一种基于改进型FIR滤波器预测的MPPT滞环控制算法，是在常规扰动观测法的基础上，加入滞环控制和自适应预测机制，即在预测前后工作电压的光伏阵列输出功率的基础上结合当前工作电压的输出功率形成三点滞环控制，通过扰动规则的判定，确定扰动方向，在提高了跟踪速度上同时兼顾了控制系统的精度，并且通过在线更新自适应预测器的步长因子，提高系统的收敛性能，提高系统的稳态性能，减少了损耗。新型的算法能够弥补常规扰动观测法在跟踪速度和稳态精度上的不足，达到快速稳定地实施MPPT控制，并大大减少了在最大功率点的震荡、误判，提高系统的动态响应及稳态性能。此外，此算法控制简单，易于软件编程实现。
【技术实现步骤摘要】
本专利技术涉及MPPT算法
，具体涉及一种基于改进型FIR滤波器预测的MPPT滞环控制算法。
技术介绍
目前，通常用到的MPPT算法有扰动观察法、模糊控制法。扰动观察法也称为爬山法，它的基本思想是：首先扰动光伏电池的输出电压，然后观测光伏电池输出功率的变化，根据功率变化的趋势连续改变扰动电压方向。由于实际检测和控制精度的限制，而电压扰动的步长一定，那么一定会出现震荡问题，又由于外部环境是时刻变化的，光伏电池的P-U特性曲线时刻变化，就有可能发生误判。模糊控制是以模糊集合理论为基础的一种新兴的控制手段，它的基本思想是：系统将采样得到的数据经过运算，判定出工作点与最大功率点之间的位置关系，自动校正工作点电压值，使工作点趋于最大功率点。模糊控制过程需要采样得到数据，然后计算，再模糊化、模糊推理运算、清晰化，最后再得出结果，此方法过程比较复杂，需要较高运算速度的CPU，模糊化的语言变量选取要适当，清晰化的的计算比较发杂，所以在实际应用中较难实现。
技术实现思路
本专利技术所要解决的技术问题在于提供一种基于改进型FIR滤波器预测的MPPT滞环控制算法，不仅追踪速度、控制精度和误判和震荡优于现有的扰动观测法，而且克服了传统自适应滤波算法的不足，通过构造合适的变步长因子，在提高收敛速度的同时保证了良好的稳态性能且易于编程实现。本专利技术所要解决的技术问题采用以下技术方案来实现：一种基于改进型FIR滤波器预测的MPPT滞环控制算法，1)首先根据FIR滤波器的原理，光伏阵列输出功率P可以表示为当前和过去工作电压的线性组合：式中，VN(n)—自适应预测器当前和过去工作电压的向量；H′N—自适应预测器的系数向量；—自适应预测器的预测输出功率；N—线性组合的数量；hk—系数向量的各元素。2)改进型自适应调整光伏发电系统处于剧烈变化的外界环境之中，为了保证预测算法对系统时变性和环境不确定性的适应，而预测器的系数向量决定了自适应机制的预测精度，所以必须对预测器系数根据实时数据进行在线滚动优化，即系数的自适应调整；所谓预测器系数的自适应调整就是根据预测误差，采取一定准则在线优化系数，采用的优化准则是以预测误差的最小均方值为基准，为了提高算法的收敛速度同时提高算法稳态性能，采用改进型LMS算法：定义ε(n)为e2(n)的期望值，即均方误差：ε(n)＝E[e2(n)]；代入可得：ε(n)＝E[P(n)-H′NVN(n)]2为了使ε(n)最小，通过对式ε(n)＝E[P(n)-H′NVN(n)]2采用微分置零法得到N个方程，求解可得预测器系数：式中，XN：P(n)与V(n)的互相关量；RNN：V(n)的自相关矩阵；一般来讲，预测器的系数调整可由上式获得，但当N较大时，计算量较大，不利于数字处理器上编程实现。实际应用中，可采用递推方式进行求解，常用最陡梯度法：HN(n+1)＝HN(n)+2μe(n)VN(n)，式中，μ：步长因子，其大小影响每次迭代在最陡方向行进长度；e(n)为期望输出功率值与预测输出功率值之间的误差，即：HN(n)为自适应预测器的系数。可证明，只要μ取值恰当，从任何HN(0)出发，总能使预测器系数收敛至但是采用这种迭代法计算使均方误差最小的预测器系数向量时，仍需计算XN和RNN，存在较复杂的矩阵运算；因此，为了减少计算量，Widrow提出了一种有效的简化方法，并推导出最陡梯度迭代法的近似实现形式:HN(n+1)＝HN(n)+2μe(n)VN(n)。