《太阳能电动车最大功率点跟踪器的设计.docx》由会员分享，可在线阅读，更多相关《太阳能电动车最大功率点跟踪器的设计.docx（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、太阳能电动车最大功率点跟踪器的设计.txt什么叫神话？请听男人向你表达爱意；什么叫传说？请听男人对你的承诺；什么叫梦境？请看你自己听到前两者时的反应。 本文由俸天承运贡献 pdf文档可能在WAP端浏览体验不佳。建议您优先选择TXT，或下载源文件到本机查看。 Vol. 15 No. 5 May 2003 系 统 仿 真 学 报 JOURNAL OF SYSTEM SIMULATION 737 ? 太阳能电动车最大功率点跟踪器的设计 赵剑飞，曹秉刚，康龙云，张 （西安交通大学机电系，西安 710049） 政 摘 要：在研究太阳能电池板工作原理的基础上，针对太阳能电动车对能量控制系统要求的特殊 性，
2、制定了能够进行最大功率点跟踪的实时控制策略并对其进行了改进。通过在稳定和变化环境 下的仿真研究获取了适用于太阳能电动车的最佳控制策略。最后进行了太阳能电动车最大功率点 跟踪器硬件电路的设计。 关键词：太阳能电动车；太阳能电池；能量控制系统；最大功率点跟踪 文章编号：1004-731X (2003) 05-0737-05 中图分类号：U469.72 文献标识码：A The Design of Maximum Power Point Tracker for Solar Car ZHAO Jian-fei，CAO Bing-gang，KANG Long-yun，ZHANG Zheng (Depart
3、ment of Mechatronics, Xian Jiaotong University, Xian, 710049, China) Abstract：Based on the working principle of solar panel, according to the requirements for the energy control system of solar car, the maximum power point tracking control strategies are presented and improved. The best strategy for
4、 electrical vehicle is acquired by computer simulation in static and variable environments. In the end, the hardware of the maximum power point tracker is designed. Keywords：solar car; solar panel; energy control system; MPPT 引 言1 在当代科技的飞速发展中， 节能与环保是全球进步的两 图 1 和 2 所示。由图可知：太阳能电池的输出特性近似为矩 形，即在低压段近似为恒流
5、源，而在接近开路电压时近似为 恒压源；太阳能电池板的开路电压近似同温度成反比，短路 电流近似同光强成正比； 太阳能电池板的输出功率随着光强 和温度成非线性变化，在某一点达到最大值，该点即为太阳 能电池板的最大功率点（具体参见图 3） ，也随着环境的变 化而变化；不管外界环境如何变化，最大功率点电压（ VMP） 总是约为太阳能电池板开路电压（VOC）的 80。MPPT 控 制的目的就是使太阳能电池板在环境变化时仍能迅速调整 其工作点至最大功率点。 大主题。太阳能电动车把电动车技术、太阳能技术和其它高 科技结合在一起， 在新能源利用和减少环境污染方面揭示了 人类与自然应有的和谐关系。 在驱动技术趋
