کنترل سوییچینگ بر مبنای دستیابی به نمودار حداکثر توان در سلول خورشیدی با روش هوشمند تطبیقی

Transcript

1 کنترل سوییچینگ بر مبنای دستیابی به نمودار حداکثر توان در سلول خورشیدی با روش هوشمند تطبیقی مهندس سید عبدالحسین عمادی * دکتر احسان اسفندیاری چکیده: در این مقاله با استفاده از ساختار غیرخطی برای سلول خورشیدی میزان ولتاژ و توان مطلوب برای بار خروجی تامین میشود. نقطه عملکرد بهینه برای سیستم سلول خورشیدی به نام نقطه بیشینه توان عنوان میشود و در شرایط مختلف جوی متغیر میباشد. به منظور دستیابی به هدف ذکر شده در بخش مبدل DC/DC از مبدل بوست استفاده شده که ورودی کنترلی به سوییچ آن اعمال میشود. برای دستیابی به توان مطلوب برای بار و رسیدن به حداکثر توان سلول خورشیدی از کنترلر هوشمند تطبیقی بر مبنای تئوری فازی استفاده شده است. در این مقاله از الگوریتم فازی برای بهینه کردن روش کنترلی نیز استفاده شده است. تغییرات بار خروجی و میزان تابش خورشید از جمله مواردی است که طی آن مقاوم بودن بخش کنترلی سیستم را بررسی میشود. نتایج آن طبق شبیه سازی در نرمافزار متلب ارائه و عملکرد خوب کنترل کننده در شرایط مختلف عملکرد سیستم نشان داده شده است. کلیدواژه: سلول خورشیدی-ردیابی نمودار حداکثر توان- کنترلکننده هوشمند تطبیقی. 1 -مقدمه با توجه به خروجی برق DC پنل های فتوولتائیك می توان با آرایش ها و چیدمانهای مختلف پنل های فتوولتائیك نیاز مصرف کنندگان مختلف را با توجه به توانهای متفاوت و مورد نیاز تامین نمود با توجه به کاهش روز افزون ذخایر سوخت فسیلی و خطرات ناشی از بکارگیری نیروگاههای اتمی گمان قوی وجود دارد که در آیندهای نه چندان دور سلول های خورشیدی با تبدیل مستقیم انرژی تابشی خورشید به انرژی برق به عنوان جایگزین مناسب و بی خطر برای سوختهای فسیلی و نیروگاههای اتمی توسط بشر مورد استفاده قرار گرفته می شود. از جمله کاربرد های سیستم های فتوولتائیك می توان به موارد زیر اشاره نمود. ساختار کلی مقاله بدین صورت میباشد در بخش اول مطالب پایهای و ضرورت انجام این تحقیق و طرح و ایدهی کنترلی پیشنهادی مطرح شده است. در بخش دوم طرح کنترلی مقاالت مختلف مرتبط با موضوع را بصورت کامل مورد بررسی قرار داده و ساختار کنترلکننده پیشنهادی را بررسی کرده. بخش سوم به مدلسازی سیستم سلولخورشیدی و روابط ریاضی آن پرداخته شده. در بخش چهارم با استفاده از برنامه متلب شبیهسازی سیستم را طبق روابط حاصل شده انجام و کنترلکننده پیشنهاد شده را بر آن پیاده خواهیم کرد. در بخش پنجم این مقاله با توجه به نتایج حاصل شده از شبیهسازی نتیجهگیری و پیشنهادات مطرح خواهد شد.

