臺灣博碩士論文加值系統

本文提出強健多項式模糊控制系統應用於太陽能最大功率追蹤器(Maximum Power Point Tracking, MPPT)之設計，並滿足H∞性能指標與容忍模式不確性以提高太陽能發電效率。電路採用升壓-降壓直流轉換器調節太陽光電陣列功率輸出，該轉換器具有操作電壓廣泛，與高耐壓等特性。由於直流轉換器存在內部二極體偏壓，使多項式模糊模型無法直接應用，本文首先推導出滿足H∞性能指標之多項式模糊控制系統穩定條件並抑制偏壓影響之定理。然電路元件老化或大氣環境變化而產生模式不確定性，或是受到外在干擾，使系統無法追蹤至最大功率點，接著提出強健多項式模糊控制系統穩定條件之定理。本文根據所提定理分別設計出多項式模糊控制增益，並將控制策略寫入微處理器搭配升壓-降壓直流轉換器，完成太陽能最大功率追蹤系統。根據實驗結果可知，不論是微處理器的運算時間、干擾引起的電壓與電流突波抑制能力、快速大氣變化環境或是全日實測，強健多項式模糊控制系統性能皆優於T-S模糊法與擾動觀察法。

This thesis presents design and application of polynomial fuzzy systems on maximum power point tracker (MPPT), and proposes a robust polynomial fuzzy theorem, which satisfies H∞ performance to increase the efficiency and robustness of MPPT. We use series buck-boost converter to regulate the power of photovoltaic array. This converter has wide operating voltage and high withstands voltage. Since the converter contains an internal diode bias, the fuzzy model cannot be applied directly. In order to present polynomial fuzzy model of the converter, we propose a polynomial fuzzy stabilization theorem a that meets H∞ performance. Besides, to overcome the model uncertainty caused by aging of the component, we consider the model uncertainty and H∞ performance index at the same time and propose robust polynomial fuzzy stabilization theorem. According these theorems, we design the control gains and realize the control strategy through microprocessor. By the experiment of disturbance and rapid atmospheric changes, polynomial fuzzy controller shows great performance in comparison with T-S fuzzy and perturbation and observation method. According to the experimental result, the computing time of microprocessor and the suppression of voltage and current caused by disturbance are shorter and smaller in polynomial fuzzy control systems.

目錄
中文摘要 i
英文摘要 ii
目錄 iii
圖目錄 iv
表目錄 v
目錄 v
圖目錄 viii
表目錄 xii
第一章、緒論 1
1.1研究背景 1
1.2文獻回顧 2
1.3論文大綱 4
第二章、太陽能光電板特性 5
2.1能量轉換原理 5
2.2等效電路與輸出特性 6
2.3電氣規格與特性曲線 8
第三章、系統架構與周邊電路 12
3.1太陽能發電系統架構 12
3.1.1實驗環境介紹 13
3.1.2最大功率追蹤器硬體介紹 14
3.2 直流轉換器介紹 16
3.2.1降壓模式 16
