Maximum Power Point Tracking of Photovoltaic power Generation System Based on Fuzzy Approximation of Operating Point Voltage with Radiation Intensity

Document Type : Research Article

Authors

Department of electrical engineering, Faculty of Engineering, Shahrood University of Technology, Shahrood, Iran

Abstract

In this paper, a method to track the maximum power of solar panels based on fuzzy logic is presented. The proposed method is based on the relationship between radiation intensity and the voltage of maximum power operating point. With this relationship, at any time by measuring the light intensity, voltage can be calculated at the maximum power point by using fuzzy approximation function. In order to verify the proposed method, simulation results are presented.

Keywords


1- مقدمه

[1]

امروزه با گسترش صنعت و افزایش جمعیت نیاز به انرژی روز به روز افزایش می یابد.با توجه به اینکه انرژی‌های حاصل از سوخت فسیلی رو به پایان است، از این رو جهان نظر خود را به سمت انرژی‌های تجدید پذیر برده است. از انرژی های تجدید پذیر می‌توان به انرژی حاصل از نور خورشید اشاره نمود. انرژی حاصل از خورشید به دو صورت استفاده می‌شود]1[. حالت اول استفاده از انرژی حرارتی خورشید برای مصارف خانگی ، صنعتی و نیروگاهی، و حالت دوم تبدیل مستقیم نور حاصل از پرتو های خورشید به الکتریسیته به واسطه سلول خورشیدی [1]PV است. از مزیت های سلول خورشیدی می‌توان به سوخت رایگان و بدون آلایندگی آن اشاره نمود و از معایب آن می توان به هزینه اولیه بالا و بازده پایین سیستم اشاره کرد. هر سال سلول‌های تولیدی نسبت به سال‌های گذشته بازده بالاتر و قیمت پایین تر پیدا می‌کنند، ولی بازهم بازده پایین و قیمت نسبتا بالای هر سلول وجود دارد. ضعف علمی و تکنیکی در تبدیل به علت کمبود دانش و تجربه میدانی، متغیر و متناوب بودن مقدار انرژی به دلیل تغییرات جوی و فصول سال و جهت تابش موجب شده است که نتوانیم استفاده مناسبی از این موحبت خدایی به شکلی مناسب استفاده کنیم. از این رو، باید از آنچه در اختیار داریم، حداکثر بهره را ببریم. برای این منظور باید سیستم مکانیکی داشت که صفحات خورشیدی را در هر زمان در سمت نور مستقیم خورشید قرار دهد به این سیستم ردیاب خورشید[2] گفته می‌شود]4[. همچنین باید سیستم الکترونیکی داشت تا خروجی صفحات خورشیدی را در نقطه کاری مناسب که حداکثر توان انتقالی را داشته باشد قرار دهد. برای قرار دادن صفحات خورشیدی در نقطه حداکثر توان مشکلاتی وجود دارد و آن غیر خطی بودن مشخصه خروجی سلول خورشیدی و همچنین تغییر پذیر بودن  این مشخصه نسبت به تابش نور و حتی دمای سلول می باشد. از این رو باید سیستمی برای کنترل سلولهای خورشیدی در نظر گرفته که علاوه بر قرار دادن سلول خورشیدی در بهترین نقطه کار ، در صورت تغییر این نقطه به واسطه شرایط آب و هوایی بتواند ردیابی مستمر نقطه حداکثر توان انتقالی سیستم را به سرعت یافته و سلول خورشیدی را در نقطه بهینه قرار دهد. این نوع یافتن و ردیابی مستمر را "ردیابی حداکثر توان انتقالی" MPPT[3] می‌نامند.

تاکنون تکنیکهای مختلفی برای ردیابی حداکثر توان ارائه و اجرا گردیده است.اصول کلی روشها را می توان به چهار دسته تقسیم کرد:

دسته اول روش های هستند که یک الگوریتم پایه ای را دنبال می کنند.از این نوع روش ها می توان به روش آشفته و رعایت [4]P&O ]7,6,5[، همچنین صعود تپه[5] ]8[ و رسانایی افزایشی[6] INC ]9[ نام برد.

اساس روش آشفته و رعایت بر ایجاد آشفتگی بر ولتاژ و مشاهده توان خروجی می باشد که در صورت افزایش توان آشفتگی را در همان مسیر نگاه می دارد و نیز در صورت کاهش توان آشفتگی بعدی را معکوس می کند. روش موفق آشفته و رعایت بدون نیاز به پارامتر های سلول خورشیدی ، نقطه حداکثر توان را ردیابی می کند. اما از ایراد وارد بر این روش می‌توان به آشفتگی مستمر سیستم اشاره نمود، به گونه ای که حول نقطه حداکثر توانMPP با نوسانات کار می‌کند. اساس روش صعود تپه همانند آشفته و رعایت می‌باشد.

اساس روش رسانایی افزایشی بر صفر بودن مشتق توان نسبت به ولتاژ و یا نسبت به جریان در نقطه حداکثر توان است. و با انجام رسانایی لحظه ای با رسانایی افزایشی نقطه حداکثر توان یافت می‌شود.