6、于成熟的电动车 领域中， 能源控制与转换技术成为制约电动车发展与应用的 关键技术。能源是电动车的血液 ，太阳能电动车的能源部 分则为太阳能电池。 电动车的发展落后于燃油汽车是因为能 源利用时间的不足导致续驶里程不够、 充电时间过长等缺点 所致1。目前，很多研究机构竞相研制开发高效太阳能电池 板，但受材料、设备等条件的制约使转换效率很难有大幅度 提高，并且其生产成本非常高，仅处于试制阶段和用于特殊 用途，但有发展前景。太阳能电动车在行驶过程中周围环境 的不断变化(如树荫、云雨、道路倾角等)导致了光强或温度 变化。因此，太阳能电池板的输出特性也就随之变化。对其 进行最大功率点跟踪（MPPT）控制，
7、快速、准确的跟踪最 大功率点（MPP） ，可以使系统从外界最大限度地汲取能量， 对于太阳能电动车的推广与应用具有非常重要的意义。 1 2 MPPT 控制策略 目前，关于最大功率点跟踪控制通常有简单的负载匹 配、半动态负载匹配和动态负载匹配三种方法。简单的负载 匹配、 半动态负载匹配是根据环境以及负载的变化来确定太 阳能电池板单体的串、并联数。两种方法的理论依据是根据 太阳能电池板的 VMP 约为 VOC 的 80来实现负载匹配2。 简 单的负载匹配仅能考虑一种负载， 半动态负载匹配也只能考 虑两、三种负载及环境状况，在环境与负载多变的电动车行 驶过程中很难实时跟踪 MPP，仅用于静止安装的光伏
8、系统。 动态负载匹配法本质上是一个作为功率调节的 DC/DC 变换 器。DC/DC 中的开关调节通常采用脉宽调制（PWM）型， 它与太阳能电池板串联，通过改变 PWM 波的占空比来实现 动态负载匹配，以调整、控制电池板工作在最大功率点。动 态负载匹配法包括：开路电压法、基于最大功率点电压和基 于最大功率点功率三种 MPPT 控制方法。 开路电压法测量开 1 太阳能电池板的工作原理 太阳能电池板在不同光强和温度下的输出特性曲线如 收稿日期：2002-08-26 修回日期：2002-10-17 作者简介：赵剑飞(1977-), 男, 辽宁葫芦岛人, 硕士生, 研究方向为电动 车、能源变换和电力电子
9、; 曹秉刚 (1953-), 男, 甘肃会宁人, 教授, 博士, 研究方向为电动车、 能源变换和机电控制; 康龙云(1961-), 男, 吉林延边 人, 朝鲜族, 副教授, 博士, 研究方向为电力电子和能源变换; 张 政 (1972-), 男, 陕西三原人, 博士生, 研究方向为机电控制和机器人。 738 ? S=1000w/m2 S=800w/m2 S=600w/m2 S=400w/m2 系 统 仿 真 学 报 Vol. 15 No. 5 May 2003 T=10 T=20 T=30 T=40 图1 太阳能电池不同光强下的电流电压曲线 图 2 太阳能电池不同温度下的电流电压曲线 路电压可以
10、采用定时断开主回路直接测量或者通过测量安 装在太阳能电池板附近的导航单体来推断整个电池板的开 路电压来实现。 缺点是容易产生过电压或电流冲击以及噪声 污染 3 ；导航单体同其它单体的工作环境也不可能完全一 致。并且用于调节占空比的参考电压 Vr 仍然是依据 VOC 的 80来确定，故也不是真正意义的 MPPT 控制。 动态匹配法 的后两种方法工作原理为系统实时测量当前工作点电压 V、 电流 I，通过 MPPT 算法求出 Vr，实时调节 V 向 Vr 移动， 由此不断寻优，最终把工作点控制在最大功率点附近45。 2.2 基于最大功率点功率的 MPPT 控制 如图 3 所示，太阳能电池板电压在 0
11、VOC 间有且仅有 dP 一个极点， 实际系统连续可导， 由图可知， dV =0 时， MP； V=V dP dV dP dV 0 时 ， VVMP ； VI = d (V ) = I +V dI dV dI dV dI dV dP dV VMP 。 利 用 dI dV ， 结合边界条件， 可得其控制策略如下： I = ? V 或 dV = 0,dI = 0 I ? V 或 dV = 0, dI 0 ? VI 或 dV = 0, dI 0 n V = VMP V r = Vr n V VMP Vr = Vr ? d 2.1 基于最大功率点电压的 MPPT 控制 基于最大功率点电压的 MPPT