这就是Widrow-Hoff LMS算法，在对预测器系数进行初值设置后，就可以通过在线更新迭代，使误差均方值最小；为了加快系统的收敛速度以及提高稳态性能，本设计在其基础上采用可变步长因子μn，且μn＝α*μn-1+βe2(n)，其中α和β根据工程实际情况加以改变。根据上述描述的自适应预测机制，设计出基于改进型FIR模型的自适应预测算法步骤为：(1)根据光伏系统功率特征，初始化HN(0)、μ0；(2)输入功率信号经过自适应预测机制，输出(3)经过一个延时环节z-1，输出(4)计算(5)根据μn＝α*μn-1+βe2(n)，更新μn；(6)计算HN(n+1)＝HN(n)+2μne(n)VN(n)。至此一次滚动优化计算完成，新的迭代计算周期到来时，返回第二步，开始新的滚动优化计算；在滞环控制中，以当前工作点A点为中心，前后(大于和小与当前工作电压)各取一点(B点、C点)形成滞环，PA为当前工作电压的光伏阵列输出功率，PB为预测到的A点后的工作电压光伏阵列输出功率，PC为预测到的A点前工作电压的光伏阵列输出功率，定义：PA>PC时，记为“+”，PB>PA时，记为“+”，反之均记做“-”，通过三点之间功率的比较判断，可以得出基于滞环的电压扰动规则如下：规则1：如果两次扰动的功率比较均为“+”，则电压保持原方向扰动；规则2：如果两次扰动的功率比较均为“-”，则电压值反方向扰动；规则3：如果两次扰动的功率比较有“+”有“-”，可能已经达到最大功率点或者外部辐照变化很快，则电压不变；输入电压信号经过自适应预测机制预测左右两个工作电压的光伏阵列的输出功率，进入滞环控制判定扰动方向，从而确定占空比，占空比与三角波进行比较后，生成驱动开关器件的PWM脉冲信号，实现动态调节负载，最终实现最大功率点跟踪控制。本专利技术结合了改进型预测算法与滞环控制的MPPT算法，通过预测算法预测当前工作电压左右两点工作电压所对应的光伏阵列输出功率，并通过滞环控制判定下一次电压的扰动方向，此方法提高了追踪最大功率点的速度以及提高了追踪精度，并且提高了系统的稳态性能，减少在最大功率点位置的扰动。本专利技术的有益效果是：1：具有最大功率点跟踪功能，提高系统的效率2：提高最大功率点的跟踪速度；3：提高系统的控制精度；4：提高系统的动态响应及稳态性能；5：抗环境干扰能力强；6：防止因环境变化导致算法误判最大功率点；7：加入自适应机制，不需要高精度数据传感器，降低系统的成本。附图说明图1为本专利技术自适应预测机制的原理框图；图2为本专利技术滞环控制输出功率记录图；图3为本专利技术预测机制的MPPT控制框图；图4为本专利技术软件流程图。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本专利技术。参见图1-4：一种基于改进型FIR滤波器预测的MPPT滞环控制算法，1)首先根据FIR滤波器的原理，光伏阵列输出功率P可以表示为当前和过去工作电压的线性组合：式中，VN(n)—自适应预测器当前和过去工作电压的向量；H′N—自适应预测器的系数向量；—自适应预测器的预测输出功率；N—线性组合的数量；hk—系数向量的各元素。2)改进型自适应调整光伏发电系统处于剧烈变化的外界环境之中，为了保证预测算法对系统时变性和环境不确定性的适应，而预测器的系数向量决定了自适应机制的预测精度，所以必须对预测器系数根据实时数据进行在线滚动优化，即系数的自适应调整；所谓预测器系数的自适应调整就是根据预测误差，采取一定准则在线优化系数，采用的优化准则是以预测误差的最小均方值为基准，为了提高算法的收敛速度同时提高算法稳态性能，采用改进型LMS算法：定义ε(n)为e2(n)的期望值，即均方误差：ε(n)＝E[e2(n)]；代入可本文档来自技高网...
