18、基于P&O算法的太阳能电池供电电动汽车的MPPT研究

基于P&O算法的太阳能电池供电电动汽车的MPPT研究

1. 引言

全球对电力的需求正在迅速增长，可再生能源因其近乎免费且清洁的特点，正受到越来越多的关注。太阳能是可再生能源中最有前途的电力生产能源之一，可通过光伏（PV）效应或加热流体来发电。然而，太阳能光伏电池的转换效率较低，通常在9% - 17%之间，特别是在低光照条件下。此外，不同的天气条件会导致太阳能光伏板的发电量发生变化，其V - I和V - P特性是非线性的，会随温度和光照强度而波动。

不过，在V - I或V - P曲线上始终存在一个最大功率点（MPP）。目前有多种MPPT算法可以识别这个点，常见的算法包括：
- 扰动观察法（P&O）
- 增量电导法（InC）
- 恒流（CC）或恒压（CV）法
- 模糊逻辑算法（FLA）
- 人工神经网络（ANN）
- 粒子群优化算法（PSO）

这些算法各有优缺点，涉及到简单性、快速收敛性、额外硬件以及成本等方面。本文提出了一种用于电池连接的太阳能电动汽车MPPT的可变P&O方法，仿真结果表明该方法具有一定的实用性和价值。

2. PV面板

从数学角度来看，光伏太阳能电池的表达式如下：
[I = I_{sc} - I_{o}(e^{\frac{qv}{kT}} - 1)]
[V_{oc} = \frac{kT}{q}\ln(\frac{I_{sc}}{I_{O}} + 1)]
其中：
- (I_{cell})：光伏电池电流（A）
- (I_{sc})：短路时的光伏电池电流（A）
- (V_{cell})：光伏电池电压（V）
- (V_{oc})：开路时的光伏电池电压（V）
- (P_{cell})：光伏电池功率（W）
- (T)：光伏面板温度（K）
- (I_{o})：光伏面板反向饱和电流（A）
- (q = 1.609 * 10^{-19})（C）：电子电荷
- (k = 1.381 * 10^{-23})（J/K）：玻尔兹曼常数

由于阴影影响，太阳能光伏面板较为敏感。考虑到阴影、接触损耗、模块内部串联电阻以及电池和模块之间的连接损耗，更精确的光伏电池V - I特性表达式为：
[I_{cell} = I_{sc} - I_{o}(e^{\frac{q(V + IR_{s})}{kT}} - 1) - \frac{V + IR_{s}}{R_{p}}]
其中(R_{s})和(R_{p})分别是阴影和损耗电阻。

开路电压（(V_{oc})）和短路电流（(I_{sc})）是V - I特性的两个关键参数，在这两个点上，发电量为0。通过测量电池的输出电流可以得到(V_{oc})，测量输出电压可以得到(I_{sc})。光伏电池在（V&I）乘积最大的特征点处产生最大功率，这个点就是MPP。

光照和温度是影响太阳能光伏面板发电的两个最重要参数，它们会显著影响面板的特性，导致MPP在白天发生变化。如果工作点远离MPP，会造成显著的功率损失，因此在所有情况下监测MPP以确保太阳能面板产生最大功率至关重要。本文建议使用自适应P&O方法来搜索MPP，下面将进一步解释。

3. 电池关联的PV系统

太阳能光伏系统可分为两类：用于高功率应用的并网太阳能光伏系统和需要电池存储能量的独立太阳能光伏系统。电池连接的光伏系统的基本组件包括太阳能光伏阵列、DC/DC转换器、DC/AC逆变器、滤波器、变压器以及能量存储设备。

DC/DC转换器常用于从可变电源维持稳定的输出电压，常见的拓扑结构有降压（step down）、升压（step up）以及降压 - 升压等。DC/AC逆变器的主要功能是将恒定的直流电压转换为具有可变频率和幅度的三相电压，通过脉冲宽度调制（PWM）方法控制半导体开关来实现。锁相环（PLL）通过解析电网电压成分a、b和c，提供公共连接点的旋转频率、直轴和交轴电压元素。