2 2- تاریخچه روشهای کنترلی سیستم PV تاکنون روشهای ردیابی نقطه بیشینه متنوعی طراحی و معرفی شده که در پیچیدگی حسگر مورد نیاز سرعت همگرایی قیمت میزان بازدهی سخت افزار پیاده سازی متفاوت میباشند. در ادامه چند روش مهم و پرکاربرد در این زمینه معرفی میگردند. نیونو و همکارانش [1] در سال 2014 یك روش تطبیقی فازی برای تطبیق عملکرد سیستم در شرایط متفاوت معرفی کردهاند. که در این روش عالوه بر کنترلکننده فازی که برای تغییرات چرخه کار طراحی می شود یك کنترلکننده فازی نیز برای ضریب مقیاس گذاری 1 طراحی شده که موجب ردیابی بهتر به نسبت کنترلکنندههای فازی متعارف میشود. زینوری و همکارانش [2] در سال 2014 روش تطبیقی آشفتن و مشاهده کردن فازی به منظور جبران کاستیهای هر یك از دو روش P&O و فازی را معرفی کردند. در این روش از خروجیهای کنترلکننده به روش P&Oبه عنوان ورودیهای کنترلکننده فازی استفاده میشود. و در نهایت مقدار تغییرات چرخه کار به عنوان خروجی نهایی کنترلکننده به سیستم اعمال میگردد. خارب و همکارانش [3] در سال 2014 روش سیستم استنتاج عصبی فازی تطبیقی 2 پیشنهاد دادهاند که ترکیبی از شبکههای عصبی و فازی میباشد. بر اساس این مقاله ورودیهای سیستم تابش خورشید و دمای پنل PV میباشد و در خروجی نیز ماکزیمم توانی که سیستم میتواند در یك تابش و دمای معین عمل نماید را نشان میدهد. سپس توان خروجی سیستم از ضرب ولتاژ در جریان خروجی PV که از سنسورها به دست آمده محاسبه شده و با مقایسه این دو توان به دست آمده یك خطا به وجود میآید. این خطا به یك کنترلکننده PI رفته و در خروجی یك سیگنال کنترل برای مولد PWM خواهیم داشت. مقایسهی راندمان بین روشهای شبکه عصبی P&O و ANFIS نشاندهنده برتری روش ANFIS میباشد[ 5 ]. در صورتی که برخی از سلولهای خورشیدی دریك پنل خورشیدی خراب شوند یا در هوای ابری در سایه )رخ دادن پدیده سایه جزئی( قرار گیرند دیگر روشهای متعارف قادر به ردیابی نقطه بیشینه توان نمیباشد و باید از روشهای اصالح شده [ 5 ]و یا روشهای هوشمند [6] [7] [8] [9] استفاده نمود. 3- ساختار کنترل فازی-تطبیقی کنترلکننده فازی تطبیقی از دسته کنترلکنندههای پرکاربرد و مقاوم به حساب میآید که در این مقاله به منظور بدست آوردن مقدار سیکل وظیفه مبدل قدرت مورد استفاده قرار میگیرد. در این راستا برای بررسی عملکرد سیستم کنترلی مطرح شده عوامل مختلفی را در نظر گرفته شده است. از جمله این موارد میتوان به متغییر بودن میزان تابش خورشید به سطح سلول خورشیدی و همچنین متغیر با زمان بودن میزان دمای آن اشاره کرد. متغیر بودن بار خروجی نسبت به زمان و بررسی پایداری دینامیکی ولتاژ خروجی نیز در شبیهسازیها مورد تحلیل قرار خواهد گرفت. یك کنترل کننده فازی تطبیقی تنها در صورتی که هر کدام از پارامتر های متغییر )تابع 3 در حین عمل کنترل تغییر کنند به صورت تطبیقی عمل خواهد نمود در غیر این صورت تعلق قوانین فازی و ضریب مقیاس گذاری ) مانند یك کنترل کننده متعارف فازی عمل خواهد کرد. بعنوان مثال اگر فرض کنیم در خروجی سیستم فازی یك Scaling factor داشته باشیم برای کنترل تطبیقی این سیستم بلوک دیاگرام شکل 1 پیشنهاد شده است. 1 Scaling factor 2 Adaptive neuro fuzzy inference system (ANFIS) 3 Scaling factor