دسته دوم روش‌های مبتنیی بر مدل سازی سلول خورشیدی هستند.در این روش‌ها با مدل کردن سلول خورشیدی و برقراری روابط موجود در مدل ارائه شده ویژگی‌های سلول خورشیدی قابل پیش بینی خواهد بود و سیستم را مبنی بر مدل طراحی و اجرا می‌کنند، که می‌توان به منابع ]10-11[ اشاره نمود. مشکل اصلی این نوع روش‌ها نداشتن انعطاف با تغییر سلول خورشیدی با سلول دیگر است؛ به طوری که هر پیاده سازی مختص به همان سلول خورشیدی است که از پیش برای آن طراحی شده است. علاوه بر مشکل بیان شده یافتن مدل و پارامتر های سلول خورشیدی قبل از طراحی خود مشکل دیگری است.

دسته سوم روش‌های مبتنی بر رابطه موجود بین نقطه کار و پارامترهای سلول خورشیدی است. از نمونه‌های این روش به سه روش مطرح می‌توان اشاره نمود:

روشی که از رابطه تقریبا خطی موجود بین جریان اتصال کوتاه و جریان نقطه کار بهره می‌برد ، که به آن روش جریان اتصال کوتاه[7] می گویند ]12[.

روش دیگر که به نام ولتاژ مدار باز[8] معروف است. اساس روش وجود تابع تقریبا خطی بین ولتاژ نقطه کار و ولتاژ مدار باز سلول است. قطع دوره ای برای اندازه گیری ولتاژ مدار باز باعث از دست دادن توان در سیستم می شود ]14-13[. برای مشکل قطع دوره ای روشی ارائه شده است ]15[ که از یک سلول پایه به عنوان راهنما برای تشخیص رفتار کل پانل استفاده می گردد که مشکل جدید عدم قطعیت در اندازه گیری سلول پایه نسبت به کل پانل را به وجود می‌آورد. روشی دیگر ]16[ خطی سازی را به سه ناحیه تقسیم کرده تا کارایی سیستم را بهبود بخشد.

مرجع ]17[ با ذخیره تمام نقاط کار با شرایط محیطی مختلف در جدول جستجو ، اقدام به یافتن ولتاژ نقطه کار بهینه می نماید.

در هر صورت، رابطه موجود بین نقطه کار و پارامتر کاملا غیر خطی است و هرگونه تقریب زدن خطی، باعث ایجاد خطا در سیستم می‌شود. همچنین، رابطه خطی تقریب گرفته شده و یا جدول جستجو نیز با تغییر سلول خورشیدی تغییر می‌کند.

دسته چهارم روش های کنترل هوشمند است. در این نوع روش‌ها کنترل منطق فازی یا منطق فازی و شبکه‌های عصبی مصنوعی به کار رفته است.

مرجع ]18[ روش RCC را بهبود داده، شبکه عصبی موجود با توجه به رفتار سیستم به اعمال سیکل کاری ، در مرحله آتی خطای خروجی را کاهش می دهد و طی چندین نوسان خطا میرا می گردد.

مرجع ]22-19[ با کنترل فازی قرار داده شده در سیستم، عمل یافتن ولتاژ نقطه حداکثر توان را بهینه می‌کند.

مرجع ]7[ روش آشفته و رعایت را با استفاده از کنترل منطق فازی بهبود بخشیده است.

مرجع ]23[ با استفاده از کنترل منطق فازی و شبکه عصبی و اندازه گیری شدت تابش و دما ، ولتاژ نقطه کار را به دست می آورد.

روش‌های هوشمند به مدل سلول خورشیدی به کار رفته نیاز مبرم دارند که همین امر سیستم کنترلی را به استفاده در سلول خورشیدی طراحی شده محدود می کند.

به طور کل، نمی توان هیچ روشی را مطلقاً بهترین روش قلمداد کرد، درحالی که برای انتخاب سیستم ردیابی حداکثر توان ملاک های متفاوتی از قبیل هزینه ساخت ، سرعت ردیابی ، دقت نقطه یافت شده، سادگی پیاده سازی ، عمومیت داشتن و... وجود دارد که هر روشی را در توان های مختلف می توان بهتر و مؤثرتر قلمداد کرد.    

اساس روش پیشنهاد شده در این مقاله بر پایه وجود رابطه بین شدت تابش و ولتاژ نقطه حداکثر توان است. با داشتن این رابطه، در هر لحظه با اندازه گیری شدت تابش، ولتاژ نقطه حداکثر توان قابل محاسبه و سیستم ،خروجی را در ولتاژ نقطه حداکثر توان قرار می دهد. این رابطه که دقت آن قابل تعریف است، با استفاده از روش تقریبگر تابع فازی بدون نیاز به داشتن مدل سلول خورشیدی در چند دوره آموزش به دست می آید.نیاز نداشتن مدل سلول خورشیدی از قبل، عمومیت داشتن سیستم را نسبت به کار هایی که تاکنون انجام شده است، بالا میبرد. 

 

2- ساختار سیستم تولید توان خورشیدی

ساختار سیستم های تولید توان خورشیدی را به شیوه‌های مختلفی می توان پیاده سازی نمود. به طور کلی، این ساختار‌ها مطابق شکل (1) قابل نمایش است. این ساختار به سه بخش پانل خورشیدی ، مبدل DC به DC و کنترل و ردیاب نقطه حداکثر توان قابل تقسیم است.

 

 

 

 

شکل (1): بلوک دیاگرام سیستم تولید توان خورشیدی

 

 

2-1- مبدلDC به DC

انواع مختلفی از مبدل های DC به DC وجود دارد، اما به علت پایین بودن ولتاژ خروجی سلول خورشیدی به طور معمول از مبدل افزاینده Boost ولتاژ ، در ساختار سیستم تولید توان خورشیدی استفاده می گردد.

