Chinese Journal of Ship Research
基于变步长扰动逼近法的移动式在线光伏充电MPPT 技术
高佳俊1,李维波*1,2,李齐1,邹振杰2,卢月2
1武汉理工大学自动化学院,湖北武汉 430070 2西藏大学供氧研究院,西藏拉萨 850012
摘 要:[目的]为了提高移动式在线光伏充电装置的充电效率、安全性和速度,提出基于变步长扰动逼近法的移动式在线光伏充电最大功率点跟踪( MPPT)技术。[方法]通过将高频逆变器与隔离变压器共同作为MPPT载体,去除传统光伏充电拓扑装置中的前级DC/DC结构,并将充电控制与高频逆变的脉冲调制相结合,最终将高频隔离、MPPT跟踪和充电控制三大功能集成一体。同时,根据蓄电池的不同剩余电量状态,提出三段式充电控制策略。[结果]仿真分析与现场测试结果表明,当改变光伏板的光照强度时,该装置可以稳定地跟踪光伏板的最大功率点,并按照设定的充电方案,在3个阶段下实现了对蓄电池的高效充电;实测的整体充电效率可以保持在92%以上。[结论]该装置和控制策略可以提高光伏板对蓄电池的充电效率,同时满足快速、安全充电的要求。
关键词:光伏;最大功率点跟踪(MPPT);蓄电池;变步长;扰动逼近法
中图分类号: U665.13文献标志码:A DOI:10.19693/j.issn.1673-3185.01948
0 引 言
随着科技的不断进步和对环保要求的不断提高,从化石能源转向可再生清洁能源已成为人们关注的焦点之一。对于移动平台而言,其最大的难题表现为:无法在短时间内将蓄电池充满;由于移动平台的空间尺寸约束,无法采用容量太大的蓄电池,这将导致单次充电的储能过少,故其有效使用时间较短[1-3]。然而,如果把思路聚焦到太阳能上,对于周身在较强光照环境下的移动平台而言,采用光伏作为蓄电池的充电能量来源,既可实现蓄电池“边用边充”的在线充电效果,又可兼顾节能环保要求。
目前,移动平台的光伏充电器有2 种主流形式,一种是非隔离型,另一种是隔离型[4-6]。非隔离型的光伏充电器一般采用2 级 DC/DC 变换器的主拓扑结构,其中前级DC/DC变换器用于最大功率点跟踪( maximum power point tracking,MPPT)、后级 DC/DC 变换器则用于充电控制。这种方案的优点是2级结构设计简单、独立运行且协调控制,但是由于该方案中光伏板和蓄电池之间没有隔离,所以共模干扰的问题较严重,且在外部环境比较恶劣时的干扰更为突出,这将明显影响其充电效能。而市面上主流的隔离型光伏充电器分为 2种,一种采用工频变压器,另一种则采用高频变压器。由于移动平台对设备尺寸的约束要求很严格,所以工频隔离方式并不适用。目前,移动平台大多采用高频隔离型充电拓扑,即“光伏板—BOOST电路—高频逆变—高频变压器—高
频整流—DC/DC—蓄电池”的经典拓扑。其中BOOST电路用于执行MPPT算法跟踪任务,高频逆变高频变压器旨在解决隔离问题,而DC/DC 变换器则用于实现充电控制。该拓扑结构的优点是在兼顾 MPPT控制和充电控制的同时,减少外界环境的干扰,尤其是光照条件变化的不良影响。不过,如果该拓扑的级数太多,则将限制其变换效率[7-9]。
为了解决光伏板和蓄电池之间的电气隔离问题,以及系统的变换效率限制问题,本文拟提出一种采用高频逆变器与隔离变压器共同作为MPPT载体的移动光伏充电拓扑。通过借助变步长扰动逼近法进行MPPT算法跟踪,同时将高频整流和后级 DC/DC变换器合并,将充电控制与高频逆变的脉冲调制相结合,最终将高频隔离、MPPT跟踪和充电控制三大功能集成一体。该方案既继承了高频隔离拓扑的优势,又减少了变换级数,可以最大限度地提高在线充电装置的转换效率。
1移动光伏充电装置的主拓扑
图 1所示为在线光伏充电装置的主拓扑,主要由光伏板、直流与缓启动、高频逆变器、高频变压器、高频整流器、输出滤波、蓄电池和主控板组成,其中主控板由数字输入(digital input,DI)电路、数字输出(digital output,DO)电路、输入模
拟信号采集电路1、输出模拟信号采集电路2、环
境信号采集电路、驱动模块和通信模块等组成。
图 1 中:Uin 为高频逆变器的输入电压,即光伏板的输出电压;UN为高频逆变器的输出电压;
