智能控制課程設計(報告)

1、HUNAN UNIVERSITY智能控制課程設計(報告)課程設計題目：基于模糊控制光伏并網(wǎng)發(fā)電系統(tǒng)的研究學生姓名：學生學號：專業(yè)班級：學院名稱：指導老師：2017年5月 30 日 湖南大學智能控制課程設計(報告) 第 頁 目 錄第1章 緒 論1第2章 光伏并網(wǎng)發(fā)電系統(tǒng)MPPT的研究進展2 2.1 光伏發(fā)電系統(tǒng)最大功率跟蹤控制 2 2.2 幾種最大功率點跟蹤方法的比較3第3章 光伏并網(wǎng)發(fā)電系統(tǒng)MPPT模糊控制器7 3.1 模糊化7 3.2 模糊控制規(guī)則庫的建立7 3.3 解模糊7第4章 MPPT模糊控制器設計8 4.1選擇觀測量和控制量8 4.2 輸入量和輸出量的模糊化8 4.3 制定模糊規(guī)則9

2、 4.4 求解模糊關系9 4.5進行模糊決策10 4.6 控制量的反模糊化10第5章 模糊控制光伏并網(wǎng)發(fā)電系統(tǒng)仿真11附錄15 湖南大學智能控制課程設計(報告) 第14 頁 第1章 緒論 在應對全球能源危機和保護環(huán)境的雙重要求下，開發(fā)利用清潔可再生的太陽能越來越受到人們的關注。伴隨著太陽能光電轉換技術的不斷發(fā)展，大規(guī)模的利用太陽能成為可能。光伏并網(wǎng)發(fā)電系統(tǒng)將成為太陽能利用的主要形式。目前，轉換效率低是光伏并網(wǎng)發(fā)電系統(tǒng)面臨的主要問題，這成為阻礙光伏并網(wǎng)發(fā)電系統(tǒng)廣泛應用的一個重點問題。智能控制是這門新興的理論和技術，它是傳統(tǒng)控制發(fā)展的高級階段，主要用來解決那些用傳統(tǒng)方法難以解決的復雜系統(tǒng)的控制。智

3、能控制包括專家系統(tǒng)、神經(jīng)網(wǎng)絡和模糊控制，而模糊控制是目前在控制領域中所采用的三種智能控制方法中最具實際意義的一種方法。在光伏系統(tǒng)MPPT控制中，由于外界光照強度和溫度變化的不確定性以及并網(wǎng)逆變器的非線性特性，則使用模糊邏輯的MPPT控制方法進行控制，有望獲得理想的控制效果。 隨著近年智能控制的不斷發(fā)展和完善，模糊控制技術也日趨成熟，被人們廣泛接受。模糊控制的優(yōu)點很多，例如：模糊控制器設計簡單，不需要依賴被控對象的精確數(shù)學模型；模糊規(guī)則用自然語言表述，易于被操作人員接受；模糊控制規(guī)則可以轉換成數(shù)學函數(shù)，易與其他物理規(guī)律結合，便于用計算機軟件實現(xiàn)；模糊控制抗干擾能力強，且響應快，對復雜的被控對象能

4、有效控制，魯棒性和適應性都易達到要求。模糊控制以其適應面廣泛和易于普及等特點，成為智能控制領域最重要，最活躍和最實用的分支之一。目前，模糊控制已經(jīng)在工業(yè)控制領域、經(jīng)濟系統(tǒng)、人文系統(tǒng)以及醫(yī)學系統(tǒng)中解決了傳統(tǒng)控制方法難以解決甚至無法解決的實際控制問題。本文正是基于光伏發(fā)電系統(tǒng)存在的處理復雜，外界不確定因素多等特點，將模糊控制理論應用于光伏發(fā)電最大功率跟蹤系統(tǒng)中，跟蹤系統(tǒng)最大功率工作點，提高光電轉換效率，充分利用太陽能資源。 本文以光伏并網(wǎng)發(fā)電系統(tǒng)最大功率點跟蹤為研究對象，將模糊控制理論應用于光伏并網(wǎng)系統(tǒng)最大功率跟蹤控制中，從光伏陣列的原理和特性、光伏并網(wǎng)系統(tǒng)的結構設計、最大功率點跟蹤的原理和模糊控