علت استفاده از مبدل افزاینده علاوه بر افزایش ولتاژ خروجی سیستم، متغیر بودن مقاومت ورودی مبدل با تغییر سیکل کاری سیگنال PWM اعمالی است. این ویژگی مبدل این قابلیت را می دهد که با تغییر سیکل کاری بتوان ولتاژ نقطه کار سلول خورشیدی را تغییر داد.]16[

 

2-2- کنترل و ردیاب نقطه حداکثر توان

این بخش می تواند شامل سنسور ها ، تولید کننده موج PWM و سیستم پیاده کننده ردیابی نقطه حداکثر توان باشد. این بخش با دارا بودن سیستم کنترلی MPPT بسته به روش موجود با اندازه گیری پارامترهای مورد نیاز نقطه کار مناسب که همان نقطه حداکثر توان خروجی سلول خورشیدی است، یافت می‌کند. سپس با توجه به این شرایط با اعمال فرمان مناسب را تغییر سیکل کاری به مبدل موج PWM ، این مبدل ولتاژ خروجی سلول خورشیدی را به نقطه کار مناسب سوق می دهد.

 

2-3- مدل سلول خورشیدی

هر سلول خورشیدی را می توان با یک مدار معادل الکتریکی مدل نمود.مدل های مختلفی برای سلول خورشیدی بیان شده است که شکل (2) یک نمونه از مدل‌های ارئه شده است.

 

 

 

شکل (2): مدل سلول خورشیدی

 

 

رابطه ولتاژ خروجی با پارامتر های دیگر برای مدل ارائه شده به شکل زیر است :

(1)

 

 

معرفی پارامترها در جدول (1) آمده است.

 

جدول (1): معرفی پارامترهای رابطه (1)

پارامتر

معرفی

 

ولتاژ خروجی سلول خورشیدی

 

جریان خروجی سلول خورشیدی

 

دمای سلول (کلوین)

 

بار یک الکترون

 

ثابت بولتزمن

n

فاکتور انتشار

 

جریان اشباع معکوس

 

جریان وابسته به شدت تابش

 

مقاومت سری سلول

 

پارامتر I­ph ضریب از شدت تابش L است. 

(2)

 

 

برای ولتاژ نقطه حداکثر توان Vmppباید از توان خروجی PO نسبت به ولتاژ مشتق و برابر با صفر در نظر گرفت ، ولتاژ به دست آمده از این رابطه ، ولتاژ حداکثر توان است.

(3)

 

 

در نتیجه، رابطه ولتاژ نقطه حداکثر توان خروجی را می‌توان تابعی از شدت تابش L و دمای سلولTcell دانست. 

 

3- عوامل تعیین کننده دمای سلول

به طور کل، می توان عوامل تعیین کننده دمای سلول خورشیدی را به سه نوع عامل تقسیم نمود:

  • تابش
  • تلفات الکتریکی
  • رسانش گرمایی و همرفتی

تابش نوعی انتقال انرژی است که این انتقال انرژی از یک منبع انرژی (مثلا خورشید) به یک جسم دیگر (مثلا سلول خورشیدی) صورت می پذیرد. هر جسم مقداری از انرژی تابشی را جذب و مقداری از آن را انعکاس می دهد. انرژی تابشی جذب شده به انرژی دیگری تبدیل می شود]2[. در سلول خورشیدی مقداری از این انرژی تابشی جذب شده توسط عمل فتوولتائیک به انرژی الکتریسیته و مقدار دیگر آن به انرژی گرمایی تبدیل می گردد.

انرژی گرمایی ناشی از تابش که به صورت کامل جذب شود، به صورت رابطه (4) قابل محاسبه است: 

(4)

 

 

در رابطه (4)  انرژی گرمایی ناشی از تابش، A مساحت سطح و t زمان است.

مقداری از انرژی الکتریکی تولید شده در سلول به صورت توان الکتریکی  به انرژی گرمایی تبدیل می گردد و برای مدل ارائه شده از سلول خورشیدی قابل محاسبه است.

(5)

 

 

انرژی گرمایی  برابر با توان  در مدت زمان t است.

(6)

 

 

در نتیجه، انرژی گرمایی ناشی از تلفات الکتریکی تابعی از ولتاژ خروجی و دمای سلول در زمان می باشد.

انرژی گرمایی یک جسم از فرمول (7) محاسبه می شود]2[.

(7)

 

 

در رابطه فوقm  جرم ماده،  cظرفیت گرمایی ویژه و  دمای محیط است.

مسأله رسانش گرمایی با وجود بزرگ بودن رسانایی گرمایی سلول خورشیدی قابل حل بوده، می توان با بزرگ بودن رسانش گرمایی، دمای تمام سلول را یکسان در نظر گرفت. انتقال گرما، یا به طور دقیقتر تبادل گرمای همرفتی توسط سیال هوا میان محیط و سلول خورشیدی به شرایطی همچون شکل فیزیکی خود سلول و حتی چگونگی نصب سلول خورشیدی بستگی دارد و نمی توان فرمول خاصی را برای آن بیان داشت ، اما می توان آن را به صورت تقریبی تابعی از اختلاف دمای محیط و سلول خورشیدی ، سطح تماس و عبور جریان هوا در نظر گرفت. 