3.2.2升壓模式 18
3.3周邊硬體電路 20
3.2.1輔助電源電路 20
3.2.2硬體保護電路 21
3.2.3開關驅動電路 22
3.4訊號回授電路 23
3.3.1電壓回授電路 23
3.3.2電流回授電路 24
第四章、最大功率追蹤控制法 25
4.1最大功率追蹤器動態方程式 25
4.2多項式模糊控制系統 27
4.2.1多項式模糊模型 27
4.2.2滿足H∞多項式模糊控制系統穩定性分析與證明 29
4.2.3 強健多項式模糊控制系統穩定性分析與證明 34
4.3 T-S模糊控制系統 41
4.3.1 T-S模糊模型 41
4.3.2滿足H∞性能T-S模糊控制系統穩定性分析與證明 44
4.3.3 強健T-S模糊控制系統穩定性分析與證明 47
4.4擾動觀察法[10] 50
第五章、軟體規劃 51
5.1微處理器介紹 51
5.2主要程式架構 52
5.2.1主程式流程 52
5.2.2 A/D中斷副程式流程 53
5.3追蹤副程式 54
5.3.1 多項式模糊控制法功率追蹤副程式 54
5.3.2 T-S模糊控制法功率追蹤副程式 55
5.3.3擾動觀察法功率追蹤副程式 56
第六章、實驗與實測結果 57
6.1電氣規格 57
6.2晶片運算時間 58
6.3 降壓模式之安定大氣模擬環境實驗 59
6.4 降壓模式之強健實驗 64
6.4.1 干擾實驗 65
6.4.2 日照曲線變化 68
6.4.3 溫度曲線變化 73
6.5 升壓模式之安定大氣模擬環境實驗 78
6.6 升壓模式之強健實驗 83
6.6.1 干擾實驗 84
6.6.2日照曲線變化 87
6.6.3溫度曲線變化 92
6.6.4轉態測試 97
6.7 2kW太陽光電陣列全日實測 98
第七章、結論及未來研究方向 100
7.1 結論 100
7.2 未來研究方向 100
參考文獻 101


 
圖目錄
圖2.1 太陽光電板等效電路 6
圖2.2 太陽光電池在溫度25 °C下日照強度對電壓、功率特性圖 9
圖2.3 太陽光電池在溫度25 °C下日照強度對電壓、電流特性圖 9
圖2.4 太陽光電板在日照1000 W/m2下溫度對電壓、功率特性圖 10
圖2.5 太陽光電板在日照1000 W/m2下溫度對電壓、電流特性圖 10
圖3.1 太陽能發電系統架構圖 12
圖3.2 實驗環境圖 13
圖3.3 最大功率追蹤器硬體架構 14
圖3.4 最大功率追蹤器實體電路 15
圖3.5 電力級實體電路 15
圖3.6 降壓模式M1：on，M2：off之等效電路圖 16
圖3.7 降壓模式M1：off，M2：off之等效電路圖 17
圖3.8 升壓模式M1：on，M2：on之等效電路圖 18
圖3.9 升壓模式M1：on，M2：off之等效電路圖 19
圖3.10 輔助電源供電示意圖 20
圖3.11 硬體保護電路 21
圖3.12 光耦合腳位配置圖 22
圖3.13 開關驅動電路 22
圖3.14 電壓回授電路 23
圖4.1 多項式模糊歸屬函數 27
圖4.2 T-S模糊歸屬函數 41
圖5.1 晶片實體圖 51
圖5.2 主程式流程圖 52
圖5.3 A/D中斷副程式 53
圖5.4 多項式模糊法追蹤副程式流程圖 54
圖5.5 T-S模糊法追蹤副程式流程圖 55
圖5.6 擾動觀察法功率追蹤副程式 56
圖6.1 晶片運算時間 58
圖6.2 降壓模式：太陽能光電陣列PV曲線(日照1000W/m2、溫度25℃) 59
圖6.3 降壓模式：太陽能光電陣列IV曲線(日照1000W/m2、溫度25℃) 59
圖6.4 最大功率追蹤響應 (a)多項式H∞模糊控制法 (b) T-S H∞模糊控制法 (c) P&O法 60
圖6.5 穩態波形 (a)多項式H∞模糊控制法 (b) T-S H∞模糊控制法 (c) P&O法 61
圖6.6 穩態準確率與平均最大功率(a)多項式H∞模糊控制法 (b) T-S H∞模糊控制法 (c) P&O法 62
圖6.7 干擾實驗 (a)強健多項式模糊控制法 (b)多項式H∞模糊控制法 (c)強健T-S模糊控制法(d) T-S H∞模糊控制法 (e) P&O法 66
圖6.8 降壓模式：固定溫度25℃改變日照之PV曲線 68
圖6.9 降壓模式：固定溫度25℃改變日照之IV曲線 68
圖6.10 降壓模式：日照曲線變動實驗 (a)強健多項式模糊控制法 (b)多項式H∞模糊控制法 (c)強健T-S模糊控制法(d) T-S H∞模糊控制法 (e) P&O法 70
圖6.11 降壓模式：日照1000W/m2變動追蹤波形 (a)強健多項式模糊控制法 (b)多項式H∞模糊控制法 (c)強健T-S模糊控制法(d) T-S H∞模糊控制法 (e) P&O法 72