12、控制， 其寻优过程可分以 下几种情况进行讨论（如图 3） ： 其中：dI 、dV 和 dP 分别为电流、电压与功率得变化值（其 它参数参见 2 节综述部分） 。 此算法具有 dI = 0 与 dI dV = ? IV 两个分支可直接判 定工作点是否位于 MPP，较 3.1 方法具有高效性。 2.3 改进的基于最大功率点电压的 MPPT 控制 由于太阳能电动车受环境影响突出，下面以光强迅速 3 2 PMP 4 5 6 增加为例详细分析 2.1 所述方法。如图 3，假设系统处于稳 态，太阳能电池板工作点在 MPP(1 点)左右摆动。当光强急 速增加时，太阳能电池板输出功率增加，即P0（具体调 整过
13、程参见 2.1 节所述，其中 S 代表光强）: （）若摆动方向Vr0， 即工作点向 MPP 右侧偏离， 调整方向VrVrd 将持续到光强增加结束。即 S，1 6；S结束，64； MPP 1 VMP （）若摆动方向Vr0,V(k)0 时，工作点位于 MPP 左侧，移动 方向 23，继续调整 VrVrd； P(k)0,V(k)0 时，工作点位于 MPP 右侧，移动 方向 65，继续调整 VrVrd； P(k)0 时，工作点位于 MPP 右侧，移动 方向 56，反向调整 VrVrd； P(k)0,V(k)0 时，工作点位于 MPP 左侧，移动 方向 32，反向调整 VrVrd； 最终控制工作点位于
14、MPP。 Vol. 15 No. 5 May 2003 赵剑飞, 等：太阳能电动车最大功率点跟踪器的设计 739 ? 功率 P W） （ (a) 功率时间曲线 图4 电压法稳态仿真曲线 占空比 (b) 占空比时间曲线 (a) 功率时间曲线 图5 改进电压法稳态仿真曲线 (b) 占空比时间曲线 正常寻优阶段还是处于 S或 S，反向调节； （）P(k) ，P(k1) 连续两次反向变化： V(k) ，V(k1)方向不一致，系统处于系统正常 寻优阶段，Vr 调整方向同 3.1 节； V(k) ，V(k1)方向一致，系统或处于 VMP 左右 摆动阶段，反向调节；或处于错误阶段，需要纠正，反向调节。 计算
15、过程中近似使用了 dVV(k)-V(k-1)、 dII(k)-I(k-1)和步 长 d，真正达到 dI = 0 与 dI dV = ? I V 定误差 e 来改进算法，即 dI dV 两个分支几乎不可能 达到，即使稳态时也在 MPP 左右摆动。为此，可以使用限 I V e ，称为改进的功率 法。但 e 的选取加大了摆动误差，效率提高不显著。 3.2 外界环境变时的仿真研究 本节对系统在光强急速增加（2s 内光强由 700W/m2 增 加到 1000W/m 2）和缓速增加（10s 内光强由 700W/m2 增加 到 800W/m2）进行了仿真。 从图 6 可知， 在光强急速增加时电压法和功率法占
16、空比 出现大幅度的摆动,造成功率损失加大，而改进的电压法正 如所期望的抑制了工作点偏离。在光强缓慢增加时如图 7， 改进的电压法功率波动仍然较小。 这对于在千变万化环境下 行驶的太阳能电动车，意义非常重大。光强急速减少和缓慢 减少以及温度变化时对系统影响与此类似，不再赘述。 改进的电压法较其它方法无论在稳态环境还是在变化 环境下都具有很好的控制性能。 具有在稳态下可以将功率的 波动范围减小 19.35；在光强急速增加时能抑制工作点偏 离等优点。 因此， 改进的电压法适合在太阳能电动车中使用。 3 系统仿真 通过前面分析，基于最大功率点电压、功率的 MPPT 控制和改进的基于最大功率点电压的 M
17、PPT 控制均可用于 太阳能电动车。通过对其仿真研究，来确定最为适合太阳能 电动车的控制策略。基于最大功率点电压、功率的 MPPT 控制和改进的基于最大功率点电压的 MPPT 控制简称为电 压法、功率法和改进的电压法。 3.1 外界环境不变时的仿真研究 本节仿真 DC/DC 为升压变换器（Boost Converter） ，负 载为铅酸蓄电池，采样频率 100Hz。外界环境：光强 S 1000W/m ，温度 T=25。电压法和改进的电压法仿真曲线 如图 4、5 所示。 图 5 可以清楚看到改进的电压法占空比调整方法： 连续 两次同方向变化反向调节一次。稳态下，改进的电压法功率 波动范围减小了