با توجه به روابط (7و6و4) و با در نظر گرفتن رسیدن دمای سیستم به حالت تعادل می توان نوشت :

(8)

 

 

و از رابطه (8) می توان نتیجه گرفت :

(9)

 

 

در حالت تعادل دمایی ، دمای سلول خورشیدی تابعی از شدت تابش ، ولتاژ خروجی و دمای محیط است.

 

4- رابطه ولتاژ نقطه کار با شدت تابش

با قرار دادن رابطه (9) در رابطه (3) داریم :

(10)

 

 

در نتیجه، می توان ولتاژ نقطه کار سلول خورشیدی را تابعی از شدت تابش و دمای محیط دانست.

با توجه به اینکه دمای محیط در بازه زمانی کوتاه (برای مثال، یک ساعت) تغییرات چندانی ندارد، در این بازه زمانی عددی ثابت در نظر گرفته، می‌شود بنابراین، می توان رابطه (10) را به صورت رابطه (11) بازنویسی نمود:

(11)

 

 

رابطه (11) در صورتی دارای دقت قابل قبول است که در تابع  دمای محیط ویا تاثیر دمای محیط لحاظ شده باشد.

 

5- سیستم فازی به عنوان تقریبگر تابع

برخی از انواع سیستم های فازی را می توان به شکل فرمول غیر خطی بسته نوشت. این فرمول های بسته محاسبات سیستم های فازی را ساده می کنند و از جهت دیگر کار با سیستم فازی را به عنوان یک تابع تقریب فراهم می کنند]3[. در طراحی سیستم های فازی انتخاب تعداد قواعد مناسب، بسیار مهم است، انتخاب تعداد زیاد قواعد، باعث پیچیده‌تر شدن سیستم فازی شده که ممکن است برای مسأله ضرورت نباشد و یا انتخاب تعداد محدودی قواعد باعث عدم پاسخ صحیح گردد]3[. ایده اساسی روش سیستم فازی به عنوان تقریبگر تابع در زوج های ورودی – خروجی، استفاده از یک شیوه برای کنترل بهینه و مناسب است.

برای n زوج مرتب (xi,yi) که xi ورودی ها و yi خروجی های متناظر ورودی هستند، فرمول تابع تقریبگر فازی به صورت رابطه (12) محاسبه می شود:

(12)

 

 

رابطه (12) خوشه سازی تکی را نشان می دهد. همچنین تابع فازی سازی از نوع گوسین است. در این رابطه با انتخاب مناسب پارامتر  سیستم فازی بیان شده می توان n زوج ورودی – خروجی را با هر دقت داده شده تطبیق داد.  کوچکتر باعث می شود خطای تطبیقی |F(xi)-yi| کوچکتر، ولیF(x)  کمتر هموار گردد و اگر F(x) هموار نباشد، ممکن است نتواند برای نقاطی که در مجموعه آموزش قرار ندارد ، عمومیت داشته باشد. بنابراین  باید به نحوی انتخاب شود که تعادلی را بین تطبیق و عمومیت به وجود آورد]3[.

برای نمونه، درصورتی که سه زوج مرتب از ورودی و خروجی برابر با {(0.25,0.2),(0.5,0.4),(0.75,0.8)} موجود باشد ، تابع تقریبگر فازی این زوج های مرتب با سه سیگمای متفاوت به صورت شکل (3) خواهد بود. شکل (4) تابع فازی سازی ورودی و خروجی سه زوج مرتب نمونه به ازای سیگمای 0.12 رسم شده است.

 

 

 

شکل (3): رسم تقریب تابع فازی برای سه نقطه نمونه

 

شکل (4): توابع تعلق فازی به ازای سیگمای 0.12

 

برای یافتن سیگمای مناسب روش های مختلفی ارائه شده است. در این مقاله، یافتن سیگما به این صورت است که مقدار اولیه سیگما بزرگ انتخاب می شود و سپس در چندین مرحله کاهش جزئی سیگما خطا را برای هر زوج مرتب اندازه گیری کرده و در صورتی که خطای موجود کوچکتر از خطای تعریف شده در ابتدای الگوریتم باشد ، همان سیگما ، به عنوان سیگمای مناسب برای استفاده در تقریب تابع انتخاب می گردد.

 

6- روش پیشنهادی ردیابی نقطه حداکثر توان

بلوک دیاگرام مدار پیشنهادی به صورت شکل (5) است.

 

 

 

شکل (5): بلوک دیاگرام مدار پیشنهادی

 

 

این روش بر اساس اندازه گیری  شدت تابش موجود، ولتاژ نقطه کار را بر اساس رابطه بین ولتاژ نقطه کار و شدت تابش  محاسبه نموده، سپس با استفاده از مبدل Boost قرار گرفته شده در خروجی آرایه با تغییر سیکل کاری تولید کننده پالس PWM ولتاژ خروجی آرایه را در ولتاژ مطلوب که ولتاژ نقطه MPPاست، قرار می‌دهد. هسته پردازنده اطلاعات سیستم ، که یک میکرو کنترلر است، با گرفتن مقدار شدت تابش مقدار ولتاژ MPP را در نقطه حداکثر توان نگه می دارد. الگوریتم اجرایی برنامه در شکل (6) آمده است.