3 شکل 1 ساختار کنترلر فازی تطبیقی همانطور که از شکل هم مشخص میباشد خروجی سیستم که همان تغییرات چرخه کار میباشد از رابطه )1( محاسبه خواهد شد: D(k) = {α(k) GD} DN(k) ) 1( خروجی کنترلر فازی اصلی میباشد. قانون DN و α بهره تطبیقی کنترل کننده فازی و Scaling factor همان GDکه فازی این ضریب تطبیقی به صورت زیر میباشد. در شکل 2 و 3 توابع عضویت مریوط به ورودیهای خطا و تغییرات خطای کنترلر میباشد. GDفازی مربوط به ضریب مقیاس دهی نشان داده شده است. شکل 4 تابع عضویت مربوط به خروجی کنترلر فازی یعنی شکل 2 تابع عضویت ورودی برای e شکل 3 تابع عضویت ورودی برای Ce شکل 4 تابع عضویت خروجی برای GD

4 GD بر حسب قوانین فازی بدست میآید. این قوانین بر اساس مشاهدات افراد خبره تعیین میشود. یعنی فرد خبره با اعمال ورودی خطا و تغییرات خطا در رنج های توابع عضویت خروجی فازی را تصمیم میگیرد که در چه بازهای باشد. کنترلر باید به سمت کاهش خطا برود اما نباید با انجام اینکار تغییرات خطا زیاد شود زیرا پاسخ مطلوبی نخواهیم داشت. بنابراین بگونهای باید مصالحه بین خطا و تغییرات خطا بوجود آید. در سیستمهای کنترلی با کاهش خطا میزان فراجهش و تغییرات خطا افزایش میابد که باید خروجی فازی بگونه ای طراحی گردد که هر دو کاهش یابند اما نه به قیمت اصالح خطا و خراب شدن تغییرات خطا. دومین قسمت در طراحی یك کنترل کننده فازی پایگاه اطالعات یا قوانین میباشد در این قسمت عکس العمل شخص خبره به صورت قوانین فازی بیان میشود این قوانین ارتباط بین ورودیها و خروجیها را مشخص میکند. بنابراین با توجه به تعداد مجموعههای فازی که در قسمت فازی سازی بیان گردید تعداد قوانین فاری مشخص میشود و با توجه به اینکه تعداد مجموعههای فازی برای توابع عضویت خطا (e) و تغییرات خطا (de) پنج تا در نظر گرفته شده است بنابراین تعداد کل قوانین ساختار بیان شده 25 تا است. ZE; If e is NB and de is NB then output is (قانون 1 ZE; If e is Ns and de is NS then output is (قانون 2 قوانین فوق که به صورت گفتاری بیان شدهاند بیان کننده عکسالعمل شخص خبره در حاالت مختلف هستند و الزم به توضیح است که قوانین مذکور به صورت تجربی و با روش سعی و خطا بدست آمدهاند. اینکه GD زیاد باشد یا کم بستگی به شرایط سیستم در هر لحظه از زمان دارد ممکن است سیستم در لحظه ای با اغتشاش مواجه شود و یا با عاملی که باعث شود خروجی فازی برای سیستم مناسب نباشد بنابراین این ضریب باید بگونه ای خودش را با شرایط سیستم وفق دهد تا کنترلر در لحظه میزان اغتشاش یا هر عامل دیگر را جبران کند. بازه تغییرات GD بصورت زیر میباشد. اگر بخواهیم پاسخ سیستم سریع به پاسخ مطلوب برسد میبایست ضریب مقدار بزرگی انتخاب شود. If e is NB and de is PB then a is VB If e is PB and de is NB then a is VB. زمانیکه سیستم در راستای عملکرد خوبی بجلو میرود یعنی خطا کم دارد و تغییرات خطا کم میشود میبایست ضریب مقداری بسیار کم داشته باشد تا سیستم به حالت ماندگار نزدیك شود: در زمانی هم که به سیسستم در حالت ماندگار خود به مقدار مطلوب برسد باید ضریب مقدار صفر داشته باشد. If e is NB and de is NB then a is ZE If e is PB and de is PB then a is ZE If e is ZE and de ZE then a is Z به منظور کاهش و یا حذف نوسانات حول مقدار مطلوب مقدار ضریب باید مقدار کم در نظر گرفته شود. در شکل 5 قوانین فازی بر اساس متغیرهای زبانی نشان داده شده است. If e is NS and de is PS then a is VS If e is PS and de is NB then a is S