5、制理論等方面進行詳細的分析和探討。本設計報告比較多種最大功率點跟蹤控制技術，實現(xiàn)光伏并網(wǎng)發(fā)電系統(tǒng)的研究，根據(jù)其不同的優(yōu)缺點，然后選用模糊控制方法來實現(xiàn)最大功率跟蹤。通過對模糊論域、隸屬度函數(shù)計算，制定處模糊規(guī)則，設計出模糊控制器。最后建立光伏并網(wǎng)發(fā)電系統(tǒng)仿真模型，并對仿真結果進行了分析。第2章 光伏并網(wǎng)發(fā)電系統(tǒng)MPPT的研究進展 太陽能電池在工作時，隨著日照強度、環(huán)境溫度的不同，其端電壓將發(fā)生變化，使輸出功率也產(chǎn)生很大變化，故太陽能電池本身是一種極不穩(wěn)定的電源。如何能在不同日照、溫度的條件下輸出盡可能多的電能，提高系統(tǒng)的效率，這就在理論上和實踐上提出了太陽能電池陣列的最大功率點跟蹤問題。 在太

6、陽能光伏發(fā)電系統(tǒng)的開發(fā)和應用過程中，由于太陽能電池的轉換效率比較低，所以對于其最大功率跟蹤技術的研究一直是這一課題的重要內(nèi)容，現(xiàn)已取得了多種控制算法。常用的最大功率點跟蹤(MPPT)方法有如下幾類：功率擾動觀察法、滯環(huán)比較法、增量電導法、固定電壓控制法、人工神經(jīng)網(wǎng)絡法氣由于微處理器、以及各種數(shù)字控制器的飛速發(fā)展，人們將MPPT算法與逆變器統(tǒng)一起來以并網(wǎng)發(fā)電系統(tǒng)的最優(yōu)效率作為出發(fā)點研究最大功率點的跟蹤控制，從而提出了多種有效的MPPT控制方法。 2.1 光伏發(fā)電系統(tǒng)最大功率跟蹤控制 光伏陣列是一種非線性的電源，所以在利用光伏發(fā)電的過程中，必須盡量避免外界環(huán)境的影響它不僅受日照輻射度、結點溫度的影

7、響，也受到它所接的負載的影響，所以為了實現(xiàn)能量的高效利用，并且降低成本，提高光伏發(fā)電系統(tǒng)的效率，我們必須采用最大功率跟蹤控制技術，來使系統(tǒng)輸出盡可能大的功率，可供我們使用。圖1 光伏電池電流（功率）-電壓曲線 圖1 光伏電池電流（功率）-電壓曲線，曲線1 是I-U 曲線，曲線2 是P-U 曲線，從這一曲線我們可以看出，在光照強度和溫度不變的情況下，光伏電池的功率電壓曲線是一個單峰值曲線，只有一個最高點，這個最高點就是最大功率點，我們的目的就是讓光伏電池工作在這一點處，這樣輸出的功率才會最大。而根據(jù)第二章介紹的光伏電池的等效電路可以看出，在理想狀態(tài)下，當外接負載的阻抗和光伏電池的輸出阻抗相等時，

8、也就是我們常說的電路內(nèi)阻和外阻相等時，光伏電池的輸出功率最大。但是實際情況是光伏電池的內(nèi)阻是隨著外界環(huán)境的變化而變化的，如果有云遮擋或者溫度變低，相應的光伏電池的輸出阻抗也會跟著變動，所以這種方法對光伏發(fā)電系統(tǒng)是不可用的。所以就需要不斷尋求新的方法來實現(xiàn)最大功率跟蹤控制。而目前常用的兩級式的光伏發(fā)電系統(tǒng)就是通過第一級的DC/DC 電路來實現(xiàn)最大功率跟蹤控制。這一過程是通過改變直流變換電路中開關器件的通斷時間，從而不斷改變外接負載，實現(xiàn)最大功率跟蹤。因此現(xiàn)在光伏發(fā)電的一大核心技術就是設計最大功率跟蹤控制器。 在設計最大功率點跟蹤控制器時，也需要設計直流變換電路、測量電路、控制電路、采集電路等，我

9、們需要根據(jù)實時地采集回來的光伏陣列的電壓和電流，來進行計算功率，這就需要控制器中的乘法器，然后進行比較、調(diào)整和尋優(yōu)，最終確定出光伏電池板向最大功率點不斷靠近的變化工作點。其中，最大功率點跟蹤算法有很多種，因為不同的算法其跟蹤快慢、跟蹤精度、跟蹤效率、成本價格、穩(wěn)定性都不相同，所以不同的算法有不同的優(yōu)缺點。在實際應用中，可以根據(jù)不同的要求來選擇不同的算法。這些算法主要有：擾動觀察法、定電壓跟蹤法、電導增量法、滯環(huán)比較法、模糊控制法等，這些都是最大功率點跟蹤的常用方法，下面對這些跟蹤方法進行比較。2.2 幾種最大功率點跟蹤方法的比較2.2.1 擾動觀察法 擾動觀察法，俗稱爬山法。這種方法比較簡單，

