Mobile photovoltaic online charging MPPT technology based on variable step size disturbance approximation method
-
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
Abstract:Objective In order to improve the charging efficiency, safety and speed of mobile online photovoltaic (PV) charging devices, a type of mobile online PV charging maximum power point tracking (MPPT) technology based on the variable step size disturbance approximation method is proposed.Methods By combining a high-frequency inverter and isolation transformer as the MPPT carrier, the former DC/DC structure of traditional PV charging topology devices is removed, charging control is combined with the pulse modulation of the high-frequency inverter, and the three functions of high-frequency isolation, MPPT tracking and charging control are finally integrated into one. At the same time, according to the different states of the remaining power battery, a three-stage charging control strategy is proposed.Results Simulation analysis and field test results show that this device can track the maximum power points of PV panels stably when their illumination intensity changes, and the battery can be charged efficiently in the three stages according to the set charging scheme. The measured overall charging efficiency can be maintained above 92%.Conclusion This device and control strategy can improve PV panel-to-battery charging efficiency and meet the requirements of fast and safe charging. -
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=UNUN×n=UbUb×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
SOCbat(t)=SOC0+∫ibatdtCbat (3) 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。
表 1 在线光伏充电装置的关键性仿真参数Table 1. Key simulation parameters of photovoltaic on-line charging device组成元件 物理量 数值 光伏板 开路电压/V 107.8 短路电流/A 8.08 最大功率点电压/V 88.7 最大功率点电流/A 7.35 蓄电池 标称电压/V 500 额定容量/Ah 40 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、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、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。
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。
-
表 1 在线光伏充电装置的关键性仿真参数
Table 1 Key simulation parameters of photovoltaic on-line charging device
组成元件 物理量 数值 光伏板 开路电压/V 107.8 短路电流/A 8.08 最大功率点电压/V 88.7 最大功率点电流/A 7.35 蓄电池 标称电压/V 500 额定容量/Ah 40 -
[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. doi: 10.3969/j.issn.1003-8930.2017.03.017 RONG D S, LIU F. Application of improved perturbation and observation method to photovoltaic MPPT[J]. Proceedings of the CSU-EPSA, 2017, 29(3): 104–109 (in Chinese). doi: 10.3969/j.issn.1003-8930.2017.03.017
[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. doi: 10.11930/j.issn.1004-9649.2017.03.154.07 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). doi: 10.11930/j.issn.1004-9649.2017.03.154.07
[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. doi: 10.3969/j.issn.1002-087X.2016.08.036 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). doi: 10.3969/j.issn.1002-087X.2016.08.036
[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. doi: 10.3969/j.issn.1002-087X.2016.07.036 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). doi: 10.3969/j.issn.1002-087X.2016.07.036
[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. doi: 10.7500/AEPS20140115012 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). doi: 10.7500/AEPS20140115012
[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. doi: 10.7500/AEPS201209267 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). doi: 10.7500/AEPS201209267
[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).
-
期刊类型引用(6)
1. 张雪萍,邹欢,阮解琼,杨彦鑫. 基于BP神经网络的并网光伏电站有功功率控制. 计算机仿真. 2024(02): 127-130+191 . 百度学术
2. 王勇,吕霞付. 负荷波动下电动汽车充电站储能配置方法. 计算机仿真. 2024(08): 131-135 . 百度学术
3. 王亚鸽. 基于模糊状态估计的光伏跟踪器自动化控制技术. 贵阳学院学报(自然科学版). 2024(03): 26-31 . 百度学术
4. 朱永生,赵红丽,卢娜,朱湘临. 基于PSO和变步长电导增量法的5G基站充电策略. 信息技术与信息化. 2023(07): 172-175 . 百度学术
5. 李建林,赵文鼎,梁忠豪,闫涛. 光储一体化耦合制氢系统控制策略及仿真分析. 热力发电. 2022(11): 148-155 . 百度学术
6. 何琦. 图像处理技术的船舶航向控制测试平台设计. 舰船科学技术. 2021(18): 79-81 . 百度学术
其他类型引用(1)