圖6.12 降壓模式：固定日照1000W/m2改變溫度之PV曲線 73
圖6.13 降壓模式：固定日照1000W/m2改變溫度之IV曲線 73
圖6.14 降壓模式：溫度變動測試 (a)強健性多項式模糊控制法 (b)H∞多項式模糊控制法 (c)強健性T-S模糊控制法(d) H∞ T-S模糊控制法 (e) P&O 75
圖6.15 降壓模式：溫度25℃至35℃變動追蹤波形 (a)強健多項式模糊控制法 (b)多項式H∞模糊控制法 (c)強健T-S模糊控制法(d) T-S H∞模糊控制法 (e) P&O法 77
圖6.16 升壓模式：太陽光電陣列PV曲線(日照1000W/m2。溫度25℃) 78
圖6.17 升壓模式：太陽能光電陣列IV曲線(日照1000W/m2。溫度25℃) 78
圖6.18 最大功率追蹤響應(a)多項式H∞模糊控制法 (b) T-S H∞模糊控制法(c) P&O法 79
圖6.19 穩態波形(a)多項式H∞模糊控制法 (b) T-S H∞模糊控制法 (c) P&O法 80
圖6.20 穩態準確率與平均最大功率(a)多項式H∞模糊控制法 (b) T-S H∞模糊控制法 (c) P&O法 81
圖6.21 干擾實驗(a)強健多項式模糊控制法 (b)多項式H∞模糊控制法 (c)強健性T-S模糊控制法(d) T-S H∞模糊控制法 (e) P&O法 85
圖6.22 升壓模式：固定溫度25℃改變日照之PV曲線 87
圖6.23 升壓模式：固定溫度25℃改變日照之IV曲線 87
圖6.24 升壓模式：日照曲線變動實驗 (a)強健多項式模糊控制法 (b)多項式H∞模糊控制法 (c)強健T-S模糊控制法(d) T-S H∞模糊控制法 (e) P&O法 89
圖6.25 升壓模式：日照1000W/m2至900W/m2變動追蹤波形 (a)強健多項式模糊控制法 (b)多項式H∞模糊控制法 (c)強健性T-S模糊控制法(d) T-S H∞模糊控制法 (e) P&O法 91
圖6.26 升壓模式：固定日照1000W/m2改變溫度之PV曲線 92
圖6.27 升壓模式：固定日照1000W/m2改變溫度之IV曲線 92
圖6.28 升壓模式：溫度曲線變動實驗 (a)強健多項式模糊控制法 (b)多項式H∞模糊控制法 (c)強健T-S模糊控制法(d) T-S H∞模糊控制法 (e) P&O法 94
圖6.29 升壓模式：溫度25℃至35℃變動追蹤波形 (a)強健性多項式模糊控制法 (b)H∞多項式模糊控制法 (c)強健性T-S模糊控制法(d) H∞ T-S模糊控制法 (e) P&O 96
圖6.30 轉態測試 (a)降壓模式轉為升壓模式 (b)升壓模式轉為降壓模式 97
圖6.31 2kW太陽能光電陣列 98
圖6.32 全日太陽能發電功率曲線 99
 
表目錄
表1.1歷年太陽光電發電量一覽表[1] 1
表2.1 APOS-series AP200電氣規格 11
表2.2模擬降壓電路之太陽能光電板電氣規格 11
表2.3模擬升壓電路之太陽能光電板電氣規格 11
表3.1 74HC244增值表 21
表4.1多項式模糊控制系統–模糊規則表 28
表4.2 T-S模糊法–模糊規則表 43
表6.1太陽能板電氣規格 57
表6.2硬體電路規格 57
表6.3安定大氣模擬環境實驗 63
表6.4干擾測試整理比較 67
表6.5降壓模式：日照曲線變動最大功率追蹤比較 70
表6.6降壓模式：日照變動追蹤時間 72
表6.7降壓模式：溫度曲線變動最大功率追蹤比較 75
表6.8降壓模式：溫度變動追蹤時間 77
表6.9安定大氣模擬環境實驗 82
表6.10干擾測試整理表格 86
表6.11升壓模式：日照曲線變動最大功率追蹤比較 89
表6.12升壓模式：日照變動追蹤時間 91
表6.13升壓模式：溫度曲線變動最大功率追蹤比較 94
表6.14升壓模式：溫度變動追蹤時間 96
表6.15全日太陽能總發電功率 99

[1]我國再生能源發電概況(2015, July. 14) [Online]. Available: http://www.taipower.com.tw/content/new_info/new_info-b31.aspx?LinkID=8
[2]A. Arjun, B. Vinod, N. Kumaresan and D. R. B. B. Jose, “A power electronic controller for PV-tied grid-connected system with single parameter sensing for MPPT using boost converter and line-commutated Inverter,” in Proc. IEEE ICSET, 2012, pp. 36-40.
