发布时间：2018/8/31 8:55:21 来源：本站
在当今能源短缺的现状下，各国都加紧了发展光伏的步伐。我国的太阳能资源非常丰富，如果能充分利用太阳能资源，用于解决人民生活生产能源问题，将对我国经济发展有巨大的促进作用。
太阳能路灯就是太阳能资源利用的一个方面，但目前国内生产的太阳能控制器多是简易的非智能控制器。鉴于此，本文研制了一种以DSP为核心控制器，外接Cuk电路、光伏模块、检测电路等构成的智能太阳能控制器。这种智能太阳能控制器可以很好的实现将光能转化的电能进行存储和使用，并可通过上位机软件对其状态进行监控。
太阳能路灯系统的电气部分由4大部分组成：太阳能电池板、太阳能阳能路灯控制器、蓄电池和照明灯具。当外界光照条件符合要求时，太阳能电池板接收太阳光照射将太阳能转化成电能，经过控制器给蓄电池充电；当光照条件变化，如黑夜或者自然照明条件差的情况下，路灯控制器将蓄电池存储的电能经过转换提供给照明灯具进行照明。
太阳能控制器的总体框图如图1所示。它主要由Cuk电路、由光伏模块、模糊神经网络控制器构成。具体参数：开路电压21V；最大输出功率60W；最大输出功率点对应输出电压17V；短路电流4．2A；最大输出功率点对应输出电流3．54A。本文设计的太阳能控制器采用DSPTMS320F2812作为太阳能路灯控制器的核心，并有键盘设定、液晶显示电源转换模块以及MOSFET的驱动电路和Cuk升降压电路作为充电电路。
图1 太阳能控制器框图
模糊理论是美国加利福尼亚大学U．C．Berkcley学校的自动控制理论专家L．A．查德 （Zadeh）教授最先提出的。模糊控制具有如下特点：设计时只需要掌握现场操作人员或者有关专家的经验、知识或是操作数据；不需要建立被控对象的数学模型；系统具有鲁棒性，尤其适用与非线性时变、滞后系统的控制；从工业过程的定性认识出发，较容易建立语言变量的控制规则。人工神经网络 （Artificial Neural Networks，简称ANNS），是对人脑或自然界神经网络若干基本特征的抽象和模拟，一般由简单的元件分层次组织成大规模的并行连接构成的网络。简单的神经元经过广泛并行互联组成结构复杂、数量庞大的具有适应性的神经网络，神经网络模型能够模拟生物神经系统，实现认知、决策及控制的智能行为［3］。本文主要是将模糊神经网络的思想应用到光伏电源上，在光伏电源上找出最大功率点，实现太阳能的高效转化，即最大功率点跟踪 （MPPT）。
光伏电池输出电压、电流关系如式 （1）所示，输出功率见式 （2）。光伏电池输出功率是日照强度和温度的函数，在一定条件下存在唯一最大值。
式中：I，Io，Is分别为光伏电池的输出电流、反向饱和电流、短路电流，其中Is由日照强度决定；q为电荷常数；A为半导体器件的PN结系数；K为Boltzmann常数；T为绝对温度；V为光伏电池输出电压。
在式 （2）的基础上可以求出dP／dV，如式 （3）所示：
从上式可以看出，dP／dV是输出电压的单调函数：当输出电压为零时该值最大，其值等于电池的短路电流；输出电压增加，dP／dV缓慢下降，在输出功率最大点附近该值下降速度加快；输出电压V进一步增加，dP／dV变为负值。我们可以根据dP／dV的大小和变化率的不同调节PWM的占空比Δd来改变太阳能电池输出电压进而改变光伏系统的最大功率点。定义控制量e和Δe：
Pph为光伏电池输出功率；Vph为光伏电池输出电压；
输出量定为MPPT电路中开关器件占空比的改变量Δd。系统控制框图如图2所示。
图2 系统控制框图
模糊神经网络控制器采由TI公司的TMS320F2812DSP芯片实现。通过已测数据对模糊神经网络进行训练后便可投入使用，并可在线对网络进行训练。控制器对电压、电流信号进行处理后，通过Cuk电路占空比控制开关变化，反复进行这个过程直到系统达到最大功率点。