4. 连接BEV（电池电动汽车）的MPPT P&O算法

P&O方法是最常用的MPPT算法，它采用简单的反馈系统，可监测的参数较少。该方法通过定期扰动模块电压，并将产生的输出功率与前一个扰动周期的功率进行比较。算法会给系统引入一个小的扰动，太阳能模块的功率会因此发生变化。如果扰动后功率增加，扰动将以相同的方式继续；当达到MPP时，功率变化为0，之后功率下降，此时扰动方向会反转。

传统的P&O方法通常具有固定的步长，在大气条件快速变化时，难以成功跟踪MPP。采用可变步长可以解决这个问题。在传统P&O技术中，假设扰动变量作为太阳能光伏面板端电压的参考值。如果太阳能光伏面板的输出电压受到扰动且(\frac{dP}{dV} > 0)，则工作点在MPP的左侧，P&O算法会提高太阳能光伏面板的参考电压以使工作点更接近MPP；反之，如果(\frac{dP}{dV} < 0)，则工作点在MPP的右侧，算法会降低参考电压。

然而，传统P&O方法在大气条件快速变化时可能会失效。当光伏系统电压V变化且环境条件基本恒定时，工作点会移动，功率下降时电压变化会反转，但功率上升时扰动保持不变。因此，如果太阳光照持续增加，工作点会继续偏离MPP。为了确保在太阳光照突然变化时能够跟踪MPP，建议采用一种基于功率波动的可变扰动比例因子的自适应P&O方法，该方法的扰动步长会根据大气条件的变化不断调整。

可变扰动步长随功率变化的表达式为：
[\Delta V_{i} = \Delta V_{o} \cdot \frac{dP_{i}}{dV_{i}}]

P&O算法的功率流程图如下：

graph TD;
    A[calculate V(k) I(k)] --> B[P(k)=V(k)*I(k)];
    B --> C[∆P=P(k)-P(k-1)];
    C --> D{∆P>0};
    D -- YES --> E[Update history V(k-1)=V(k) P(k-1)=P(k)];
    E --> F{V(k)-V(k-1)>0};
    F -- YES --> G[Increase cell Voltage];
    F -- NO --> H[Decrease cell Voltage];
    D -- NO --> I{V(k)-V(k-1)>0};
    I -- YES --> H;
    I -- NO --> G;

功率扰动的条件如下表所示：
| 功率 | 扰动 | 下一次扰动 |
| ---- | ---- | ---- |
| 正 | +ve | +ve |
| 负 | +ve | -ve |
| 正 | -ve | -ve |
| 负 | -ve | -ve |

MPPT技术的目标是自动确定光伏阵列在特定温度和光照条件下应工作的电流（(I_{MPP})）和电压（(V_{MPP})），以产生最大功率（MPP）。大多数MPPT技术能适应光照和温度的变化，有些在温度大致恒定的条件下效果更好。在实际应用中，模块通常会与一个功率转换器相连，该转换器可以调节从光伏阵列流向负载的电流量。

5. Matlab/Simulink环境

为了模拟与电池供电的电动汽车相连的太阳能光伏系统的MPP，使用MATLAB/SIMULINK程序生成了仿真结果。在Simulink库浏览器的子系统块中，将PV面板表示为一个恒定的直流源，该模型接收来自系统的三个反馈输入：光照、温度和电压。

以Apollo solar energy ASEC - 305G6M太阳能面板为例，其参数如下表所示：
| 序号 | 参数 | 值 |
| ---- | ---- | ---- |
| 1 | 并联串数 | 6 |
| 2 | 串联电池模块数 | 2 |
| 3 | 最大功率 | 305.0063 |
| 4 | 每个模块的电池数 | 72 |
| 5 | 开路电压 | 44.08 |
| 6 | 短路电流 | 8.95 |
| 7 | 最大功率点电压 | 35.59 |