 

شکل (6): چارت اجرایی برنامه

الگوریتم موجود برنامه در هر لحظه ولتاژ خروجی PV را با خواندن لحظه ای شدت تابش در ولتاژ محاسبه شده قرار می دهد.

برای اجرا شدن الگوریتم بیان شده باید تابع F(L) را برای سلول خورشیدی استفاده شده داشت و همچنین، این تابع باید برای هر سلول خورشیدی قابل استفاده باشد. در این مقاله با استفاده از سیستم فازی به عنوان تقریبگر فازی به ازای تعدادی از زوج های مرتب این تابع محاسبه می گردد.

برای به دست آوردن تابع F(L) باید تعداد مناسبی از زوج های مرتب ولتاژ نقطه کار متناظر با شدت تابش (VMPPi , Li) را در اختیار داشت (در این مقاله این تعداد 20 در نظر گرفته شده است. بدیهی است که افزایش تعداد نقاط محاسبات را طولانی تر و دقت را بالاتر می برد و در روش اصلی تغییری ایجاد نمی شود.) برای این منظور باید هر VMPP را در شدت تابش متناظر اندازه گیری کرد و به دست آورد.

برای یافتن VMPP در تابش متناظر باید نقطه حداکثر توان یافت شود. این کار با تغییر ولتاژ خروجی به واسطه تغییر سیکل کاری مبدل PWM و اندازه گیری جریان عبوری و در نتیجه محاسبه توان برای 100 نقطه و سپس یافتن توان حداکثر و متعاقبا ولتاژ متناظر آن توسط تابع تقریب فازی با 100 نقطه صورت می پذیرد. ولتاژ یافت شده همراه با شدت تابش موجود یک زوج مرتب به ما می دهد و این زوج مرتب در جدولی برای استفاده در تقریب زدن فازی تابع F(L) ذخیره می شود.

اکنون که برای شدت تابش های مختلف می‌توانیم ولتاژ نقطه کار در حداکثر توان خروجی را به دست بیاوریم، می‌توانیم جدول جستجو را کامل کرده، برای شدت تابش‌های مختلف نقطه کار مناسب را بیابیم، ولی هر تعداد زوج مرتب در جدول جستجو زیاد باشد، باز هم تمام شدت تابش ها را پوشش نمی دهد. برای این منظور بار دیگر با داشتن چندین زوج مرتب تابع تقریب فازی برای F(L) تشکیل می‌دهیم و با توجه به اندازه گیری شدت تابش و قرار دادن شدت تابش در تابع تقریب فازی به وجود آمده از چندین زوج مرتب ولتاژ نقطه کار سلول خورشیدی یا همان VMPP را به دست می‌آوریم و ولتاژ خروجی را با تغییر سیکل کاری در VMPP ثابت نگاه می داریم و در هر لحظه با توجه به اندازه گیری شدت تابش جدید این عمل باز تکرار می شود. این نتیجه همان چارت اجرایی برنامه در شکل (6) است؛ با این تفاوت که F(L) تابع تقریب فازی است. الگوریتم بیان شده برای یافتن VMPP تا زمانی می تواند با دقت بالا پاسخ گوی سیستم باشد که زوج‌های مرتب موجود در جدول جستجو ویژگی بهینه شدن و نو سازی داده را داشته باشد؛ یعنی توانایی یادگیری مستمر را دارا باشند. برای این منظور، در بازه های زمانی مشخص سیستم به الگوریتم یادگیری ، پرش می کند.

الگوریتم یادگیری در ابتدا قدیمیترین زوج مرتب را شناسایی و حذف می کند و سپس به یافتن زوج مرتب جدید پرداخته، زوج مرتب جدید را در جدول ذخیره می کند. این امر علاوه بر بروز کردن داده ها باعث می گردد که در صورت رخداد تغییرات فیزیکی بر روی صفحه خورشیدی، از جمله سوختن تعدادی از سلول های صفحه و یا کهنه شدن و کثیفی، تابع تقریبگر فازی F(L) با استفاده از ویژگی های جدید ساخته شود.

برای بهبود دقت F(L) می توان الگوریتمی را در سیستم قرار داد که کم ارزش‌ترین زوج مرتب را تشخیص داده، اقدام به حذف آن به جای قدیمیترین زوج مرتب کند که ممکن است ارزش مناسبی در محاسبه تابع تقریب فازی داشته باشد، و یا برای داشتن خطای کمتر بر اثر تغییر دما، برای یادگیری ها ارزش زمانی در نظر گرفته شود. برای مثال، یک زوج مرتب هر روز در ساعت 12 ظهر به روز گردد، در این حالت تفاوت دمایی ساعت 12 در هر روز با روز قبل خود تغییر چندانی نخواهد داشت. در نتیجه برای زوج مرتب موجود دمای محیط نیز در نظر گرفته شده است. در این حالت مستقل بودن تابع ولتاژ نقطه کار از پارامتر دمای محیط تاثیر چندانی بر دقت محاسبات ولتاژ نقطه حداکثر توان نخواهد داشت.

مراحل بیان شده یادگیری دوره ای در چارت شکل (7) آورده شده است.

به کمک استفاده از تابع تقریبگر فازی مشکل عدم دستیابی تابع F(L) هموار گشت و همچنین، به کمک الگوریتم یادگیری دوره‌ای ایراد وارد شده بر تطبیق پیدا کردن سیستم با هر نوع PV نیز حل شده است.

