项目代码与报告:https://github.com/yicongl1/MPPT-direct

MPPT 算法本身只是“决定往哪走”,真正执行的是 DC-DC 变换器。这篇讲两件事:为什么 BA04 项目选了 SEPIC,以及报告里四种算法各自的假设和代价。

变换器在 MPPT 里到底做什么

光伏组件的输出阻抗随辐照度、温度变化。MPPT 控制器改变变换器的占空比 d,等价于改变组件看到的等效负载,从而把工作点推到 MPP。

所以变换器不是“可选的外围电路”,它决定了:

  • 工作点能不能覆盖到 MPP(输入电压范围);
  • 占空比变化对工作点的影响有多灵敏;
  • 输出电压的极性和范围能不能接后级。

五种拓扑的取舍

拓扑电压关系输出极性特点
Buck只能降压同相简单、效率高;输入电压必须始终高于输出
Boost只能升压同相简单;输入电压必须始终低于输出
Buck-Boost可升可降反相范围宽;输出是负压,后级要处理
Cuk可升可降反相输入输出电流都连续;同样是负压
SEPIC可升可降同相范围宽、极性友好;器件比 Buck/Boost 多

光伏的麻烦在于输入电压大幅波动:辐照度低时组件电压下降,温度高时电压也下降。如果固定一个输出电压:

  • 用 Buck,低辐照时输入可能低于输出,占空比顶到 1 也追不上;
  • 用 Boost,高辐照时输入可能高于输出,根本没法工作;
  • 用 Buck-Boost 或 Cuk,范围够了,但输出反相,后级需要额外处理;
  • 用 SEPIC,既能升也能降,输出还与输入同相。

这就是项目选 SEPIC 的直接原因:宽输入范围 + 同相输出。代价是多了两个电感、两个电容和一个开关管,损耗和体积都上去了。

SEPIC 的两个阶段

SEPIC 的工作可以粗略分成两段:

  1. 开关导通:输入电感 L1 直接跨在输入上储能;耦合电容 C1 通过第二个电感 L2 放电,L2 也储能;二极管截止,负载由输出电容供电。
  2. 开关关断:L1 和 L2 的电流经二极管流向输出,同时给 C1 充电;负载得到能量。

理想情况下,输出电压与占空比的关系是:

Vout / Vin = d / (1 - d)

d = 0.5 时输出等于输入,小于 0.5 降压,大于 0.5 升压。实际设计还要考虑二极管压降、电感铜损、开关损耗和电容 ESR。

一个容易被忽略的细节:仿真步长

项目的仿真步长是 2 s,而 SEPIC 的开关频率通常在几十到几百 kHz。2 s 的步长不可能逐开关周期仿真,所以模型必然是平均化或行为级的:它描述的是占空比到输出电压/电流的平均关系,而不是每个开关周期的纹波。

这带来两个后果:

  • 仿真快,适合跑 366 天;
  • 看不到开关纹波、二极管反向恢复这类高频细节,效率也只能用“能量比”近似,而不是从器件损耗模型算出来。

做 MPPT 算法对比时这没问题,因为算法关心的是秒级的功率走向;但如果要评估变换器本身,就必须换成开关级模型。

报告里的四种算法

算法步长需要测量优点代价
P&O固定V、I简单、不依赖模型稳态振荡;突变时方向判断滞后
INC固定V、I(精度要求高)理论上更接近 MPP、振荡更小计算与采样要求更高,噪声敏感
P&OA可变V、I(或 V*)收敛快、稳态振荡小需要整定 α,参数依赖工况
模糊逻辑可变误差 E 与误差变化 DE适合非线性、参数不确定规则表和隶属函数需要设计经验

INC 的判据

对 P = V·I 求导:

dP/dV = V · dI/dV + I

MPP 处 dP/dV = 0,于是:

dI/dV = -I/V

按这个关系判断工作点在 MPP 左侧还是右侧:

  • dI/dV > -I/V:在左侧,升压;
  • dI/dV < -I/V:在右侧,降压;
  • 相等:已经在 MPP。

当 ΔV = 0 时,改用电流变化判断。理论上它比 P&O 更准,但 dI/dV 是两个相近数相减再相除,采样噪声会被放大。

模糊逻辑的骨架

模糊控制把“误差大/小”变成语言变量:

  • 输入:误差 E 和误差变化 DE;输出:占空比增量;
  • 五个模糊集:NB、NS、Z、PS、PB;
  • 隶属函数取钟形:
μ(x) = 1 / (1 + ((x - c) / a)²)
  • 推理用 Mamdani,合取用 min;
  • 去模糊化用重心法:
z = Σ μ(zᵢ)·zᵢ / Σ μ(zᵢ)

它不依赖精确的组件模型,但规则表、隶属函数宽度和输出比例因子都要调,调参成本比 P&O 高得多。

怎么选

如果只做课程作业或低成本控制器:

  • P&O 足够,前提是步长别太大,并且接受稳态振荡;
  • 想要更稳的稳态,用 INC,但要保证采样精度和滤波;
  • 工况变化剧烈(云、遮挡),考虑 变步长 P&OA 或 P&O + INC 的混合;
  • 组件老化、参数不确定、强非线性,才值得上 模糊逻辑。

没有一种算法在所有指标上都赢。BA04 的结论也类似:全年发电量上 P&O 和 P&OA 只差 0.5%,真正的差异在暂态和稳态波动里——这也说明选算法之前,先想清楚你要优化的是哪个指标。

源码、Simulink 模型与报告:https://github.com/yicongl1/MPPT-direct