10、測量的參數(shù)很少，所以應用起來比較方便。其工作原理是：通過擾動光伏陣列的輸出電壓，采集出實時變化的電壓電流值，然后計算出功率，與上一次擾動的結果比較，如果這次的功率值增加了，說明此次功率值更加接近最大功率點，則應該繼續(xù)維持這一次的擾動方向，如果功率值減小了，則說明離最大功率點越來越遠了，擾動方向應向相反的方向進行。要使光伏陣列的工作點越來越接近最大功率點，就需要這樣反復的擾動、觀察和比較。通過比較調(diào)整電路前后的光伏電池板的輸出電壓及功率的變化情況來調(diào)節(jié)DC/DC 電路的升壓占空比，保持光伏系統(tǒng)輸出最大功率。 其中，擾動過程中采用的步長可以是定步長也可以是變步長。如果采用的是定步長擾動，則當步長較

11、短時，光伏系統(tǒng)在最大功率點附近上下波動的幅度越小，那么能量的損失就會小，但是由于步長較短，所以需要擾動的次數(shù)就會多，所用的跟蹤時間就會更長。相反地，如果采用的步長較大，光伏系統(tǒng)在最大功率點附近振蕩的幅度就越大，能量損失就比較多，而且其跟蹤精度和速度就難以保證。這就是定步長擾動的特點。為了解決定步長這些缺點，可以采用變步長擾動方法。2.2.2 定電壓跟蹤法 如圖2所示，當溫度一定時，根據(jù)不同光照的光伏電池板的P-U 曲線，連接出最大功率線，可以看出最大功率點處的電壓幾乎都在某個固定的電壓兩側，所以根據(jù)這一思路就可以將光伏電池輸出電壓控制在這一電壓處，則系統(tǒng)將近似工作在最大功率點處。這種方法忽略了

12、很多其他影響因素，所以實際上并不是工作在真正的最大功率點。圖2 光伏電池板的P-U-P 曲線圖2.2.3 電導增量法 電導增量法的工作原理也是依據(jù)最大功率點處的斜率為0 來運算的。當外界因素如光照強度或者溫度發(fā)生變化時使用電導增量法來實現(xiàn)最大功率點跟蹤比較有優(yōu)勢，因為電壓的紋波系數(shù)相對來說會比較小，但是因為復雜的計算，會使這種算法的缺點顯現(xiàn)。2.2.4 滯環(huán)比較法 功率擾動觀察法的基本設計思想是進行擾動，并對擾動后的功率與未擾動的功率進行比較，通過判斷功率的變化方向，來決定工作電壓的移動方向。這種方法不僅會發(fā)生程序失序現(xiàn)象，還會造成比較多的擾動損失。由于太陽的日照量不會快速的變化，多余擾動會帶

13、來更多損失，滯環(huán)比較法可以避免這種缺陷。當日照量快速變化時，這種算法可以不用立即跟隨并且快速移動工作點(避免干擾或誤判錯誤)，只需在日照量比較穩(wěn)定時，再跟蹤最大功率點，減少擾動損耗。2.2.5 模糊控制法 模糊控制是智能化控制的一個重要分支，它的模糊基礎是模糊語言、模糊集合理論、以及模糊邏輯推理。在控制系統(tǒng)中，它是一種非線性智能控制，是將模數(shù)學應用于控制系統(tǒng)。 模糊控制的形式一般為：“if條件，then結果。它是用人的知識來控制控制對象。因此，又可稱為語言控制。模糊控制可以利用人的經(jīng)驗或知識對控制對象模型無法用嚴密的數(shù)學表示時，進行控制。所以，模糊控制就是用人的智力來模糊地對系統(tǒng)進行控制的方法