n为高频变压器的匝数比;Ub为高频变压器的输出电压;Uout为高频整流器的输出电压,即加载在
蓄电池两端的充电电压。此外,DI电路的作用是
输入启、停信号;DO电路的作用是输出缓启动信号;输入模拟信号采集电路1的作用是采集高频逆变器的输入电压和电流,即光伏板的输出电压和电流;输出模拟信号采集电路2的作用是采集蓄电池的充电电压和电流;环境信号采集电路的作用是采集功率模块的温度、工作环境的湿度;驱动模块的作用是连接功率模块,以控制高频逆变器中 IGBT 晶体管的闭合和断开;通信模块的作用是经由CAN通信来连接上位机界面。
2变步长扰动逼近法MPPT 策略
2.1光伏板的输出特性曲线
本文以某块 650 W的光伏板作为研究对象,开展仿真及工程验证。图2所示为光伏板在不同温度和光照条件下的I-U 输出曲线和P-U 输出曲线,其中 I,U,P 分别为光伏板的输出电流、输出电压、输出功率。图2(a)为光照强度 Ir=1 kW/m2
时,不同温度条件下的输出曲线;图2(b)为温度T=25 ℃时,不同光照强度条件下的输出曲线。由图 2 可知,I-U 输出曲线存在一个拐点;而P-U输
出曲线是存在一个单峰值的非线性曲线,其峰值即光伏板的最大功率点。当光照强度Ir=1 kW/m2
时,随着温度的增加,光伏板的输出电压和输出功率均有所下降;当温度T=25 ℃时,随着光照强度的增加,光伏板的输出电流和输出功率均相应升高。
2.2变步长扰动逼近法MPPT 理论
本文所采用的高频逆变器为方波逆变,其与隔离变压器共同作为MPPT 载体,其输入/输出电压满足以下条件:
Uin D = UN
×
UN n = Ub
×
Ub k = Uout (1)
×
式中:D为高频逆变器的占空比;k为方波不控整流的变换系数。将式(1)进行简化,则光伏板输出电压与蓄电池两端充电电压的关系为
Uout = Uin × D × n ×k (2)由式(2)可知,当高频变压器的匝数比n 为固定值时,蓄电池的充电电压Uout 取决于光伏板输出电压 Uin 和高频逆变器占空比D。当太阳光强
的变化较小时,如需提高充电电压Uout,则应增加高频逆变器的占空比D;反之,如需降低充电电压Uout,则应减小占空比D。由此可见,为了增加
光伏板的利用率以及蓄电池的充电速度,只需通过控制高频逆变器的占空比D,即可确保充电系统尽可能工作在最大功率点,从而实现MPPT算法跟踪。
目前,常用的MPPT算法包括恒定电压跟踪法、短路电流比例系数法、电导增量法和扰动观察法[10]。前2种方法为开环控制,即根据光伏板在标准测试环境下的曲线,控制充电电压达到一个恒定值,该类算法运行简单、成本较低,但在外部环境实时改变的移动平台上,无法实现光伏板最大功率点的有效跟踪。后2种方法为闭环控
制,其中电导增量法需时刻计算功率值的导数,所以算法偏复杂,计算速度较慢;而扰动逼近法可以有效地跟踪光伏板的最大功率点,其运行相对简单、成本也比较低[11-13]。
因此,本文将采用基于变步长的扰动逼近式MPPT算法,其基本原理是:通过观察光伏板的输出功率及电压变化,来调节高频逆变器的占空比,进而改变充电电压Uout,最终实现最大功率点的跟踪功能。图3所示为基于变步长扰动逼近式 MPPT 算法的流程,其中:Dt和 Dt−1 分别为当前时刻和前一时刻的占空比,Pt 和 Pt−1 分别为当前时刻和前一时刻的输入功率;Ut和 Ut−1 分别为当前时刻和前一时刻的输入电压。
如图3 所示,基于变步长扰动逼近式MPPT算法的主要流程为:
1) 首先,输入初始占空比D0和干扰步长ΔD。2) 然后,令 Dt−1=D0 ,Pt−1=0,并采集当前时刻的输入电压Ut 和输入电流It,进而计算输入功率Pt、功率变化 ΔP以及电压变化ΔU。
3) 最后,根据ΔP 和 ΔU的变化趋势,调整在线变步长扰动的逼近趋势,即调整光伏充电装置中高频逆变器占空比D的变化趋势。判定原则为:(1)当 ΔP>0 且 ΔU>0 时,应减小占空比D,令Dt=Dt−1−ΔD;(2)当 ΔP>0 且 ΔU<0 时,应增加占空比D ,令 Dt=Dt−1+ΔD;( 3 )当 ΔP<0 且 ΔU>0 时,应增加占空比D , 令 Dt=Dt−1+ΔD ;( 4 ) 当 ΔP<0 且ΔU<0时,应减小占空比D,令 Dt=Dt−1−ΔD。同时,令 Pt−1=Pt,Dt−1=Dt,即将本次循环中当前时刻的功率和占空比,赋值到下一个循环中,并作为下一个循环在前一时刻的功率和占空比。