【技术保护点】
一种基于改进型FIR滤波器预测的MPPT滞环控制算法，其特征在于具体方法步骤如下：1)首先根据FIR滤波器的原理，光伏阵列输出功率P表示为当前和过去工作电压v的线性组合：式中，VN(n)—自适应预测器当前和过去工作电压的向量；H′N—自适应预测器的系数向量；—自适应预测器的预测输出功率；N—线性组合的数量；hk—系数向量的各元素；2)改进型自适应调整光伏发电系统处于剧烈变化的外界环境之中，为了保证预测算法对系统时变性和环境不确定性的适应，而预测器的系数向量决定了自适应机制的预测精度，所以必须对预测器系数根据实时数据进行在线滚动优化，即系数的自适应调整；所谓预测器系数的自适应调整就是根据预测误差，采取一定准则在线优化系数，采用的优化准则是以预测误差的最小均方值为基准，为了提高算法的收敛速度同时提高算法稳态性能，采用改进型LMS算法：定义ε(n)为e2(n)的期望值，即均方误差：ε(n)＝E[e2(n)]；代入可得：ε(n)＝E[P(n)‑H′NVN(n)]2为了使ε(n)最小，通过对式ε(n)＝E[P(n)‑H′NVN(n)]2采用微分置零法得到N个方程，求解可得预测器系数：式中，XN：P(n)与V(n)的互相关量；RNN：V(n)的自相关矩阵；采用递推方式进行求解，最陡梯度法为：HN(n+1)＝HN(n)+2μne(n)VN(n)；式中，μn为步长因子，其大小影响每次迭代在最陡方向行进长度；且其大小可以根据实时数据进行变化，即μn＝α*μn‑1+βe2(n)，其中α和β根据工程实际情况加以改变；e(n)为期望输出功率值与预测输出功率值之间的误差，即：HN(n)为自适应预测器的系数。可证明，只要μ取值恰当，从任何HN(0)出发，总能使预测器系数收敛至3)根据上述自适应预测机制，设计出基于改进型FIR模型的自适应预测算法步骤为：(1)根据光伏系统功率特征，初始化HN(0)、μ0；(2)输入功率信号经过自适应预测机制，输出(3)经过一个延时环节z‑1，输出(4)计算(5)根据μn＝α*μn‑1+βe2(n)，更新μn；(6)计算HN(n+1)＝HN(n)+2μne(n)VN(n)；至此一次滚动优化计算完成，新的迭代计算周期到来时，返回第二步，开始新的滚动优化计算；在滞环控制中，以当前工作点A点为中心，前后各取一点(B点、C点)形成滞环，PA为当前工作电压的光伏阵列输出功率，PB为预测到的A点后的工作电压光伏阵列输出功率，PC为预测到的A点前工作电压的光伏阵列输出功率，定义：PA>PC时，记为“+”，PB>PA时，记为“+”，反之均记做“‑”，通过三点之间功率的比较判断，可以得出基于滞环的电压扰动规则如下：规则1：如果两次扰动的功率比较均为“+”，则电压保持原方向扰动；规则2：如果两次扰动的功率比较均为“‑”，则电压值反方向扰动；规则3：如果两次扰动的功率比较有“+”有“‑”，可能已经达到最大功率点或者外部辐照变化很快，则电压不变；设定P(n)为这一时刻光伏阵列输出功率，和为前后工作电压所对应的光伏阵列的输出功率，d(n)为输出占空比；输入电压信号经过自适应预测机制预测前后两个工作电压的光伏阵列的输出功率，进入滞环控制判定扰动方向，从而确定占空比，占空比与三角波进行比较后，生成驱动开关器件的PWM脉冲信号，实现动态调节负载，最终实现最大功率点跟踪控制。...
【技术特征摘要】
1.一种基于改进型FIR滤波器预测的MPPT滞环控制算法，其特征在于具体方法步骤如下：1)首先根据FIR滤波器的原理，光伏阵列输出功率P表示为当前和过去工作电压v的线性组合：式中，VN(n)—自适应预测器当前和过去工作电压的向量；H′N—自适应预测器的系数向量；—自适应预测器的预测输出功率；N—线性组合的数量；hk—系数向量的各元素；2)改进型自适应调整光伏发电系统处于剧烈变化的外界环境之中，为了保证预测算法对系统时变性和环境不确定性的适应，而预测器的系数向量决定了自适应机制的预测精度，所以必须对预测器系数根据实时数据进行在线滚动优化，即系数的自适应调整；所谓预测器系数的自适应调整就是根据预测误差，采取一定准则在线优化系数，采用的优化准则是以预测误差的最小均方值为基准，为了提高算法的收敛速度同时提高算法稳态性能，采用改进型LMS算法：定义ε(n)为e2(n)的期望值，即均方误差：ε(n)＝E[e2(n)]；代入可得：ε(n)＝E[P(n)-H′NVN(n)]2为了使ε(n)最小，通过对式ε(n)＝E[P(n)-H′NVN(n)]2采用微分置零法得到N个方程，求解可得预测器系数：式中，XN：P(n)与V(n)的互相关量；RNN：V(n)的自相关矩阵；采用递推方式进行求解，最陡梯度法为：HN(n+1)＝HN(n)+2μne(n)VN(n)；式中，μn为步长因子，其大小影响每次迭代在最陡方向行进长度；且其大小可以根据实时数据进行变化，即μn＝α*μn-1+βe2(n)，其中α和β根据工程实际情况加以改变；e(n)为期望输出功率值与预测输出功率值之间的误差，即：HN(n)为自适应预测器的系...
【专利技术属性】
技术研发人员：孙小娟，施剑锋，朱卫坪，胡朝俊，王瑞蒂，徐杰，胡存刚，李力，
申请(专利权)人：安徽省安泰科技股份有限公司，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。