光伏电池输出功率在外部环境发生突变情况时的实验结果如图3所示。曲线1、曲线2分别是输出的电流及电压曲线。从实验结果可知：在外部环境相对稳定的情况下它具有良好的稳定性，能使系统稳定工作在最大功率点。当外部环境突变时它也能快速、准确地跟踪MPPT的变化，具有良好的快速性，与扰动观测法相比更是提高了在MPPT附近的平滑性。实验结果表明采用补偿模糊神经网络对光伏电池进行最大功率点跟踪，能达到理想的效果。
图3 日照强度突变时的实验结果图
本文采用直流变换器作为光伏电池和铅酸蓄电池的充电电路，充电电流可以实现蓄电池智能充电控制。充电控制器作为光伏电池给蓄电池充电的充电电路，在实现MPPT工作的同时，还需要对蓄电池充电进行控制。这里采用Cuk变换器，它同时具有升压和降压功能，Cuk变换器应用于太阳能路灯的充电控制器中，可以在较大范围内实现最大功率点跟踪，大大提高系统效率，其结构图如图4所示。
图4 Cuk充电控制器主电路
当Cuk变换器工作在负载电流连续状态下，稳态过程如下：
（1）管子Vr导通时 （Ton＝DTs）
此时管子Vr导通，电容C2的电压使快速恢复二极管D2反偏而截止，输入电流使电感L1储能；C2放电电流心使L2储能，同时输出电流给负载。
（2）开关管Vr截止时
开关管Vr截止，C2充电，同时释能二极管D2正向导通，电源和L1的释放电流iL1，向L2的电流iL2以维持负载。
当电源稳态运行时，在一个开关周期内，由电感Ll的伏—秒平衡原理可得
由于q取值较大，且开关频率较高，故uc：可认为恒定不变，则由式 （6）可得
同理，在一个开关周期内，由电感L：的伏一秒平衡原理可得
由式 （8）可得：
在MATLAB中对该电路进行仿真模型。参数设置如下，电池电压设置100V，开关频率设置50kHz。L1，L2电感为100mH／3A，C1电容为1000μF，C2为1μF滤波电容。图5（a）为PWM的占空比为60%时的输出负载电压的波形，仿真验证此时电路工作在升压状态，输出最高稳定电压为120V。图5（b）为PWM占空比为30%时，输出最高稳定电压为32V，此时电路工作在降压状态。
由式 （8）和式 （9）可得输出电压uo与输入电压us之间的函数关系为：
图5 电压波形
智能型太阳能控制器的结构框图如图6所示。主要包括Cuk充电电路、电流检测电路、电池电压检测电路、MOSFET保护电路、电池输出开关控制电路以及工作电源电路等模块。
图6 控制系统结构图
其中其它外围电路主要指与上位机的通讯电路。软件部分除了DSP芯片控制程序外，还有一套用LabVIEW语言开发的上位机监控系统。通过RS485总线与上位机监控软件相连，LBIVEW通过VISA串口模块读取相关的太阳能路灯控制器的数据，进行显示。设置功能包括电池电量显示、充电电流、放电电流、充电电压、各种故障显示等等。此外，监控系统定时记录太阳能路灯的监控数据，以．TXT文本文件格式保存到硬盘，以便日后检查运行记录。
太阳能电池电池对蓄电池的充电记录如图7所示。该实验是在某日的17：30到次日7：30之间每二十分钟记录一次数据，并绘制成曲线，实验中的光伏电池阵列用市电整流后代替。可以看出，在蓄电池电压未达到过充电压时 （即a－b曲线段），由于其采用了最大功率点跟踪策略，蓄电池的充电电流始终保持最大充电电流6．5A左右；而当充电电压到达过充电压时，开始调节充电电流，此时的蓄电池处于过充阶段 （即b－c曲线段）。在电流减小到1A之前表示蓄电池仍处于未充满状态，直到充电电流减小到1A时，表明蓄电池已经充满。
图7 MPPT实验测试记录
本文设计了Cuk充电电路，根据太阳能电池的模型，结合模糊神经网络控制算法，对太阳能电池板进行控制，使得其工作的最大功率跟踪状态。并通过MATLAB仿真和实验证明了该智能控制器具有结构简单、光能利用率高及实用性强等特点。同时为其开发了一款专用的上位机检测系统，使得系统功能更加完善。智能太阳能路灯控制器的研制具有一定理论价值，并对进一步推广绿色能源具有重要的实际意义。
 |
||
 |
||
|
||