3 蓄电池的充电控制策略
由于蓄电池电压将随着其剩余电量( state of charge,SOC)的增加而增加,为了同时保证蓄电池充电的速度和安全性,可以通过采集蓄电池两端的电压、电流来判断蓄电池的SOC 情况[14],即w
ibat dt SOC (t) = S OC (3) bat 0 + Cbat
式中:SOCbat(t),SOC0 分别为蓄电池的当前电量和初始电量,其中SOC0 由蓄电池的自身属性和所
采集的初始电压决定;ibat 为蓄电池的充电电流;
t 为充电时间;Cbat为蓄电池的容量。
根据式(3),SOC 的估算流程如图4 所示,其中 SOCt 和 SOCt−1 分别为当前时刻和前一时刻蓄电池的剩余电量。首先,输入蓄电池容量Cbat,采集蓄电池的初始电压U0;然后,计算蓄电池的初始电量 SOC0 ,并令 SOCt−1=SOC0 ;最后,采集充电电流 ibat,根据式(2)计算当前 t时刻的蓄电池剩余电量 SOCt。
根据蓄电池的SOC情况,本文将采用三段式充电方法,即:MPPT最大功率充电阶段、恒压限流充电阶段和浮充电阶段,如图5所示。
1) MPPT最大功率充电阶段。在充电初期,蓄电池的剩余电量较少,将采用 MPPT最大功率的方式对蓄电池进行充电,从而使光伏板工作在最大功率点,以确保蓄电池的充电速度。为了在蓄电池容量接近充满时防止过充,应设置最低阈值SOCL,当 SOCt>SOCL 时,装置即可转入恒压限流充电阶段。
2) 恒压限流充电阶段。此时蓄电池已经基本充满,为了达到安全充电的目的,应通过降低高频逆变器的占空比来降低光伏板的功率,从而对蓄电池进行低电流充电,以有效避免蓄电池过充。为了防止蓄电池自身放电而导致电量下降,应设置最高阈值SOCH,当 SOCt>SOCH 时,装置随即转入浮充电阶段。
3) 浮充电阶段。此时蓄电池已经充满,应进一步降低高频逆变器的占空比,以再次降低光伏板的功率,仅以
图 7中:“光伏板输出曲线”模块为本文的输入测量,包括光伏板光照强度Ir、光伏板输出电流I_PV、光伏板输出电压V_PV、光伏板输出功率P_PV;“蓄电池状态”和“充电曲线”模块为本文的输出测量,包括蓄电池充电电流I_Battery、微弱的电流对蓄电池进行充电,从而使蓄电池电量始终保持在充满的状态。因此,该阶段也意味着整个充电过程的结束。
充电控制策略流程如图6所示。
4建模与仿真分析
为了验证本文提出的基于变步长扰动逼近法的 MPPT控制策略和蓄电池充电控制策略的可行性及有效性,根据在线光伏充电装置主拓扑(图1),采用 Matlab/simulink 仿真软件搭建移动光伏充电装置,其仿真模型如图7所示,关键性仿真参数如表 1所示。
蓄电池充电电压 V_Battery、蓄电池充电功率P_Battery、蓄电池剩余电量 SOC。
4.1 MPPT控制策略的仿真验证通过调节光伏板输入的光照强度,模拟现实
环境中的正常光照以及遮光环境,从而改变光伏板的最大功率点,随即观察光伏板的输出电压、
光伏板输出功率P_PV 和蓄电池充电功率P_Battery 的对比结果如图9 所示,根据仿真结果,在线充电装置在中间环节损耗的电能较小,光伏板可以实现对蓄电池的高效充电。
4.2 蓄电池充电策略的仿真验证
由于本文将高频逆变器与高频隔离变压器共同作为 MPPT 载体,所以 Simulink 的采样频率赋值较高。为了在短时间内模拟蓄电池的三段式充电过程,首先将蓄电池的容量减小到 0.01 Ah,同电流和功率以及蓄电池的充电电压、电流、功率和 SOC状态,即可验证基于变步长扰动逼近法的MPPT算法跟踪的准确性,其仿真结果如图8所示。
由图 8(a)可知,在 0~10 s 内,光伏板工作在标准光照条件下;第 10 s 时刻,突然降低光伏板的输入光照强度以模拟现实环境中的遮光情况;第 20 s时刻,恢复到标准光照强度。仿真结果表明:充电装置可以快速跟踪光伏板的最大功率点,从而让光伏板一直运行在最大功率状态对蓄电池进行充电;当光照强度降低时,光伏板的输出功率随之降低,蓄电池的充电速度也相应变慢。图9 光伏板输出功率和蓄电池输入功率的对比曲线