18、19.35，这种情况在采样频率提高时更为 显著。电压法与功率法曲线基本上重合（图略） ，这是因为 2 4 硬件电路 通过前面的理论分析与仿真研究，确定了太阳能电动 车最大功率点跟踪器的最佳控制策略为改进的基于最大功 率点电压的 MPPT 控制。 能源转换与控制技术和驱动控制技 740 ? 系 统 仿 真 学 报 Vol. 15 No. 5 May 2003 电压法、功率法 改进的电压法 电压法、功率法 改进的电压法 (a) 功率时间曲线 图6 光强急速增加时的太阳能电动车系统仿真曲线 (b) 占空比时间曲线 电压法 功率法 功率法 电压法 改进的电压法 占空比 改进的电压法 (a) 功率时间曲
19、线 图7 (b) 占空比时间曲线 光强慢速增加时的太阳能电动车系统仿真曲线 术是电动车的两大关键技术，在硬件设计时应兼顾考虑。本 节设计的最大功率点跟踪器采用的 DSP TMS320LF2407 具 有 16 位通用定时器、8 个 16 位的脉宽调制（PWM）通道和 16 通道 A/D 转换器。通过此跟踪器，我们能够方便的实现 三相反相器控制、PWM 的对称和非对称波形和可编程死区 控制以防止上下桥臂同时输出触发脉冲， 其片内的光电编码 器接口电路更便于信号检测与控制。因此，对于交流感应电 机、无刷直流电机、开关磁阻电机、步进电机、多级电机等 各种电机和逆变器的控制具有独特的优越性。由此可见
20、T MS320LF2407 可以将能源控制与驱动控制集成于一体，非 常适合于电动车上使用。 最大功率点跟踪器的电路原理图如图 8 所示。此最大 功率点跟踪器具有如下优点： DSP 输入通过高速线性光耦、输出通过驱动板 M57962L 内部光耦进行控制回路与主回路光电隔离，避免 控制回路受到功率部分干扰，极大地提高了控制的精度； 实现了 IGBT 的过流保护、栅极过压保护和集电极 过压保护； 通过 DSP 可以输出可调占空比的 PWM 波，能够 实现最佳 MPPT 控制策略， 即基于最大功率点电压的 MPPT 控制； 其它 PWM 与 A/D 通道可用于驱动控制，便于控制 系统集成； DSP 内
21、部有 32K 字 flash 存储器， 无需外扩存储器； 载波频率可达 30kHz，减少噪声污染； 低功耗，硬件电路简单，便于维护。 目前， 国内外应用的最大功率点跟踪器主要用于静止安 装的光伏系统,如光伏水泵、太阳能热水器和太阳能发电系 统。其中，大部分仅仅作为简单的 DC/DC 变换器，起到太 阳能电池板到蓄电池的电压匹配作用。 也有一些实现了最大 功率点跟踪，但还是简单的最大功率点跟踪（具体参见 2 节） 。太阳能电动车是一全新领域。现在太阳能电动车上应 用的最大功率点跟踪器基本上仅是静止安装光伏系统的最 大功率点跟踪器的照搬和简单的硬件改进， 远不能适用于太 阳能电动车的特殊要求， 不
22、能解决由于能源利用时间的不足 导致续驶里程不够、充电时间过长等缺点，这也正是太阳能 电动车不能推广的主要原因。 本文所设计的最大功率点跟踪 器具有高抗干扰性、高可靠性、低功耗、低噪声、硬件电路 简单和便于电动车控制系统集成等优点。 无论在控制策略选 择还是在硬件电路设计都是质的革新。 5 结论 太阳能电动车行驶的外界环境不断变化，如树荫、云雨 以及道路状况等都会影响太阳能电池板的温度和等效的光 强。 而太阳能电动车的发展落后于燃油汽车也是因为能源利 用时间的不足导致续驶里程不够、充电时间过长等缺点所 致。因此，寻求一种控制策略能在这种特殊环境下达到 Vol. 15 No. 5 May 2003