14、。 最大功率點跟蹤(MPPT)通過測量電流、電壓或者功率，對它們之間的變化關系進行比較，來決定峰值功率點與當前工作點之間的位置關系，然后控制電壓(或電流)向峰值功率點靠近，直到達到峰值功率點，最后將電壓(或電流)在峰值功率點一定范圍附近來回擺動。由于工作點的來回擺動，使實際得到的平均功率比峰值功率稍低一點，差值就稱作搜索損失，而這種將控制系統(tǒng)工作點保持在最優(yōu)點附近的特點，正是自尋優(yōu)控制特有的。負載的電池陣列的IV特性或功率需求發(fā)生變化后，引起峰值功率點漂移或工作點偏移。這就要求最大功率點跟蹤系統(tǒng)在探測到這種變化后，進行下一次尋優(yōu)。最大功率點跟蹤不用知道電池陣列的精確數(shù)學模型，也不用知道外界環(huán)境

15、的溫度和照度，只要在運行的過程中將可控參數(shù)的整定值不斷改變，使當前的工作點向峰值功率點逐漸靠近，最后在峰值功率點附近工作。所以說，最大功率點跟蹤本身就是個通過不斷測量和調(diào)整來達到最優(yōu)的過程，運用模糊自尋優(yōu)的方法可以對最大功率點進行跟蹤。選取光伏電池的輸出功率為目標函數(shù)，可控量是控制變換器PWM信號占空比D。第3章 光伏并網(wǎng)發(fā)電系統(tǒng)MPPT模糊控制器 模糊控制器是模糊控制的核心部分。由計算機程序來實現(xiàn)控制器的控制規(guī)律。模糊控制算法實現(xiàn)的過程是：先對控制量采樣，獲得一個精確的被控制量。再將精確的被控量與給定值進行比較，得到一個誤差信號E。一般選擇誤差信號E作為模糊控制器的一個輸入量，將E的精確量變

16、成模糊量，并可以用相應的模糊語言表示誤差E的模糊量表示。使得到誤差E的模糊語言集合中的一個子集e(e是一個模糊向量)，再根據(jù)推理的合成規(guī)則進行模糊控制規(guī)則R和e的模糊決策。模糊控制量U如公式(3-1)：u=eR (3-1) 式中，u是一個模糊量，需要將模糊量u通過非模糊化轉換處理為精確量，再經(jīng)數(shù)模轉換將精確的數(shù)字量轉換成模擬量，送到執(zhí)行機構，從而對被控對象進行精確控制，實現(xiàn)對被控對象的第一步控制；接著，進行第二次采樣，完成第二步的控制一直循環(huán)，就實現(xiàn)了對被控對象的模糊控制。 模糊控制的原理如下圖3所示： 圖3 模糊控制的原理 模糊控制是將被控量的測量值與給定值比較后得到的誤差e作為輸入，模糊控

17、制可以由兩個輸入或三個輸入，兩個輸入的是再加上誤差e的變化率作為輸入。將這些輸入量經(jīng)A/D 轉換后作模糊化處理后，得出模糊變量，然后根據(jù)模糊規(guī)則來進行判斷，將判斷出的結果再進行清晰化處理，經(jīng)過D/A 轉換成能夠用執(zhí)行機構操作的模擬量，從而完成對被控對象的控制。 3.1 模糊化 模糊控制的應用中，被觀測量一般是確定的量，即可以通過測量得到該確定量是精確的數(shù)值量并在一定精度范圍內(nèi)。由于模糊控制中的操作以模糊集合理論為基礎。所以，必須先進行模糊化。比較常用的模糊化方法有線性劃分法、非線性劃分法、訓練法、語義關系生成法。四種方法中，線性劃分法是最簡單的一種，它根據(jù)研究對象具體的情況，并選擇對應的自然語

18、言描述符號，再均勻地劃分研究對象的論域。 32 模糊控制規(guī)則庫的建立 模糊控制器設計的核心工作是確定模糊語言控制規(guī)則。根據(jù)輸入和輸出物理量的數(shù)目以及所需的控制精度來確定控制規(guī)則的多少。規(guī)則的數(shù)目隨著語言變量級數(shù)的平方變化關系而快速增加，控制規(guī)則增多，推理質量就會下降。所以，在設計規(guī)則庫時，要先確定控制規(guī)則數(shù)目和合適的語言變量級數(shù)以及建立正確的控制規(guī)則形式。建立模糊控制規(guī)則主要有四種方法：經(jīng)驗歸納法、根據(jù)手工操作系統(tǒng)的測量和觀察生成控制規(guī)則、根據(jù)模糊模型的過程生成控制規(guī)則、根據(jù)算法的學習生成控制規(guī)則。前三種方法較直觀、簡單，也較常用，但也較粗糙。第四種方法較復雜，但控制性能方面比較好，一般用于控

