梁钊健 李彦璋 敖翔 黄恒敬 张克歌
摘 要：在光伏系统最大功率点跟踪技术中，模糊算法的应用很多。文章就模糊控制法在光伏发电MPPT领域上的应用进行了分类和总结，介绍了常规的模糊控制法，模糊算法与扰动观察法、电导增量法、神经网络法、粒子群算法等方法的配合应用，以及模糊算法在更复杂的光伏电池非对称模型下和局部遮挡情况下的应用。最后总结部分对模糊控制法的进一步应用进行了展望。
关键词：光伏发电；最大功率点跟踪；模糊控制；非对称；局部遮挡
中图分类号：TM615 文献标识码：A 文章编号：1671-2064（2018）18-0179-02
根据光伏电池的特性，光照强度和电池结温的变化与光伏阵列的输出功率有非线性关系，在特定条件下存在着唯一最大功率输出点（MPP）。在实际环境中，光照强度总是不断变化，光伏电池应根据不同光照强度获得最大功率以实现发电量的最大化。
1 MPPT原理
不同光照强度和不同电池结温下某光伏阵列的输出特性曲线。作为一种非线性的直流电源，光伏电池会根据不同的光照辐射强度和电池结温度呈现不同的输出电压和输出电流。显然，在一定辐照和温度下，我们总能找到一组电流电压的组合使光伏阵列的输出功率最大，即找到最大功率点（MPP）。最大功率点跟踪技术就是通过利用调节变换电路占空比等方法调节电压，从而使光伏阵列在动态的光照强度和电池结温条件下实现输出功率最大化或近似最大化的技术。
2 模糊控制法
2.1 基于扰动观察法或占空比扰动法的常规模糊控制法
由于基于P&O;法或占空比扰动法的模糊控制法[1]应用较广、提出时间较早且原理较简单，本文把这种方法称为常规模糊控制法。这种方法根据模糊算法确定扰动步长，当功率差值较大时，采用较大步长追踪；当功率差值较小时，采用小步长进行搜索。常规模糊控制法可兼顾追踪速度和精度，呈现良好的稳态性；环境突然改变造成最大功率点偏移的情况下，模糊控制器也能实现追踪，动态性良好。常规模糊控制法存在着性能上的缺陷：工作点在MPP附近会发生“功率振荡”。这个问题相比于P&O;法和占空比扰动法已经得到大大改善，但仍值得进一步优化，具体将在第3部分继续讨论。
2.2 模糊算法与电导增量法的结合
电导增量法同样存在着因为步长固定而引起的控制精度与速度不能兼顾的矛盾。对此，人们提出用模糊控制法与电导增量法相结合的模式实现MPPT[2]，以解决精度与速度的矛盾。
在初步寻优时用单输入单输出的模糊控制法进行MPP粗略追踪，保证追踪速度；当工作点到达MPP附近时切换至小步长或变步长的电导增量法进行追踪，保证追踪精度。或者，先用大步长的电导增量法进行初步寻优，确保跟踪速度；当工作点进入最大功率点右侧时，用模糊控制法进行追踪，减少最大功率点附近的功率振荡。
上述方法都是对模糊控制法和电导增量法取长补短进行耦合，结构不算太复杂，相比于单一模糊控制算法和单一的电导增量法，有更好的跟踪速度、稳定性和鲁棒性，是实现MPPT的较好方法。
2.3 模糊算法和神经算法结合
基于模糊控制的MPPT算法反应迅速，鲁棒性强，但其模糊控制规则和隶属函数的确定更多依靠人们的经验。神经网络法学习能力强，可弥补模糊控制的不足。不少研究把两者结合实现MPPT，目前结合的方法主要有两种[3，4]：一是，通过神经网络的训练实现模糊控制规则的生成和隶属函数的修改，在线自适应调整，大大提高算法的适用性。二是，先用神经网络预测最大功率点处电压Vmpp，并以此作为模糊控制的依据，最终实现MPPT。
除了以上两种主要的方法外，文献[5]针对模糊神经网络MPPT在实际应用中会因数据过多出现“规则爆炸”、收敛速度慢的问题，设计了一种新方法。先对实测数据模糊聚类后，提取模糊控制规则，确定隶属函数，通过神经网络训练生成模糊推理系统，最后根据生成的模糊推理系统对变步长电导增量法的步长进行优化，从而实现MPPT。该方法更完善，但结构很复杂，很难实现。
3 考虑非对称情况的模糊控制法
光伏电池的输出特性曲线在MPP两侧完全不对称。大多模糊控制器设计时并没有考虑这个问题，采用了对称的三角形隶属度函数对步长进行控制。显然，关于MPP对称的扰动步长难以对非对称的输出特性实现精确控制，这使得系统在最大功率点附近存在功率波动以及精度、稳定性下降。
对此，文献[6]对模糊控制器的输入量改用非对称隶属度函数以适应光伏电池P-U输出特性曲线在MPP两侧不对称的特性。但仅仅改进隶属度函数带来的效果不足以令人满意。于是，当工作点稳定在MPP附近时，往往加入积分控制环节，即改用PID或PI控制器进行控制。这样虽稍微降低控制速度，却大大提高了控制精度和削弱“功率振荡”现象。
关于非对称情况还有一种较有效方法[7]。原理如图1，利用模糊控制对PID参数Kp、Kd、Ki实时调整。模糊规则为：（A）当偏差绝对值|e|较大时，比例因子Kp大一些，微分因子Kd小一些，以保证较好跟踪性能；（B）偏差绝对值|e|及偏差微分的绝对值|ec|大小中等时，Kp、Kd、Ki取值小一些，以保证响应速度；（C）偏差绝对值|e|较小时，Kp和K取大些，以保证稳态性能。通过PID调节器对BOOST电路的占空比进行调节。这种方法有良好的动态和稳态性能，很好地消除了“功率振荡”现象。