5 شکل 5 قوانین حاکم بر کنترلر فازی برای تنظیم سیکل وظیفه در حقیقت این کنترل کننده برای رسیدن سریع به MPP به گونه ای عمل میکند که وقتی نقطه عملکرد سیستم فاصله بسیار زیادی از MPP دارد بهره α را بسیار بزرگ )VB( انتخاب میکند و زمانی که در جهت صحیح هستیم α بسیار کوچك )ZE( انتخاب میشود. همچنین برای کاهش نوسانات در حالت ماندگار زمانی که به MPP نزدیك می شویم α مقدار کوچکی )S( انتخاب خواهد شد. توابع عضویت ورودی و خروجی کنترل کننده فازی و قوانین آن در شکلهای 6 و 7 و 8 نشان داده شده است. در این کنترل کننده ورودی ها شامل سیگنال خطا و تغییرات خطا میباشد. ورودیها دارای 7 تابع عضویت بصورت متغیرهای زبانی هستند NB,NS, ZE, PS,PB که بیانگر خیلی منفی کم منفی صفر کم مثبت و خیلی مثبت میباشند. شکل 6 تابع عضویت ورودی برای e شکل 7 تابع عضویت ورودی برای Ce شکل 8 تابع عضویت خروجی برای سیکل وظیفه

6 در شکل 9 قوانین فازی بر اساس متغییرهای زبانی نشان داده شده است. کنترل کننده فازی با توجه به اینکه ورودی خطا دارای چه مقداری باشد بر روی یکی از توابع عضویت قرار گرفته و مقداری فازی پیدا میکند. خروجی با توجه به قوانین فازی تعیین میشود و بصورت غیرفازی در خروجی کنترل کننده به سیستم اعمال میشود. 4 -شبیه سازی شکل 9 قوانین حاکم بر کنترلر فازی برای تنظیم سیکل وظیفه یك سلول خورشیدی یك پیوند نیمه هادی p-n می باشد که با در معرض نور قرار گرفتن جریان DC تولید می کند. مدار معادل الکتریکی سلول خورشیدی در شکل 10 نشان داده شده است. که شکل 10 مدار معادل الکتریکی سلول خورشیدی رابطه جریان خروجی پنل یك رابطه غیر خطی به صورت زیر میباشد: I = I L I 0 [exp ( V+R si ) 1] V+R si V t a ) 2( R sh Vt = NskT ولتاژ حرارتی آرایه با Ns سلول سری متصل شده و Io جریان های فتوولتائیك و اشباع آرایه هستند و q مقاومت معادل سری و موازی است. سیستم مدل سلول خورشیدی در فضای شبیه سازی سیمولینك متلب بصورت شکل Rs Ipv Rp و 11 میباشد. سه بلوک در فضای سیمولینك قرار داده شده است که عبارتند از: solarcell panel مدل غیر خطی از سیستم فتوولتائیك controller کنترلکننده سیستم برای دستیابی به حداکثر توان سلول خورشیدی converter مبدل قدرت که در اینجا مبدل بوست به عنوان مبدل افزاینده برای بار خروجی مورد استفاده قرار گفته است.