使用6个并联串和2个串联模块的Apollo solar energy ASEC - 305G6M面板，可获得3660 W的功率额定值。在太阳光照(G = 1 kW/m^{2})、温度(T = 25 °C)的条件下，太阳能光伏系统的电压 - 电流和电压 - 功率特性表明，光伏系统的电流随太阳光照的增加而增加。

仿真中使用了一个标称电压为12 V、四个电池的锂离子电池（Li - ion），电池的额定容量为48 Ah，内部荷电状态（SOC）为80%，电阻为0.0001。

通过建议的P&O算法将电池与太阳能面板相连，使用无变压器的DC - DC转换器连接太阳能面板和电池。在不同的温度和光照条件下测量面板的输出参数，任何误差都会由DC转换器校正后再输送到电池，电池用于为电动汽车的动力系统提供动力。

整个太阳能供电的电池连接电动汽车的仿真图如下所示，同时列出了永磁同步（PMS）电机的规格参数：
| 序号 | 温度（T）（°C） | 光照（G）（W/m²） | 电压（V） | 电流（I）（A） | 功率（P）（W） |
| ---- | ---- | ---- | ---- | ---- | ---- |
| 1 | 20 | 500 | 70.65 | 26.37 | 1863 |
| 2 | 30 | 1000 | 67.11 | 52.51 | 3524 |
| 3 | 40 | 1500 | 64.40 | 76.35 | 4917 |
| 4 | 50 | 2000 | 64.22 | 89.30 | 5735 |

在光照为(1 kW/m^{2})时，最大功率点的结果如下：
- 从太阳能面板获取的最大功率
- PWM逆变器的三相输出电压
- PMS电机的三相定子电流
- PMS电机的转矩 - 速度特性

6. 结论

本研究使用MPPT控制系统，有效地采用P&O算法从太阳能面板获取最大功率，驱动了带有PMS电机的电池供电电动汽车。仿真结果表明，基于P&O算法的MPPT对于电池供电的太阳能车辆是有效的。

7. 未来工作

未来将利用ANN - MPC方法对算法进行修改，以实现MPPT，从而在扩展太阳能面板应用中更好地获取最大功率。

基于P&O算法的太阳能电池供电电动汽车的MPPT研究

8. 技术优势与挑战分析

• 优势
  • 算法简单 ：P&O算法采用简单的反馈系统，可监测的参数较少，易于在电子可编程电路中实现，降低了系统的复杂性和成本。
  • 适应性强 ：自适应P&O方法通过可变扰动步长，能够根据大气条件的变化不断调整，在一定程度上适应光照和温度的快速变化，提高了MPP的跟踪精度。
  • 应用广泛 ：该算法可应用于电池连接的太阳能电动汽车，为电动汽车的动力系统提供稳定的电力支持，有助于推动可再生能源在交通领域的应用。
• 挑战
  • 传统P&O的局限性 ：传统P&O方法具有固定步长，在大气条件快速变化时，难以成功跟踪MPP，可能导致工作点偏离MPP，造成功率损失。
  • 自适应算法的优化 ：自适应P&O算法虽然在一定程度上解决了传统算法的问题，但仍存在收敛速度和跟踪效率等方面的不足，需要进一步优化。

9. 与其他MPPT算法的比较

为了更全面地了解P&O算法的性能，将其与其他常见的MPPT算法进行比较，如下表所示：
| 算法名称 | 优点 | 缺点 | 适用场景 |
| ---- | ---- | ---- | ---- |
| 扰动观察法（P&O） | 算法简单，易于实现 | 固定步长在快速变化条件下跟踪效果差 | 光照和温度变化相对缓慢的场景 |
| 增量电导法（InC） | 跟踪精度高 | 计算复杂度较高 | 对MPP跟踪精度要求较高的场景 |
| 恒流（CC）或恒压（CV）法 | 控制简单 | 不能准确跟踪MPP | 对功率输出要求不高的场景 |
| 模糊逻辑算法（FLA） | 适应性强，能处理非线性问题 | 需要大量的实验数据进行训练 | 复杂环境下的MPP跟踪 |
| 人工神经网络（ANN） | 具有强大的学习和自适应能力 | 训练时间长，计算资源要求高 | 对算法性能要求较高的大规模系统 |
| 粒子群优化算法（PSO） | 全局搜索能力强 | 收敛速度较慢 | 光照分布不均匀的场景 |