باید در نظر داشت که در هر مرحله آموزش مدلی دقیقتر و بروزتر از سلول خورشیدی برای سیستم به وجود می آید و در صورت افزایش تعداد زوج های مرتب در جدول جستجو امکان دقیقتر شدن مدل سلول خورشیدی را به وجود می آورد. 

 

شکل (7): چارت اجرایی آموزش دوره ای

7- شبیه‌سازی

در ابتدا به شبیه سازی رفتار صفحه خورشیدی به میزان شدت تابش اعمالی به آن، پرداخته شده است.

صفحه خورشیدی به کار رفته در این مقاله MSX-60  محصول شرکت solarex است که مشخصات فنی آن در جدول (2) آمده است. نتایج جدول در دمای 25 درجه سانتی­گراد و تابش1kW/m2(=1sun)  انجام گرفته است.

 

جدول (2): مشخصات فنی MSX-60

مقدار

پارامتر

مشخصات

60W

 

حداکثر توان خروجی

17.1V

 

ولتاژ در حداکثر توان

3.5A

 

جریان در حداکثر توان

3.8A

 

جریان اتصال کوتاه

21.1V

 

ولتاژ مدار باز

–(80±10)mV/°C

 

ضریب دمایی ولتاژ مدار باز

(0.065±0.015)%/°C

 

ضریب دمایی جریان اتصال کوتاه

–(0.5±0.05)%/°C

 

ضریب دمایی توان

47±2°C

NOCT

نرخ دمای سلول با محیط

 

در این شبیه سازی با رسم چندین منحنی مشخصه  خروجی صفحه خورشیدی ، چگونگی تاثیر گذاری رابطه بین توان الکتریکی تبدیل شده به گرما ، توان جذب شده تابشی که مستقیما به گرما تبدیل می شود و حداکثر توان  بررسی خواهد شد.

نتیجه شبیه سازی نمودار ولتاژ-جریان خروجی در شکل (8) و ولتاژ-توان صفحه خورشیدی در شکل (9) آورده شده است.

 

 

شکل (8): تاثیر تابع دما نسبت به متغیرها بر نمودار ولتاژ-جریان

 

 

شکل (9): تاثیر تابع دما نسبت به متغیرها بر نمودار ولتاژ-توان

 

منحنی مشخصه های رسم شده برای پنج حالت از شدت تابش بین 0.2 sun الی 1sun است و در هر شدت تابش اثر تغییر دما به واسطه وجود تاثیر توان الکتریکی و شدت تابش بر گرم شدن صفحه خورشیدی رسم شده است. منحنی ها این را بیان می کند که شدت تابش و توان الکتریکی که موجب گرم شدن صفحه خورشیدی می­گردد حداکثر توان خروجی را تحت تاثیر قرار داده، مقدار آن را کاهش می دهد. علاوه بر این، ولتاژ نقطه کار بهینه را کوچکتر می کند.

الگوریتم آموزش دوره ای شکل (7) سه مرحله ، نمونه گیری 100 نقطه ، انتخاب سیگمای مناسب و تشکیل تابع تقریب فازی را دارد که منحنی مشخصه شکل (10) تقریب تابع فازی با 100 نقطه را نسبت به منحنی مشخصه واقعی در پنج شدت تابش متفاوت از 0.2Sun تا 1Sun نشان می دهد.

همان طور که در شکل(10) مشاهده می شود، تابع تقریب فازی توانسته است به طور مناسبی منحنی را تقریب بزند؛ بطوری که حداکثر مقدار خطا کمتر از 0.05 وات در برابر صفحه خورشیدی 60 وات این شبیه سازی است. در نتیجه، منحنی تابع تقریب فازی را می توان خود منحنی اصلی ولتاژ-توان صفحه  خورشید در نظر گرفت.

 

 

شکل (10): تابع تقریبگر فازی و نمودار اصلی از ولتاژ-توان

 

 

هدف از تشکیل تابع تقریب فازی از منحنی مشخصه ولتاژ-توان خروجی صفحه  خورشیدی محاسبه حداکثر توان خروجی و ولتاژ متناظر آن و ذخیره زوج مرتب از VMPP و شدت تابش در جدول جستجوست. شکل (11) تقریب فازی منحنی ولتاژ-توان  برای 20 شدت تابش مختلف از 0.05Sun تا 1Sun رسم و نقطه حداکثر توان یافت شده از این روش نشان داده شده است.

 

 

 

شکل (11): تابع تقریبگر فازی و نمودار اصلی از ولتاژ-توان

 

 

پس از یادگیری سیستم از زوج های مرتب ذخیره شده در جدول جستجو، می توان با تشکیل یک تابع تقریب فازی با یافتن سیگمای مناسب به روش کوچک بودن خطای تطبیقی یک رابطه بین شدت تابش و ولتاژ نقطه حداکثر توان یا همان V­­MPP=F(L) که مورد نیاز است رسید. منحنی مشخصه موجود در شکل (12) بر اساس 20 زوج مرتب و همچنین، تابع تقریب فازی از 20 مرحله آموزش سیستم را نشان می دهد.

 

 

شکل (12): تابع تقریبگر فازی Vmpp=F(L)

 

 

همان طور که در محور شدت تابش مشاهده می شود تابع تقریب، تمام شدت تابش از 0Sun تا 1Sun را پوشش می‌دهد، در صورتی که در آموزش می‌تواند این گستردگی وجود نداشته باشد و در نتیجه، تابع فازی با دقت کمتری نقطه برون یابی را یافت می کند.