7 در جدول 1 پارامترهای سلول خورشیدی بیان شده است. شکل 11 سیستم سلول خورشیدی با حضور کنترلر فازی تطبیقی مقدار پارامتر تابش دما K Q n Eg Ns Trk Voc Isc a جدول 1 پارامترهای سلول خورشیدی بلوک controller در شکل 13 الگوریتمی کنترلی برای دستیابی به حداکثر توان برای سیستم فتوولتائیك منظور میباشد. در ابتدای شبیهسازی از روش )P&O( Perturb and Observe برای کنترل سیستم استفاده خواهد شد. در روش P&O ولتاژ و یا جریان خروجی PV مقداری آشفته )Perturb( میشود و سپس توان خروجی را بررسی میکنیم و اگر توان بیشتر شده بود در همان جهت به تغییر ولتاژ یا جریان ادامه میدهیم در غیر این صورت جهت تغییر ولتاژ یا جریان را بر عکس میکنیم. ساختار الگوریتم کنترلی P&O در سیمولینك متلب در شکل 12 نشان داده شده است.

8 شکل 12 ساختار روش P&O در سیمولینک برای بررسی عملکرد این الگوریتم کنترلی مقادیر بار خروجی را طبق تغییر زمان افزایش و کاهش داده که در رابطه )3( نشان داده شده است. همچینین میزان دما و تابش را به صورت روابط )4( و )5( بصورت متغیر با زمان تعیین میشود. شکل موج ولتاژ خروجی و توان خروجی توان خروجی فتوولتائیك در شکلهای 13 تا 18 نشان داده شده است. Ro = < t < 5 { Ro = < t < 8 Ro = < t < 10 T = 25 0 < t < 4 { T = 27 4 < t < 7 T = 25 7 < t < 10 S = < t < 4 { S = < t < 7 S = < t < 10 ) 3( ) 4( ) 5( شکل 13 توان خروجی مبدل سیستم فتوولتائیک با وجود بار متغیر

9 شکل 14 ولتاژ خروجی سیستم فتوولتائیک با وجود بار متغیر شکل 15 توان خروجی سیستم فتوولتائیک با وجود بار متغیر شکل 16 توان خروجی مبدل سیستم فتوولتائیک با وجود تغییر دما و تابش سلول خورشیدی شکل 17 ولتاژ خروجی سیستم فتوولتائیک با وجود تغییر دما و تابش سلول خورشیدی

10 شکل 18 توان خروجی سیستم فتوولتائیک با وجود تغییر دما و تابش سلول خورشیدی در این قسمت به شبیهسازی سیستم با استفاده از روش تطبیقی فازی اشاره شده پرداخته خواهد شد. در شکلهای 19 و 20 نتایج شبیهسازی با استفاده از کنترلکننده فازی تطبیقی نشان داده شده است. توان خروجی مبدل سییستم فتوولتائیك و ولتاژ خروجی آن در این شکل مشخص شدهاند. شکل 19 توان خروجی مبدل سیستم فتوولتائیک با استفاده از کنترلر فازی تطبیقی شکل 20 ولتاژ خروجی مبدل سیستم فتوولتائیک با استفاده از کنترلر فازی تطبیقی برای بررسی عملکرد این روش کنترلی پیشنهاد شده شکل موج ولتاژ خروجی و توان خروجی توان خروجی فتوولتائیك در شکل 21 و 22 نشان داده شده است.

11 شکل 21 توان خروجی مبدل سیستم فتوولتائیک با استفاده از کنترلر فازی تطبیقی با وجود تغییرات دما و تابش شکل 22 ولتاژ خروجی مبدل سیستم فتوولتائیک با استفاده از کنترلر فازی تطبیقی با وجود تغییرات دما و تابش در شکلهای 23 و 24 توان خروجی مبدل و ولتاژ خروجی آن را با در نظر گرفتن تغییر در بار خروجی نشان داده شده است. شکل 23 توان خروجی مبدل سیستم فتوولتائیک با استفاده از کنترلر فازی تطبیقی با وجود تغییرات بار خروجی