19、制要求比較高的系統(tǒng)。這種方法目前仍在發(fā)展。模糊算子的確定要涉及推理規(guī)則的運算。 3.3 解模糊 經(jīng)過模糊推理得到的是一個模糊量，也可以看成是一個模糊集合，須經(jīng)過精確化處理，才能對被控對象進行控制。解模糊是在模糊推理得到的模糊量中，求出一個相對來說最能代表這個模糊集合的單值過程。關于解模糊的方法有很多，較常用的有最大隸屬度法、重心法、隸屬度限幅元素平均法、系數(shù)加權平均法、中位數(shù)法等。 第4章 MPPT模糊控制器設計4.1 選擇觀測量和控制量 一般選擇偏差e，即目標功率和當前功率的差值作為觀察量，選取占空比D為控制量。4.2 輸入量和輸出量的模糊化 將偏差e劃分為5個模糊集，負大(NB)、負小(N

20、S)、零(ZO)、正小(PS)、正大(PB)，e為負表示當前水位低于目標水位，e為正表示當前水位高于目標水位。設定e的取值范圍為-3，3，隸屬度函數(shù)如下圖4 所示。圖4 偏差e隸屬度函數(shù) 同樣將控制量u劃分為5個模糊集，負大(NB)、負小(NS)、零(ZO)、正小(PS)、正大(PB)，u為負表示增大進水閥門S1的開度(同時減小出水閥門S2的開度)，u為正表示占空比D。設定u的取值范圍為-4，4，隸屬度函數(shù)如下圖5所示。圖5 控制量u隸屬度函數(shù)4.3 制定模糊規(guī)則 模糊規(guī)則的制定是模糊控制的核心內(nèi)容，控制性能的好壞很大程度上由模糊規(guī)則決定，目前主要是根據(jù)經(jīng)驗來制定相應的規(guī)則。（1）若e負大，則

21、u負大；（2）若e負小，則u負??；（3）若e為零，則u為零；（4）若e正小，則u正??；（5）若e正大，則u正大。4.4 求解模糊關系根據(jù)制定的模糊規(guī)則，通過相應的模糊集合運算，可得到模糊關系集合R。4.5 進行模糊決策我們最終需要獲得的控制量u即為模糊控制的輸出，u可由偏差矩陣e和模糊關系矩陣R合成得到。u=eR4.6 控制量的反模糊化我們模糊決策得到的控制量u是一個矩陣，并不能直接應用在工程上，因此需要將u解釋為實際中的特定行為，即反模糊化操作。5、模糊控制光伏并網(wǎng)發(fā)電系統(tǒng)仿真 在matlab模糊控制工具箱中求解矩陣運算的操作，在Matlab 的Command Window 中輸入fuzzy

22、就能打開模糊控制編輯器，直接調(diào)用evalfis函數(shù)就得到相應的決策控制量圖6所示。圖6 決策控制量 通過matlab集成的模糊控制模塊，我們能夠更加方便地對應偏差e和控制量u的關系，并可以調(diào)節(jié)e在不同值下u的對應輸出圖7所示。圖7 偏差e和控制量u的關系14 程序如下：clear all; close all; a = newfis(fuzzy MPPT); a = addvar(a,input,e,-3,3); a = addmf(a,input,1,NB,zmf,-3,-1); a =addmf(a,input,1,NS,trimf,-3,-1,1); a =addmf(a,input,1

23、,ZO,trimf,-2,0,2); a =addmf(a,input,1,PS,trimf,-1,1,3); a = addmf(a,input,1,PB,smf,1,3); a = addvar(a,output,u,-4,4); a = addmf(a,output,1,NB,zmf,-4,-2); a =addmf(a,output,1,NS,trimf,-4,-2,0); a =addmf(a,output,1,ZO,trimf,-2,0,2); a =addmf(a,output,1,PS,trimf,0,2,4); a = addmf(a,output,1,PB,smf,2,4)

24、; %建立模糊規(guī)則 rulelist=1 1 1 1; 2 2 1 1; 3 3 1 1; 4 4 1 1; 5 5 1 1; a = addrule(a,rulelist); %設置反模糊化算法 a1 = setfis(a,DefuzzMethod,mom); writefis(a1,MPPT); a2 = readfis(MPPT); figure(1); plotfis(a2); figure(2); plotmf(a,input,1); figure(3); plotmf(a,output,1); showrule(a); ruleview(MPPT); for i=1:1:7 e(i)=i-4; Ulist(i)=evalfis(e(i),a2); end 打