شکل (13) نمونه تست برای 5 شدت تابش مختلف و نقطه کاری را که سیستم تشخیص داده است، نشان می‌دهد.

 

 

 

شکل (13): ولتاژ نقطه حداکثر توان از تابع Vmpp=F(L)

 

 

مقدار ولتاژ های حداکثر توان انتقالی تشخیص داده شده توسط تابع تقریبگر فازی Vmpp=F(L)  توانسته است ولتاژ نقطه حداکثر توان واقعی را با خطای قابل قبول یافت کند.

پس از آنکه سیستم دوره آموزش را به پایان می رساند سیستم به مرحله ردگیری می رود. ردگیری این روش بر اساس ایجاد ولتاژ مبنا و اعمال آن به کنترل کننده است. در این مقاله از کنترل کننده PI استفاده شده است. قابل بیان است که می‌توان کنترل کننده PI را به صورت دیجیتال در میکروکنترلر اجرا نمود که در روش پیشنهادی فرکاس PI دیجیتال 1KHz در نظر گرفته شده است که به راحتی در هر میکروکنترلری قابل پیاده سازی است. برای بررسی چگونگی ردگیری سیستم پیشنهادی، شبیه سازی با اغتشاشات بزرگ در کنار روش کلاسیک P&O تحلیل شده است. سیستم شبیه سازی شده در ابتدا با دمای محیط 27'C و تابش 0.9 Sun شروع به کار می‌کند. اغتشاش اول در 0.1 ثانیه پس از شروع با اعمال اغتشاش تابش از 0.9 Sun به 0.3 Sun اعمال می گردد. اغتشاش دوم 0.1 ثانیه بعد؛ یعنی در 0.2 ثانیه با تغییر ناگهانی دمای محیط از 27'C به 20'C رخ می‌دهد، و در نهایت در لحظه 0.3 ثانیه تابش به 0.7 Sun افزایش می‌یابد. قابل ذکر است که این نوع اغتشاشات به هیچ وجه نمی­تواند در واقعیت به این سرعت رخ دهد و آوردن این اغتشاشات با چنین سرعتی، جنبه بررسی چگونگی ردگیری سیستم در بدترین حالت را دارد. شکل (14) چگونگی ردگیری روش پیشنهادی و روش P&O را در کنار حداکثر توان قابل جذب نشان می­دهد.

 

 

 

شکل (14): ردگیری توان روش پیشنهادی و روش P&O

 

 

همان طور که در شکل (14) مشاهده می‌گردد، علی‌رغم وجود اغتشاشات شدید و همچنین، تنها 20 داده آموزش، روش پیشنهادی با سرعت نسبتا بالایی امر ردگیری حداکثر توان را به خوبی انجام می‌دهد و هیچ‌گونه نوسانی حول نقطه حداکثر توان ندارد. شکل (15) خطای عدم رسیدن به نقطه حداکثر توان برای روش پیشنهادی و روش P&O را نشان می‌دهد. در شکل مشاهده می‌گردد با اینکه داده‌های آموزش در دمای محیط 27'C پر شده است، روش پیشنهادی توانسته است در دمای 20'C نیز امر ردگیری را انجام دهد و سیستم در بدترین شرایط، خطایی کمتر از 0.5 وات را در حالت خروجی 40 وات داراست. در صورتی که داده‌های آموزش بیشتر گردد، این خطا بسیار کمتر خواهد بود.

 

 

 

شکل (15): خطای ردگیری توان روش پیشنهادی و روش P&O

 

 

8- نتیجه‌گیری

در این مقاله، روشی به منظور ردیابی حداکثر توان در صفحات خورشیدی بر پایه منطق فازی ارائه شده است. اساس روش پیشنهاد شده در این مقاله بر پایه وجود رابطه بین شدت تابش و ولتاژ نقطه حداکثر توان است. با داشتن این رابطه ، در هر لحظه با اندازه گیری شدت تابش، ولتاژ نقطه حداکثر توان قابل محاسبه خواهد بود. این رابطه که دقت آن قابل تعریف است، با استفاده از روش تقریبگر تابع فازی بدون نیاز به داشتن مدل سلول خورشیدی در چند دوره آموزش به دویژگی‌های روش پیشنهادی است. به منظور صحّه گذاری روش پیشنهادی، نتایج شبیه سازی ارائه شده است و چگونگی ردگیری نقطه حداکثر توان در کنار روش P&O مورد بررسست می آید. بی نیاز بودن از مدل صفحه خورشیدی از ی شد. نتایج شبیه سازی دقت و سرعت روش پیشنهادی را نشان می دهد.