通过比较可以看出，P&O算法在简单性和易于实现方面具有优势，但在快速变化的环境中需要进行改进。

10. 实际应用中的考虑因素

在将基于P&O算法的MPPT系统应用于实际的太阳能电池供电电动汽车时，需要考虑以下因素：
- 硬件设计 ：选择合适的DC/DC转换器和DC/AC逆变器，确保其能够满足系统的功率需求和性能要求。同时，要考虑电池的选型和管理，保证电池的安全和寿命。
- 环境适应性 ：电动汽车在不同的环境条件下运行，光照和温度变化较大。因此，MPPT算法需要具备良好的环境适应性，能够在各种条件下准确跟踪MPP。
- 系统稳定性 ：MPPT系统的稳定性对于电动汽车的正常运行至关重要。要确保算法的收敛性和跟踪精度，避免系统出现振荡和不稳定的情况。
- 成本效益 ：在设计和选择MPPT系统时，需要综合考虑成本和效益。既要保证系统的性能，又要控制成本，提高系统的性价比。

11. 案例分析

为了进一步说明基于P&O算法的MPPT系统在实际应用中的效果，下面给出一个案例分析。假设有一辆采用该MPPT系统的太阳能电池供电电动汽车，在不同的光照和温度条件下进行测试，得到以下结果：
| 测试条件 | 光照强度（W/m²） | 温度（°C） | 输出功率（W） | MPP跟踪误差（%） |
| ---- | ---- | ---- | ---- | ---- |
| 条件1 | 800 | 20 | 2500 | 2 |
| 条件2 | 1200 | 30 | 3800 | 3 |
| 条件3 | 1500 | 40 | 4500 | 4 |

从上述结果可以看出，在不同的光照和温度条件下，MPPT系统能够较好地跟踪MPP，输出功率稳定，MPP跟踪误差在可接受的范围内。这表明基于P&O算法的MPPT系统在实际应用中具有一定的可行性和有效性。

12. 总结与展望

• 总结 ：本研究围绕基于P&O算法的太阳能电池供电电动汽车的MPPT展开，详细介绍了PV面板的数学模型、电池关联的PV系统、MPPT P&O算法以及Matlab/Simulink环境下的仿真实验。通过理论分析和仿真验证，证明了基于P&O算法的MPPT对于电池供电的太阳能车辆是有效的，能够从太阳能面板获取最大功率，为电动汽车的动力系统提供稳定的电力支持。
• 展望 ：虽然本研究取得了一定的成果，但仍有许多方面需要进一步研究和改进。未来可以从以下几个方面进行探索：
  • 算法优化 ：进一步优化自适应P&O算法，提高其收敛速度和跟踪效率，减少功率损失。
  • 多算法融合 ：将P&O算法与其他MPPT算法相结合，充分发挥各算法的优势，提高MPP的跟踪精度和系统的稳定性。
  • 实验验证 ：进行更多的实际实验，验证算法在不同环境条件下的性能，为算法的实际应用提供更可靠的依据。
  • 系统集成 ：将MPPT系统与电动汽车的其他子系统进行集成，实现整个系统的优化控制，提高电动汽车的整体性能。

通过不断的研究和改进，相信基于P&O算法的MPPT技术将在太阳能电池供电电动汽车领域发挥更大的作用，推动可再生能源在交通领域的广泛应用。

graph LR;
    A[算法优化] --> B[提高收敛速度和跟踪效率];
    C[多算法融合] --> D[发挥各算法优势];
    E[实验验证] --> F[验证不同环境性能];
    G[系统集成] --> H[实现系统优化控制];
    B --> I[减少功率损失];
    D --> J[提高MPP跟踪精度];
    F --> K[为实际应用提供依据];
    H --> L[提高电动汽车整体性能];

以上流程图展示了未来研究方向及其预期效果之间的关系，为进一步的研究提供了清晰的思路。