23、 赵剑飞, 等：太阳能电动车最大功率点跟踪器的设计 D1 1mH 470uF R1 0.01R U3 C10 0. 01uF GD1 VINVin+ Vdd 4 3 2 1 R2 390R C2 0.1uF +5V R9 10K C3 R10 0.1uF 10K +5 +5V 5 6 7 8 C11 U2 GD2 VoutVout+ Vdd2 HCPL-7840 GD1 VINVin+ Vdd 4 3 2 1 0. 01uF R3 390R C4 0.1uF R5 200R C21 0.1uF R4 100k 1 2 3 4 5 6 7 8 9 10 13 14 M57962L VDD -15
24、 C19 0.47uF R11 R? J2 C? 1 2 3 C20 121 118 VDD 141 95 77 67 42 4 129 86 50 29 3 2 1 C? VCC VCCA 58 116 DGND 114 115 110 112 BOOT_EN/XF MP/MC VDDO6 VDDO5 VDDO4 VDDO3 VDDO2 VDDO1 VDD4 VDD3 VDD2 VDD1 VCCP/WDDIS VCCA VREFLO VREFHI ADCIN1 ADCIN0 D? PLVCCA PLLF2 PLLF PWM1/IOPA6 XTAL2 XTAL1/CLKIN RS VSSO7
25、VSSO6 VSSO5 VSSO4 VSSO3 VSSO2 VSSO1 VSS4 VSS3 VSS2 VSS1 VSSA 133 140 125 94 76 66 41 3 128 85 49 28 117 12 10 11 56 124 123 DGND PLLVCCA C29 0.01uF L2 C27 VCC 10MH +5 0.1uF +5 1 2 3 4 5 6 7 8 9 10 13 14 U8 C9 8 9 10 11 12 13 14 8 9 10 11 12 13 VCC 74HC14 PLLVCCA C22 0.1uF L3 10MH XTAL1 C? C23 0.1uF
26、L4 10MH C30 47uF 3 1 C28 5 6 7 8 VDD VDD SENCE RESET TPS733Q VCC VCC EN GND 4 3 2 1 C24 0.1uF C34 10uF C33 10uF C25 0.1uF C26 0.1uF VCCA C32 0.01uF DGND C35 1000pF L5 10MH DGND GND 6 5 4 3 2 1 7 6 5 4 3 2 1 R6 C13 +15V 47uF C14 -10V 47uF 68R D2 30V D3 FD D4 12V D5 12V C12 D? C15 470uF 741 ? D6 1MBH5
27、0D-060 U1 5 6 7 8 R7 10K R8 10K C1 0.1uF +5 GD2 VoutVout+ Vdd2 HCPL-7840 VCC C17 0.47uF -15 C18 0.47uF R13 470 4 3 2 1 4 3 2 1 0.1uF U6 U4 AD620 20kR C7 U7 +IN -VS -IN U5 AD620 20kR Rg R12 R? D7 L? +IN -VS -IN REF Rg REF OUT OUT +Vs +Vs Rg Rg 0.1u 4 4 2 2 5 6 7 8 5 6 7 8 J1 C6 0.1uF +15 +15 C8 0.1uF
28、 VDD VCC C31 47uF 3 图8 太阳能电动车最大功率点跟踪器 MPPT 控制更具有特殊意义。通过对太阳能电池工作原理的 分析研究， 提出了适于太阳能电动车应用的基于最大功率点 电压、功率以及改进基于最大功率点电压的 MPPT 控制， 并 在稳定及变化环境下的仿真研究， 证明了改进的最大功率点 电压的 MPPT 控制具有功率损失小、功率的波动范围减小 19.35、抑制工作点偏离等优点，进一步解决了太阳能电 动车的能源问题，为太阳能电动车的广泛应用奠定了基础。 最后本文结合太阳能电动车的特点设计了最大功率点跟踪 器。它具有高抗干扰性、高可靠性、低功耗、低噪声、硬件 电路简单和便于电动