Fig. 9 Comparison curves between output power of photovoltaic panel and input power of battery
时在蓄电池充电策略仿真验证的第一阶段(即MPPT最大功率充电阶段)中,令光伏板的光照强度一直保持1 000 W/m2,其仿真结果如图 10所示。
由图 10 可知,在充电初期,在线充电装置采用 MPPT最大功率充电,即光伏板工作在最大功率点,此时蓄电池迅速充电,其蓄电池电压随着SOC的增加而增加。当蓄电池SOC 达到 SOCL
时,根据本文设计的蓄电池充电控制策略,装置进入第二充电阶段,即恒压限流充电阶段。虽然此时光伏板的光照强度依然为1 000 W/m2,但是
由于高频逆变器占空比的降低,使得光伏板功率随之降低,进而降低了蓄电池的充电电流,同时维持蓄电池的两端电压恒定。由于蓄电池内阻将随着 SOC的增加而增加,所以在恒压限流充电阶段的充电电流会缓慢下降。当蓄电池SOC 接近SOCH时,第二阶段结束,装置进入第三充电阶段,即浮充电阶段。此时高频逆变器占空比将进一步减小,使得光伏板功率再次降低,从而维持较低的蓄电池电流,以避免因蓄电池自身放电而导致的电量下降,进入此阶段也意味着整个充电过程的结束。
5工程化测试
根据在线光伏充电装置主拓扑(图1),研发了如图 11所示的实体样机。
为了验证基于变步长扰动逼近法的MPPT 算法跟踪的准确性以及其充电效率,本文对充电装置实物开展了现场测试工作,其在正常光照和遮光 2 种情况下的测试结果如图12 所示,各包含15组测试结果。图12 中:Iin 为光伏板的输出电
流;Vin 为光伏板的输出电压;Pin为光伏板的输出
功率;Iout 为蓄电池的充电电流;Vout为蓄电池的充
电电压;Pout为蓄电池的充电功率。
通过对比图12 的实测结果与图8 的仿真结果可知,虽然光伏板输出功率和蓄电池充电功率实测数据的波动相对较大,但仍然可以将误差保持在较小的范围内。现场测试结果表明,当光照条件发生变化时,该装置可以通过改变高频逆变器的占空比,从而实现MPPT算法跟踪的功能,其整体充电效率可以保持在92% 以上。
6 结 语
针对传统光伏充电装置的典型拓扑及其优缺点,本文构建了移动式在线光伏充电装置拓扑,通过将高频逆变器与高频隔离变压器共同作为MPPT载体,不但弥补了传统非隔离型光伏充电装置的电气隔离问题,还解决了传统隔离性光伏充电装置中级数多、效率受限等问题。基于此,本文提出了基于变步长扰动逼近法的MPPT 跟踪技术,仿真分析与现场测试结果表明,该在线光
伏充电装置可以准确地实现MPPT 算法跟踪,同时,由于采纳了三段式充电方案,还能确保蓄电池快速、安全地充电。然而,该方案目前尚处于车载平台运行阶段,下一步拟开展实船移动平台测试工作。
参考文献:
[1] 荣德生, 刘凤.改进型扰动观察法在光伏MPPT 中的研究 [J]. 电力系统及其自动化学报, 2017, 29(3): 104–109. RONG D S, LIU F. Application of improved perturba
tion and observation method to photovoltaic MPPT[J]. Proceedings of the CSU-EPSA, 2017, 29(3): 104–109 (in Chinese).
[2] 邱革非, 张春刚, 仲泽坤, 等.基于扰动观察法和电导增量法的光伏发电系统MPPT 算法研究综述 [J]. 中国电力, 2017, 50(3): 154–160.
QIU G F, ZHANG C G, ZHONG Z K, et al. MPPT analysis of photovoltaic power generation system based on P&O and IC method[J]. Electric Power, 2017, 50(3): 154–160 (in Chinese).
