首页 理论教育 基于模糊理论的MPPT控制方法

基于模糊理论的MPPT控制方法

时间:2023-06-21 理论教育 版权反馈
【摘要】:本节以模糊控制器为例,简要介绍了模糊控制在MPPT控制中的应用。图6-26 基于模糊理论的MPPT控制器的控制结构图6.5.1.2 模糊逻辑控制过程1.模糊化图6-26 基于模糊理论的MPPT控制器的控制结构图6.5.1.2 模糊逻辑控制过程1.模糊化图6-27 隶属度函数示意图将采样得到的数字量转化为模糊逻辑控制器可以识别和使用的模糊量的过程即为“模糊化”。

基于模糊理论的MPPT控制方法

模糊控制是以模糊集合理论为基础的一种新兴的控制手段,它是模糊系统理论与自动控制技术相结合的产物,特别适用于数学模型未知的、复杂的非线性系统。而光伏系统正是一个强非线性系统,太阳电池的工作情况也很难以用精确的数学模型描述出来,因此采用模糊控制的方法来进行太阳电池的最大功率点跟踪是非常合适的。将模糊控制引入到光伏系统的MPPT控制中,系统能快速响应外部环境变化,并能减轻最大功率点附近的功率振荡。本节以模糊控制器为例,简要介绍了模糊控制在MPPT控制中的应用。

6.5.1.1 基本原理

引入模糊控制,首先应当确定模糊逻辑控制器的输入和输出变量

同前文一样,为实现MPPT控制,模糊控制系统也是将采样得到的数据经过运算,判定出工作点与最大功率点之间的位置关系,自动校正工作点电压值,使工作点趋于最大功率点。所以可以定义模糊逻辑控制器的输出变量为工作点电压的校正量dU。输入变量则分别为E(误差)与CE(误差的变化率),定义

978-7-111-58551-0-Chapter06-147.jpg

其中,Pk)和Ik)分别为光伏电池的输出功率及输出电流的第k次采样值。显然,若Ek)=0,则表明光伏电池已经工作在最大功率输出状态。

978-7-111-58551-0-Chapter06-148.jpg

图6-25 MPPT的逻辑控制规则示意

对图6-25所示的光伏电池P-U特性曲线进行分析,可以得出MPPT的逻辑控制规则,即

1)Ek)<0,CEk)≥0时,P由左侧向Pmpp靠近;则dU应为正,以继续靠近最大功率点;

2)Ek)<0,CEk)<0时,P从左侧远离Pmpp;则dU应为正,以靠近最大功率点;

3)Ek)>0,CEk)≤0时,P由右侧向Pmpp靠近;则dU应为负,以继续靠近最大功率点;

4)Ek)>0,CEk)>0时,P从右侧远离Pmpp。则dU应为负,以靠近最大功率点。

图6-26给出了模糊逻辑控制器的结构框图,模糊逻辑控制器的作用是调节输出控制信号dU以使光伏系统工作在最大功率输出状态。

978-7-111-58551-0-Chapter06-149.jpg

图6-26 基于模糊理论的MPPT控制器的控制结构图

6.5.1.2 模糊逻辑控制过程

1.模糊化

978-7-111-58551-0-Chapter06-150.jpg(www.xing528.com)

图6-27 隶属度函数示意图

将采样得到的数字量转化为模糊逻辑控制器可以识别和使用的模糊量的过程即为“模糊化”。

在模糊逻辑控制中,输入变量通常又称为语言变量,而描述这些语言变量特性的语言值,常常用PB(正大)、PM(正中)、PS(正小)、ZE(零)、NS(负小)、NM(负中)、NB(负大)这7个说明性的短语来表示。本例中采用PB(正大)、PS(正小)、ZE(零)、NS(负小)、NB(负大)这5个短语来描述输入和输出变量。

如图6-27给出的隶属度函数所示,这里采用均匀分布的三角形隶属度函数来确定输入变量(ECE)和输出变量(dU)的不同取值与相应语言变量之间的隶属度(μ)。每一个语言变量对应于一个特定的数值区间。举例来说,E取值为6时与PB(正大)的隶属度关系为1即E完全隶属于PB(正大)这个模糊子集;此时E与PB(正大)的关联比E取值为4.5时要强。隶属度函数把输入变量从连续尺度映射到一个或多个模糊量。

如图6-27所示,ECE、dU中任一变量的隶属度函数图相同,为简便起见在横轴上同时标示了ECE、dU

2.模糊推理运算

得到“模糊量”之后,根据“专家知识”制定出运算规则,而得出模糊控制输出量的过程实际上是模糊推理运算的过程,并且得出的输出量仍然是“模糊量”的形式。

根据以上分析的ECE的不同组合,为了跟随到最大功率点,应对输出电压的变化值dU做出相应改变,即dU的变化应该使工作点向靠近最大功率点的方向搜索

由MPPT的逻辑控制规则,可以得到表6-1所示的模糊规则推理表,该表反映了当输入变量ECE发生变化时,相应输出变量dU的变化规则。由此即得出dU对应的语言变量。

举例说明:当E为NB(负大)的时候,说明两次采样点连线的斜率为负数,且绝对值较大,说明工作点在最大功率点左侧,并离最大功率点较远;此时若CE也为NB(负大),说明紧接着进行的电压值变化将进一步远离最大功率点。为此可使输出变量dU为PB(正大),这样就使工作点电压大幅增加,从而快速地向最大功率点靠近。

6-1 模糊规则推理表

978-7-111-58551-0-Chapter06-151.jpg

模糊推理运算有多种方法,现在普遍采用的是MAX-MIN推理方法,关于MAX-MIN推理方法在此不过多介绍,详见智能控制[17]ECE的取值在隶属度函数中对应的权值经过推理运算最终得到的是dU对应于特定语言变量的权值。

3.清晰化

清晰化是指将用语言变量表达的“模糊量”回复到精确的数值,也就是根据输出模糊子集的隶属度计算出确定的输出变量的数值。清晰化有许多方法,其中采用较多的是最大隶属度方法和面积重心法,这里采用面积重心法。面积重心法的计算公式如下:

978-7-111-58551-0-Chapter06-152.jpg

式中,dU为模糊逻辑控制器输出的电压校正值。根据给出的隶属度函数,ECE按照其取值对应于相应的语言变量,依据表6-1可以判断出输出变量dU对应的语言变量,该语言变量在隶属度函数中对应的数值区间的中心值即为UiμUi)是对应于Ui的权值,由隶属度函数决定ECE对应于相应的语言变量的权值根据MAX-MIN方法计算得到。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