4 多峰值情况下的模糊控制法
实际情况中，光伏系统（尤其是大型的光伏系统）会出现局部遮挡情况，使光伏电池特性曲线由单峰值（曲线m）变为多峰值（曲线n）。一般MPPT方法都是按单峰情况设计的，所以容易陷入局部最大值而非全局最大值的跟踪。若系统内部仅有10%的阵列面积受到阴影遮挡而无法同时达到最大功率点时，其功率就会下降50%。为此，研究适用于多峰情况的MPPT策略很有必要。以下为目前的相关策略。
文献[8]采用模糊控制器优化粒子群算法的惯性权重，能根据光照强度实时调整参数值实现MPPT，避免陷入局部最优值；文献[9]利用粒子群算法找到真正的MPP获得初始占空比扰动量，再利用模糊控制法对初始占空比扰动量进行精确的寻优。利用模糊算法对粒子群优化算法进行优化，可以在保证全局寻优能力的同时，改善追踪精度和速度。
此外，还有其它改进过的模糊控制法适用于局部遮挡情况，一般都用二次追踪的方法避免陷入局部峰值。文献[10]通过电流电7压的变化检测到局部遮挡发生时，对工作点进行移动以跳出局部最优值，再用模糊控制法重新追踪MPP。这种方法简单有效，但在动态性、稳定性和精度方面仍需改进。
多峰问题复杂的非线性使得人们很难使MPPT方法变得结构简单且性能优异，这方面的研究仍不够成熟。
5 结语
本文详细介绍了模糊算法在MPPT上的应用。基于P&O;或占空比扰动法的模糊控制法是最常规的应用，各方面都比较令人满意，比较实用；与电导增量法相结合的模糊控制法在追踪效果方面更加精确，是不错的MPPT方法；模糊算法与神经网络法相结合虽然可以取得十分高的控制精度，控制效果比较令人满意，但结构复杂，需耗大量时间进行训练。
随着研究的深入，一些实际情况不容忽视，包括光伏电池非对称特性和多峰值情况。这方面已有不少算法被提出，实现了良好的控制性能，但很多算法因其自身设计太繁杂，难以投入实际应用。算法简化和实用性依是重要研究方向。针对多峰值问题，全局搜索能力显著的粒子群算法与局部搜索能力突出的模糊算法相结合效果较佳，是一个值得深入的课题。
模糊控制把优良的跟踪速度、跟踪精度、动态性和稳定性，以及对外界参数不敏感等等优点集于一身，但有一个不可避免的问题：建立模糊规则和分配权重需依靠专家经验。在光伏系统实际应用中，不同机组参数和不同地方气候环境存在差异，专家经验相对稀缺。这导致了一些性能优异的模糊控制器只适用于某些特定的机组和环境而走不上生产线，所以在设计和研究基于模糊控制的MPPT方法时要重点考虑其实用性和普适性。研究适用性更广的模糊规则和权重，既保留模糊控制的优良性能，又适应不同机组的参数和地区气候；或者，寻求一种智能的方法代替专家经验对权重进行合理分配，都是比较值得研究的方向。可以预见，将来一定会有更多基于模糊算法的优秀MPPT方法出现在我们的视野中。
参考文献
[1]徐晓淳，刘春生，李锋.光伏系统MPPT的改进模糊控制[J].电力系统及其自动化学报，2014，26（09）：81-84.
[2]张翔，王时胜，余运俊.模糊控制法与电导增量法结合的MPPT算法研究[J].电源技术，2014，38（12）：2396-2398+2420.
[3]杨旭，曾成碧，陈宾.基于广义动态模糊神经网络的光伏电池MPPT控制[J].电力系统保护与控制，2010，38（13）：22-25.
[4]郑晓斌.神经网络模糊PID技术在光伏系统MPPT控制器中的应用[J].长春理工大学学报（自然科学版），2015，38（01）：102-106+111.
[5]郭鹏，孙建起，刘振永，等.基于模糊聚类和自适应神经模糊推理的MPPT研究[J].现代电子技术，2016，39（14）：154-157.
[6]杨旭，曾成碧，陈宾.基于广义动态模糊神经网络的光伏电池MPPT控制[J].电力系统保护与控制，2010，38（13）：22-25.
[7]Lu C， Zhang J. Design and simulation of a fuzzy-PID composite parameters' controller with MATLAB[C]//International Conference on Computer Design and Applications.IEEE，2010：V4-308-V4-311.
[8]李继生，李金羽，游国栋，等.光伏系统模糊PSO的MPPT控制[J].天津科技大学学报，2015，30（01）：73-77.
[9]赵兴勇，张学军，任亮.局部阴影下多峰值光伏阵列MPPT优化控制策略[C]// 中国电机工程学会年会，2014.
[10]Farhat M， Barambones O， Sbita L. Efficiency optimization of a DSP-based standalone PV system using a stable single input fuzzy logic controller[J]. Renewable & Sustainable Energy Reviews，2015，49：907-920.
