及一种基于环境适应性自学习光伏 最大功率点跟踪装置及方法。
【背景技术】
[0002] 太阳能作为一种清洁能源已经越来越多的应用于各个领域，因此提高太阳能发电 效率一直是人们研究的方向，最大功率点跟踪(MPPT)控制是提高太阳能输出效率的有效手 段，目前一些机构或科研工作者提出了一些最大功率跟踪方法，如恒电压跟踪、扰动观察 法、电导增量法等，其中恒电压跟踪步长对控制精度和速度影响较大，对外界环境变化的响 应能力较差，且没有考虑温度变化对输出功率的影响，只使用于光照和温度变化较小的环 境;扰动观察法则当外界环境快速变化系统很可能会发生误判；电导增量法则在步长和阈 值的选择上存在一定的困难。虽然一些学者有提出改进了的扰动观察法或电导增量法或基 于人工智能的MPPT算法等，能够克服上述一些问题，但是改进后的最大功率跟踪算法及其 电路相对复杂，本发明提出的一种基于环境适应性自学习光伏最大功率点跟踪装置及方法 不仅能克服此类问题，而且方法及控制电路简单。
【发明内容】
[0003] 本发明为了克服现有技术存在的缺点与不足，提供一种基于环境适应性自学习光 伏最大功率点跟踪装置及方法。
[0004] 本发明通过下述技术方案实现：
[0005] -种基于环境适应性自学习光伏最大功率点跟踪装置，包括:光伏阵列、二极管、 超级电容、可控开关、调节电阻、采集测量装置、控制装置;所述光伏阵列、二极管、超级电 容、可控开关、调节电阻依次相连;所述光伏阵列发出的功率是目标控制对象;所述二极管 用于保护光伏阵列;假设所述二极管为理想二极管，则光伏阵列两端电压V和超级电容两端 电压相等;所述采集测量装置用于测量光伏阵列干路电流I、光伏阵列的两端电压V、光照强 度Ir、光伏阵列表面温度T;所述控制装置输出高低电平，控制可控开关的开和断。
[0006] 进一步地，所述调节电阻的电阻值R满足：
[0007] R< = V2m/Pmpp, (1)
[0008] 其中PMPP为所有情况下的最大功率，Vm为Pmpp所对应的电压。
[0009] 进一步地，所述超级电容3的电容量C满足：
[0011] 对所述二极管、超级电容和调节电阻的公共节点由基尔霍夫定律得到：
[0012] Ic=I-SIr,
[0013] 其中I为光伏阵列干路电流(流过二极管的电流），IR为流过调节电阻的电流，Ic为 流经超级电容的电流，Ir = V/R;S=1，0分别对应可控开关断开和闭合。
[0014] 进一步地，所述的控制装置采用单片机。
[0015] 在一个采样时间At内，由式（1)和式(2)可得光伏阵列两端电压V的变化量A V可 以表示为：AV=(I-SIr)C. At，当S = 0时，AV=IC. At>0,电容被充电，V增加；当S=1 时，A V=(I-IR)C ? A t，在本发明中选取较小的调节电阻R，使得R〈 = V2m/PmPP，目的是确保I <IR，那么AV〈0,此种情况下超级电容是对调节电阻R放电的，V减小。简而言之S = 0时V增 大，S = 1时V减小。
[0016] -种基于所述装置的光伏最大功率点跟踪方法，包括如下步骤：
[0017] 第一步：初始化，设置辅助矩阵PM TEMP和Vm temp(初始值为0)，用来存储不同温度和 光照度下PV板MPP，温度和光照度被控制装置7划分足够多份，所以认为其对应的相邻区间 光照度和温度近似不变；
[0018] 第二步:采集测量装置采样Ir、T、I和V，控制装置检测Ir和T落在相应的Pm_temp和 Vm_temp，并计算P = I ;
[0019] 第三步:判断P> = PM_TEMp是否为真，为真，则执行第四步;否则，执行第五步；
[0020] 第四步:把P和V的值分别赋值给相应的PM_TEMP和Vm_?p，并保持可控开关状态不变； [0021 ]第五步:判断P>Pm_temp是否为真，为真，则执行第六步，否则执行第七步；
[0022] 第六步:闭合可控开关，经过一个采样时间，返回第二步；
[0023] 第七步:断开可控开关，经过一个采样时间，返回第二步；
[0024] 进一步地，所述第四步中Pm_temp和Vm_temp被赋值，认为光伏阵列输出的功率在靠近 最大功率，保持可控开关状态不变，是保持这种靠近的趋势。
[0025] 进一步地，所述第六步和第七步中闭合可控开关和断开可控开关，是使得光伏阵 列的输出电压V靠近Vm_temp，而Vm_temp是在靠近Vm，所以最终V靠近Vm。
[0026] 相比现有技术，本发明的有益效果包括：
[0027] 1、不仅在正常的情况能够实现最大功率跟踪，而且环境(光照和温度)快速变化或 突变系统也能快速实现跟踪，且响应速度很快。