29、车控制系统集成等优点。 本文设计的最 大功率点跟踪器无论在控制策略选择还是在硬件电路设计 都是质的革新，具有其它跟踪器无法比拟的优点。不仅适用 于太阳能电动车及太阳能蓄电池复合（hybrid）能源电动 （上接第 736 页） 为训练样本， 后 10 对作为测试 数据） 。根据输入 空间模糊分割 法，分析原始输 入样本数据，定 义输入空间的初 565 车，也可用于太阳能发电与风力发电系统，具有广阔的应用 前景与经济价值。此外，对于其它的能源控制与转换系统也 具有一定的参考价值。 参考文献: 1 2 3 4 陈清泉, 詹宜巨. 21 世纪的绿色交通工具电动车M. 北京: 清 华大学出版社, 200
30、0. 沈维祥. 最大功率跟踪器的原理及实现J. 新能源, 1992, 14(3):1-4. 王兆安, 黄俊. 电力电子技术M. 北京: 机械工业出版社, 2000. Enslin Johan H R. Integrated Photovoltaic Maximum Power Point Tracking ConverterJ. IEEE Transactions on Industrial Electronics, 1997, 44(6): 769-773. Eftichios Koutroulis. Development of a Microcontroller Based, Photo
31、voltaic Maximum Power Point Tracking Control systemJ. IEEE Transactions on Power Electronic, 2001, 16(1): 46-54. 5 题的模糊性和非线性性， 使得系统集模糊方法较强的知识表 全局误差 达能力和神经网络的自学习能力于一体。 并且通过动态调整 学习步长，系统的迭代速度更快、精度更高。应用本方法对 临盘水油水层含水饱和度进行测试计算，结果较为合理；并 学习步数 且与普通神经网络相比较，效果更优。实践证明这种方法具 有较大的理论意义和应用价值。 图 2 改进的补偿模糊神经网络训练步数-全局误
32、差曲线 参考文献: 1 2 3 4 5 6 7 冉启全, 李仕伦. 模糊神经网络及其在储集层油气评价中的应用 J. 钻采工艺, 1997, 20(1):32-36. 胡俊. BP 人工神经网络在计算含水饱和度中的应用研究J. 天然 气工业, 2000, 20(2): 39-41. 许少华, 梁久祯, 等. 模糊神经网络学习样本的选取与网络扩展能 力研究J. 计算机科学, 2000, 28(6): 95-97. 刘育骥, 耿新宇, 肖辞源, 等. 石油工程模糊数学M. 成都: 成都 科技大学出版社, 1994. 焦李成. 神经网络系统理论M. 西安: 西安电子科技大学出版社, 1996. 冯国庆
33、, 李允, 谈德辉. 模糊贴近度在储层识别中的应用J. 西南 石油学院学报, 1994, 21(40): 50-54. 汪锐, 郑晓丹, 何丹农. 基于人工神经网络的冲裁件缺陷诊断专家 系统J. 上海交通大学学报, 2001, 34(4): 979-980. 8 闻新, 周露, 王力丹. MATLAB神经网络应用设计M. 北京: 科学 出版社, 2000. 始模糊分割如下： 分量 COND 初始空间分割为0.1,0.40.4,0.7 0.7,1.0；输入分量 AC 初始空间分割为0.4,0.70.7,0.9 0.9,1.0；输入分量 POR 初始空间分割为0.4,0.70.7,0.9 0.9,1.0。本网络模型以表 1 的前 20 对样本进行训练，训练 565 次全局误差精度达到 0.005，在 PII400 机上耗时 8.5 分钟，训练 步数与全局误差曲线如图，再对表 1 后 10 对数据进行测试， 结果较为满意，如表 2。补偿模糊神经网络在训练步数、误 差精度和训练时间等方面都大大优于常规神经网络。 3 结论 本文所改进的补偿模糊神经网络采用单值模糊化、 高斯 隶属函数、乘积推理、积极-消积补偿运算、重心反模糊化 运算以及按梯度大小而动态调整的学习步长。 兼顾了实际问 11