12 شکل 24 ولتاژ خروجی مبدل سیستم فتوولتائیک با استفاده از کنترلر فازی تطبیقی با وجود تغییرات بار خروجی با توجه به شکلهای فوق مشاهده میشود که در روش P&O عالوه بر سادگی کنترلر با زمان بیشتری به مقدار مطلوب سیستم میرسد و برتری کنترلر پیشنهادی این پایاننامه سریعتر رسیدن به توان مطلوب سلول خورشیدی را نشان میدهد. در این روش نیز تغییرات در میزان تابش و دما و همچنین تغییر در بار خروجی اثرات بسیار کمی در دینامیك ولتاژ خروجی مبدل و توان آن نسبت به روش P&O گذاشته است. 5 -نتیجهگیری در این مقاله از کنترلکننده هوشمندی برای دنبال کردن نمودار توان حداکثر سلول خورشیدی استفاده شده است. در این کنترلکننده دو ساختار کنترلکننده فازی با یکدیگر ادغام شده و با استفاده از قوانین طراحی شده مناسب برای آنها مبدل بوست برای دستیابی به سطح ولتاژ مطلوب سوییچ زنی میکند. در ان راستا دستیابی به نمودار حداکثر توان سلول خورشیدی نیز برآورده خواهد شد. به منظور تحلیل چالش تغییرات آب و هوایی بر کنترلکننده پیشنهادی از ساختار تطبیقی کنترلکننده فازی استفاده میشود. این کنترلکننده فازی ضرایب مقیاس را برای کنترلکننده فازی دیگری طراحی میکند و در حاالت مختلف عملکرد سیستم مقدار سیکل وظیفه را برای مبدل بوست بدست میآورد. این ایدهی کنترلی در شرایط تغییرات دما و سطح تابش و همچنین تغییر بار خروجی مورد ارزیابی قرار گرفته و مشاهده شده که نسبت به روش P&O دارای پاسخ سریعتر نوسانات کمتر و عملکرد مطلوب سیستم را به همراه دارد. منابع [1] O. Guenounou, B. Dahhou, and F. Chabour, Adaptive fuzzy controller based MPPT for photovoltaic systems, Energy Convers. Manag., vol. 78, pp , Feb [2] N. A. Rahim, A. Che Soh, M. A. M. Radzi, and M. A. A. M. Zainuri, Development of adaptive perturb and observe-fuzzy control maximum power point tracking for photovoltaic boost dc dc converter, IET Renew. Power Gener., vol. 8, no. 2, pp , Mar [3] R. K. Kharb, S. L. Shimi, S. Chatterji, and M. F. Ansari, Modeling of solar PV module and maximum power point tracking using ANFIS, Renew. Sustain. Energy Rev., vol. 33, pp , May [4] M. Muthuramalingam and P. S. Manoharan, Comparative analysis of distributed MPPT controllers for partially shaded stand alone photovoltaic systems, Energy Convers. Manag., vol. 86, pp , Oct

13 [5] K. Ishaque and Z. Salam, A review of maximum power point tracking techniques of PV system for uniform insolation and partial shading condition, Renew. Sustain. Energy Rev., vol. 19, pp , Mar [6] B. N. Alajmi, K. H. Ahmed, S. J. Finney, and B. W. Williams, A maximum power point tracking technique for partially shaded photovoltaic systems in microgrids, IEEE Trans. Ind. Electron., vol. 60, no. 4, pp , Apr [7] M. Muthuramalingam and P. S. Manoharan, Comparative analysis of distributed MPPT controllers for partially shaded stand alone photovoltaic systems, Energy Convers. Manag., vol. 86, pp , Oct [8] M. Veerachary, T. Senjyu, and K. Uezato, Neural-network-based maximum-power-point tracking of coupled-inductor, IEEE Trans. Ind. Electron., vol. 50, no. 4, pp , Aug [9] A. K. Mahammad, S. Saon, and W. S. Chee, Development of optimum controller based on mppt for photovoltaic system during shading condition, Malaysian Technical Universities Conf, Vol. 53, pp , Jan