[0028] 2、算法简洁，电路拓扑简单。
[0029] 3、算法中除了采样时间没有其他待设参数，方便移植和商业量产。
【附图说明】
[0030] 图1是基于环境适应性自学习光伏MPPT系统框图。
[0031]图2是基于环境适应性自学习光伏MPPT方法控制流程图。
[0032] 图3不同环境下光伏输出功率和电压图。
[0033] 图4环境(辐照度和温度)突变方式图。
[0034] 图5环境突变下光伏输出功率和电压图。
[0035]图中所示：卜光伏阵列，2-二极管，3-超级电容，4-可控开关，5-调节电阻，6-采集 测量装置，7-控制装置。
【具体实施方式】
[0036]下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限 于此。
[0037] 实施例
[0038]如图1所示，一种基于环境适应性自学习光伏最大功率点跟踪装置，包括:光伏阵 列1、二极管2、超级电容3、可控开关4、调节电阻5、采集测量装置6、控制装置7。
[0039] 所述光伏阵列1、二极管2、超级电容3、可控开关4、调节电阻5依次相连；
[0040] 所述光伏阵列1，其发出的功率是目标控制对象；
[0041] 所述二极管2,用于保护光伏阵列1;
[0042] 所述调节电阻5，满足R〈 = V2m/Pmpp，其中Pmpp为所有情况下的最大功率，Vm为Pmpp所 对应的电压；
[0043]假设所述二极管2为理想二极管则光伏阵列1两端电压V和超级电容3两端电压相 等；
[0044] 所述采集测量装置6,用于测量光伏阵列1干路电流I、光伏阵列1的两端电压V、光 照强度Ir、光伏阵列表面温度T;
[0045] 所述控制装置7,输出高低电平，控制可控开关4开和断；
[0046] 对所述超级电容3有：
[0048] 对所述二极管2、超级电容3和调节电阻5的公共节点由基尔霍夫定律：
[0049] Ic=I-SIr (2)
[0050] 其中I为光伏阵列1干路电流(流过二极管2的电流）IR流过调节电阻5的电流，IR = V/R; S = 1，0分别对应可控开关4断开和闭合。
[0051] 所述的控制装置7采用单片机。
[0052]在一个采样时间A t内，由式（1)和式(2)可得光伏阵列1两端电压V的变化量A V可 以表示为：AV=(I-SIr)0 At，当S = 0时，AV=I〇 At>0,超级电容C3被充电，V增加；当 S=1时，AV=(I-IR)C ? At，在本发明中选取较小的调节电阻5,使得R〈 = V2m/Pmpp，目的是 确保I〈Ir，那么AV〈0,此种情况下超级电容3是对调节电阻5放电的，V减小。简而言之S = 0 时V增大，S = 1时V减小。
[0053]如图2所示，一种基于环境适应性自学习光伏最大功率点跟踪方法，包括如下步 骤：
[0054] 第一步：初始化，设置辅助矩阵PlTEMP和Vm_TEMP(初始值为0)，用来存储不同温度和 光照度下PV板MPP，如表1所示，温度和光照度被划分足够多份，所以认为其对应的相邻区间 光照度和温度近似不变；
[0055] 表1:不同环境下MPP查询表
[0057] 第二步:采集测量装置6采样Ir、T、I和V，控制装置7检测Ir和T落在相应的Pm_temp和 Pm_temp，并计算P = I*V;
[0058]第三步:判断P> = PM_TEMP是否为真，为真，则执行第四步;否则，执行第五步；
[0059] 第四步：把P和V的值分别赋值给相应的Pm_?p和Vm_?p，并保持可控开关4状态不 变；
[0060] 第五步:判断V>VM_TEMP是否为真，为真，则执行第六步，否则执行第七步；
[0061] 第六步:闭合可控开关4,经过一个采样时间，返回第二步；
[0062 ]第七步:断开可控开关4，经过一个采样时间，返回第二步；
[0063]具体而言，所述第四步中Pm_temp和Vm_temp被赋值，认为光伏阵列输出的功率在靠近 最大功率，保持可控开关4状态不变，是保持这种靠近的趋势；
[0064] 具体而言，第六步和第七步中闭合可控开关4和断开可控开关4,是使得光伏阵列 输出电压V靠近Vm_temp，而Vm_temp是在靠近Vm，所以最终V靠近Vm ;