[1] تاریخ ارسال مقاله  : 2/9/1391

تاریخ پذیرش مقاله : 10/10/1391

نام نویسنده مسؤول : امین حاجی‌زاده

نشانی نویسنده مسؤول : ایران – شاهرود – دانشگاه صنعتی شاهرود

– دانشکده برق و رباتیک



[1] Photovoltaics

[2] Solar Tracker

[3] Maximum Power Point Tracking

[4] Perturb & Observe

[5] Hill Climbing

[6] Incremental Conductance

[7] Fractional short circuit current

[8] Fractional open circuit voltage

مراجع
[1]      سید مسعود،مقدس تفرشی، منابع تولید انرژی در قرن بیست ویکم ، دانشگاه صنعتی خواجه نصیرالدین طوسی،1386.
[2]      وانگ،لی ، سیستم های فازی و کنترل فازی ، ترجمة تشنه لب، محمد ، دانشگاه صنعتی خواجه نصیرالدین طوسی،1388.
[3]      هالیدی،دیوید و رزنیک،روبرت و کرین،کنت ،فیزیک(حرارت و شاره ها)،مترجمان: رضایی نیا،حمیدرضا وباغانی،خلیل و خبوشانی،فاطمه ،ویرایش پنجم، مشهد، انتشارات خراسان، 1385.
[4]          B.J. Huang & W.L. Ding & Y.C. Huang," Long-term field test of solar PV power generation using one-axis3-position sun tracker", Solar Energy , Vol. 85, 1935–1944, 27 May 2011
[5]          L. Piegari & R. Rizzo, "Adaptive perturb and observe algorithm for photovoltaic maximum power point tracking" IET Renew. Power Gener, Vol. 4, pp. 317–328, 2010.
[6]          N. Femia, D. Granozio, G. Petrone, G. Spagnuolo, & M. Vitelli, "Optimization of perturb and observe maximum power point tracking method" IEEE Trans. Power Electron, 20, Jul. 2005.
[7]          Neil S. D’Souza & Luiz A.C. Lopes & XueJun Liu," Comparative study of variable size perturbation and observation maximum power point trackers for PV systems" , Electric Power Systems Research, Vol. 80 , pp. 296–305 , 2010
[8]          W. Xiao & W. G. Dunford, "A modified adaptive hill climbing MPPT method for photovoltaic power systems" in Proc. 35th Annu. IEEE Power Electron, pp. 1957–1963 , 2004.
[9]          Fangrui Liu & Shanxu Duan & Fei Liu & Bangyin Liu & Yong Kang, "A Variable Step Size INC MPPT Method for PV Systems" IEEE Travs. Electron, Vol. 55, Jul. 2008.
[10]          N.Mutoh, T.Matuo. "Prediction-data-based maximum power point tracking for photovoltaic power generation system", In Proc. 33rd Annu. IEEE Power Electron, Spec. Conf., pp. 1489-1494, 2002.
[11]          T.Noguchi S.Togashi. "Short-current pulse-based adaptive maximum-power-point tracking for a photovoltaic power generation system", Electrical Engineering in Japan, Vol. 139, pp. 65-72, 2002.
[12]          S. Yuvarajan & S. Xu, "Photo-voltaic power converter with a simple maximum-power-point-tracker," in Proc. 2003 Int. Symp. Circuits Syst., pp. 399–402, 2003.
[13]          Ahmad, J,"A fractional open circuit voltage based maximum power point tracker for photovoltaic arrays". IEEE International Conference on Software Technology and Engineering", pp. 247–250, 2010
[14]          Vladimir V. R. Scarpa & Simone Buso & Giorgio Spiazzi," Low-Complexity MPPT Technique Exploiting the PV Module MPP Locus Characterization" , IEEE transactions on industrial electronics, Vol. 56, pp. 1531-1538, May 2009
[15]          Dondi D & Bertacchini A & Brunelli D & Larcher L & Benini L ,"Modeling and optimization of a solar energy harvester system for selfpowered wireless sensor networks", IEEE Transactions on Industrial Electronics, Vol. 55, pp. 2759–2766, 2008
[16]          Yi-Hua Liu & Jia-Wei Huang ," A fast and low cost analog maximum power point tracking method for low power photovoltaic systems", Solar Energy, Vol. 85,pp. 2771–2780, 13 September 2011
[17]          J. Ghaisari,M. Habibi, A.Bakhshai, "An MPPT Controller Design for Photovoltaic (PV) Systems Based on the Optimal Voltage Factor Tracking", IEEE Electrical Power conferences, Canada 2007.
[18]          Kuei-Hsiang Chao & Meng-Huei Wang & Yu-Hsu Lee ," an extension neural network based incremental mppt method for a pv system " , International Conference on Machine Learning and Cybernetics, Guilin, 10-13 July, 2011
[19]          S. Lalounia & D. Rekiouaa & T. Rekiouaa & E. Matagne , "Fuzzy logic control of stand-alone photovoltaic system with battery storage" , Journal of Power Sources ,Vol. 193, pp.899–907 ,2009
[20]          F.Bouchafaa & D.Beriber & M.S.Boucherit , "Modeling and simulation of a gird connected PV generation system With MPPT fuzzy logic control" , International Multi-Conference on Systems, Signals and Devices, 7th ,2010
[21]          Mohamed M. Algazara & Hamdy AL-monierb & Hamdy Abd EL-halima & Mohamed Ezzat El Kotb Salem ," Maximum power point tracking using fuzzy logic control ", Electrical Power and Energy Systems, Vol. 39, pp. 21-28, 2012.
[22]          I.H. Altasa & A.M. Sharaf ," A novel maximum power fuzzy logic controller for photovoltaic solar energy systems", Renewable Energy, Vol. 33, pp. 388–399, 2008.
[23]          Aymen Chaouachi & Rashad M. Kamel & Ken Nagasaka ," A novel multi-model neuro-fuzzy-based MPPT for three-phase grid-connected photovoltaic system" , Solar Energy, Vol. 84, pp. 2219–2229, 29 September 2010