[3]D. J. S. Newlin, R. Ramalakshmi, and S. Rajasekaran, “A new high gain non-isolated DC-DC boost converter for photovoltaic application,” in Proc. IEEE ICGHPC, 2013, pp. 1-6.
[4]D. J. S. Newlin, R. Ramalakshmi, and S. Rajasekaran, “A performance comparison of interleaved boost converter and conventional boost converter for renewable energy application,” in Proc. IEEE ICGHPC, 2013, pp. 1-6.
[5]G. Suman, B. V. S. P. Kumar, M. S. Kumar, B. Chitti Babu and K. R. Subhashini, “Modeling, analysis and design of synchronous buck converter using state space averaging technique for PV energy system,” in Proc. IEEE ISED, 2012, pp. 281-285.
[6]B. ChittiBabu, S. R. Samantaray, N. Saraogi, M. V. A. Kumar, R. Sriharsha and S. Karmaker, “Synchronous buck converter based PV energy system for portable applications,” in Proc. IEEE TechSym, 2011, pp. 335-340.
[7]K. Kim, K. Lee, Y. Choi and G. Cho, “A study on the control of buck-boost converter using newton-method MPPT,” in Proc. IEEE ICEMS, 2013, pp. 329-333.
[8]A. Shawky, F. Hilmy, M. Orabi, M. E. Ahmed and J. A. A. Qahouq, “A single cell integrated photovoltaic converter based on buck-boost topology with RCC MPPT control,” in Proc. IEEE INTELEC, 2013, pp. 1-6.
[9]C. Meza, D. Biel, J. Negroni and F. Guinjoan, “Boost-buck inverter variable structure control for grid-connected photovoltaic systems with sensorless MPPT,” in Proc. IEEE ISIE, 2005, pp. 657-662.
[10]D. G. Montoya, C. A. R. Paja and G. Petrone, “Design method of the perturb and observe controller parameters for photovoltaic applications,” in Proc. IEEE CWCAS, 2012, pp. 1-6.
[11]N. Femia, G. Petrone, G. Spagnuolo and M. Vitelli, “Optimizing sampling rate of P&O MPPT technique,” in Proc. IEEE PESC, 2004, pp. 1945-1949.
[12]Y. Xiong, S. Qian and J. Xu, “Research on constant voltage with incremental conductance MPPT method,” in Proc. IEEE APPEEC, 2012, pp. 1-4.
[13]K. H. Hussein, I. Muta, T. Hoshino, and M. Osakada, “Maximum photovoltaic power tracking: An algorithm for rapidly changing atmospheric condition,” Generation, Transmission and Distribution, IEE Proceedings, vol. 142, no. 1, pp. 59–64, 1995.