[0065] 具体的：在MATLAB/Simulink里建立一个新MPPT系统模型，PV板（Array type: SunPower SPR-315E-WHT-D;lSeries modules;lParallel strings)米用系统自带的模块， 模块部分参数如表2所示。电路参数:C = 0.005F，R = 2 n ;采样时间A t = 50ys。图3a，b展示 了 Ir = 500W/m2，T = 20。(：、Ir = 1000W/m2，T = 25。(：、Ir = 1500W/m2，T = 30。(：、Ir = 2500W/m2，T = 45°C时，PV板输出功率PPV及其对应电压VPV的结果。图4a、4b为Ir和T变化（突变)方式；图 5a、5b展示了在Ir和T如图4a，4b输入时，光伏板输出功率P PV和电压VPV的结果。对比图3a和 图5a可以看出，当辐照度从1000W/m2突变到1500W/m 2、温度从25°C突变到30°C时，系统只经 过lms达到稳态，说明系统具有很好的环境适应性。
[0066]表2: PV板模块部分参数
[0068]上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的 限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化， 均应为等效的置换方式，都包含在本发明的保护范围之内。
【主权项】
1. 一种基于环境适应性自学习光伏最大功率点跟踪装置，其特征在于，包括:光伏阵列 (1)、二极管（2)、超级电容（3)、可控开关(4)、调节电阻（5)、采集测量装置(6)、控制装置 (7);所述光伏阵列（1)、二极管(2)、超级电容(3)、可控开关(4)、调节电阻(5)依次相连;所 述光伏阵列（1)发出的功率是目标控制对象;所述二极管(2)用于保护光伏阵列（1);假设所 述二极管(2)为理想二极管，则光伏阵列（1)两端电压V和超级电容(3)两端电压相等;所述 采集测量装置(6)用于测量光伏阵列（1)干路电流I、光伏阵列（1)的两端电压V、光照强度 Ir、光伏阵列表面温度T;所述控制装置(7)输出高低电平，控制可控开关(4)的开和断。2. 根据权利要求1所述的基于环境适应性自学习光伏最大功率点跟踪装置，其特征在 于:所述调节电阻(5)的电阻值R满足： R〈 = V2m/Pmpp， 其中Pmpp为所有情况下的最大功率，Vm为Pmpp所对应的电压。3. 根据权利要求2所述的基于环境适应性自学习光伏最大功率点跟踪装置，其特征在 于:所述超级电容(3)的电容量C满足：对所述二极管(2)、超级电容(3)和调节电阻(5)的公共节点由基尔霍夫定律得到： Ic = I_SIr， 其中I为光伏阵列干路电流，Ir为流过调节电阻(5)的电流，1^为流经超级电容(3)的电 流，Ir = V/R; S = 1，0分别对应可控开关断开和闭合。4. 根据权利要求2所述的基于环境适应性自学习光伏最大功率点跟踪装置，其特征在 于:所述的控制装置(7)采用单片机。5. -种基于权利要求1至4中任一项所述装置的光伏最大功率点跟踪方法，包括如下步 骤： 第一步:初始化，设置辅助矩阵Pm_?p和Vm_?P，用来存储不同温度和光照度下PV板MPP， 温度和光照度被控制装置(7)划分足够多份，所以认为其对应的相邻区间光照度和温度近 似不变； 第二步:采集测量装置(6)采样Ir、T、I和V，控制装置(7)检测Ir和T落在相应的Pm+temp和 Vm_temp，并计算P = I ; 第三步:判断P> = PM_TEMP是否为真，为真，则执行第四步;否则，执行第五步； 第四步:把P和V的值分别赋值给相应的Pm_temp和Vm_temp，并保持可控开关状态不变； 第五步:判断P>PM_TEMp是否为真，为真，则执行第六步，否则执行第七步； 第六步：闭合可控开关(4 )，经过一个采样时间，返回第二步； 第七步:断开可控开关(4 )，经过一个采样时间，返回第二步。6. 根据权利要求5所述的光伏最大功率点跟踪方法，其特征在于:所述第四步中PM_TEMP 和Vm_temp被赋值，认为光伏阵列（1)输出的功率在靠近最大功率，保持可控开关(4)状态不 变，是保持这种靠近的趋势。7. 根据权利要求5所述的光伏最大功率点跟踪方法，其特征在于:所述第六步和第七步 中闭合可控开关(4)和断开可控开关(4)，是使得光伏阵列（1)的输出电压V靠近V M_TEMP，而 Vm_temp是在靠近Vm，所以最终V靠近Vm。
【文档编号】G05F1/67GK106055020SQ201610592375
【公开日】2016年10月26日
【申请日】2016年7月25日 公开号201610592375.0, CN 106055020 A, CN 106055020A, CN 201610592375, CN-A-106055020, CN106055020 A, CN106055020A, CN201610592375, CN201610592375.0
【发明人】谢从珍, 胡江华, 刘智健
【申请人】华南理工大学