[3] 李勇, 程汉湘, 陈杏灿, 等.光伏电池输出特性及其最大功率跟踪研究 [J]. 华北电力大学学报, 2017, 44(1): 70–75.
LI Y, CHENG H X, CHEN X C, et al. Study on output characteristic of photovoltaic cell and its maximum power tracking[J]. Journal of North China Electric Power University, 2017, 44(1): 70–75 (in Chinese).
[4] 张佳民, 翟成强, 洪轩, 等.太阳能发电系统中蓄电池充电控制器的设计[J]. 电源技术, 2016, 40(8): 1648– 1650.
ZHANG J M, ZHAI C Q, HONG X, et al. Design of battery charging controller in solar photovoltaic power generation system[J]. Chinese Journal of Power Sources, 2016, 40(8): 1648–1650 (in Chinese).
[5] 潘凤红, 兰建军, 李宇.太阳能充电控制器系统设计[J].
电源技术, 2016, 40(7): 1460–1461, 1486.
PAN F H, LAN J J, LI Y. Design of solar energy charge controller system[J]. Chinese Journal of Power Sources, 2016, 40(7): 1460–1461, 1486 (in Chinese).
[6] 梁晖, 罗浩, 聂志强, 等.高频隔离型光伏并网逆变器拓扑及其控制策略[J]. 电网技术, 2016, 40(8): 2302– 2308.
LIANG H, LUO H, NIE Z Q, et al. Topology and control strategy of high frequency isolated PV grid-connected inverter[J]. Power System Technology, 2016, 40(8): 2302–2308 (in Chinese).
[7] 苏文亮.基于最大功率点跟踪控制算法的光伏充电系统设计及开发 [D]. 杭州:浙江理工大学, 2016.
SU W L. Design and development based on the maximum power point tracking control algorithm PV charging system[D]. Hangzhou: Zhejiang Sci-Tech University, 2016 (in Chinese).
[8] 周东宝, 陈渊睿.基于改进型变步长电导增量法的最大功率点跟踪策略[J]. 电网技术, 2015, 39(6): 1491– 1498.
ZHOU D B, CHEN Y R. Maximum power point tracking strategy based on modified variable step-size incremental conductance algorithm[J]. Power System Technology, 2015, 39(6): 1491–1498 (in Chinese).
[9] 苏粟, 蒋小超, 王玮, 等. 计及电动汽车和光伏−储能的微网能量优化管理 [J]. 电力系统自动化, 2015, 39(9): 164–171.
SU L, JIANG X C, WANG W, et al. Optimal energy management for microgrids considering electric vehicles and photovoltaic-energy storage[J]. Automation of Electric Power Systems, 2015, 39(9): 164–171 (in Chinese). [10] 海涛, 朱浩, 石磊, 等. 一种带 MPPT 的车载太阳能充电系统设计 [J]. 可再生能源, 2015, 33(1): 21–26.
HAI T, ZHU H, SHI L, et al. Design for a type of vehicle-mounted solar charging system with MPPT[J]. Renewable Energy Resources, 2015, 33(1): 21–26 (in Chinese).
[11] 郭小强. 光伏并网逆变器通用比例复数积分控制策略 [J]. 中国电机工程学报, 2015, 35(13): 3393–3399. GUO X Q. Generalized proportional complex integral control scheme for PV grid-connected inverters[J]. Proceedings of the CSEE, 2015, 35(13): 3393–3399 (in Chinese).
[12] 李逢兵, 谢开贵, 张雪松, 等.基于锂电池充放电状态的混合储能系统控制策略设计[J]. 电力系统自动化, 2013, 37(1): 70–75.
LI F B, XIE K G, ZHANG X S, et al. Control strategy design for hybrid energy storage system based on charge/discharge status of lithium-ion battery[J]. Automation of Electric Power Systems, 2013, 37(1): 70–75 (in Chinese).
[13] 徐顺刚, 王金平, 许建平. 一种延长电动汽车蓄电池寿命的均衡充电控制策略[J]. 中国电机工程学报, 2012, 32(3): 43–48.
XU S G, WANG J P, XU J P. An equalizing charge control strategy to extend battery cycle life for electric vehicles[J]. Proceedings of the CSEE, 2012, 32(3): 43–48 (in Chinese).
[14] 郭燚, 于士振, 郭将驰, 等.舰船中压直流电力系统的混合储能管理策略仿真分析[J]. 中国舰船研究, 2019, 14(2): 126–136, 143.
GUO Y, YU S Z, GUO J C, et al. Simulation analysis on hybrid energy storage management strategy in warship medium voltage DC power system[J]. Chinese Journal of Ship Research, 2019, 14(2): 126–136, 143 (in Chinese).