[14]A. Garrigo, J. M. Blanes, J. A. Carrasco, and J. B. Ejea, “Real time estimation of photovoltaic modules characteristics and its application to maximum power point operation,” Renewable Energy, vol. 32, pp. 1059–1076, 2007.
[15]K. H. Chao, M. H. Wang , Y. H. Lee, “An extension neural network based incremental MPPT method for a PV system,” in Proc. IEEE ICMLC, 2011, pp. 654-660.
[16]R. Dubey, “Neural network MPPT control scheme with hysteresis current controlled inverter for photovoltaic system,” in Proc. IEEE RAECS, 2014, pp. 1-6.
[17]W. M. Lin, C. M. Hong, F. S. Cheng, K. H. Lu, “MPPT control strategy for wind energy conversion system based on RBF network,” in Proc. IEEE EnergyTech, 2011, pp. 1-6.
[18]K. Ishaque, Z. Salam,M.Amjad, and S. Mekhilef, “An improved particle swarm optimization (PSO)–based MPPT for PV with reduced steady-state oscillation,” IEEE Trans. Power Electronics., vol. 27, no. 8, pp. 3627-3638, 2012.
[19]M. Miyatake, M.veerachary,F. Toriumi,N. Fujii, and Ko, H. “Maximum Power Point Tracking of Multiple Photovoltaic Arrays: A PSO Approach,” IEEE Trans Aerospace and Electronics., vol. 47, no. 1, pp. 367-380, 2011.
[20]K. Sundareswaran, S. Peddapati, S.Palani, “MPPT of PV systems under partial shaded conditions through a colony of flashing fireflies,” IEEE Trans Energy Conversion., vol. 29, no. 2, pp. 463-472, 2014.
[21]F. Mazenc and D. Nesic, “Lyapunov functions for time varying systems satisfying generalized conditions of Matrosov theorem,” in Proc. IEEE CDC, 2005, pp. 5432-5437.
[22]H. Ying, “Conditions on general Mamdani fuzzy controllers as nonlinear, variable gain state feedback controllers with stability analysis,” in Proc. IEEE NAFIPS, 2001, pp. 1265-1270.
[23]C. H. Fang, Y. S. Liu, S. W. Kau, L. Hong, and C. H. Lee, “A new LMI-based approach to relaxed quadratic stabilization of Takagi–Sugeno fuzzy control systems,” IEEE Trans. Fuzzy Syst., vol. 14, no. 3, pp. 386–397, Jun. 2006.
[24]Q. Li, W. Chen, Y. Wang, S. Liu and J. Jia, “Robust control based on linear matrix inequality of fuel cell system with analysis,” in Proc. IEEE ICCA, 2009, pp339-344.
[25]Tzuu-Hseng S. Li and Shun-Hung Tsai, “T–S fuzzy bilinear model and fuzzy controller design for a class of nonlinear systems,” IEEE Trans. Fuzzy Systems, vol. 15, no. 3, pp. 494-506, 2007.
[26]K.-Y. Lian, Y.-L. Ouyang, and W.-L. Wu, “Realization of maximum power tracking approach for photovoltaic array systems based on T-S fuzzy method,” IEEE FUZZ, 2008, pp. 1874-1879.
[27]C.S. Chiu, “T-S fuzzy maximum power point tracking control of solar power generation systems,” IEEE Trans. Energy Conversion, vol. 25, no. 4, pp. 1123-1132, Dec. 2010.
[28]C.S. Chiu, Y.L. Ouyang, “Robust maximum power tracking control of uncertain photovoltaic systems: A unified T-S fuzzy model-based approach,” IEEE Trans. Control Systems Technology, vol. 19, no. 6, pp. 1516-1526, Nov. 2011
[29]H. K. Lam and J. C. Lo, “Output regulation of polynomial-fuzzy-model-based control systems,” IEEE Trans. Fuzzy Systems, vol. 21, no. 2, pp. 262-274, Apr. 2013.
[30]H. K. Lam, M. Narimani, H. Li, H. Liu, “Stability analysis of polynomial-fuzzy-model-based control systems using switching polynomial Lyapunov function,” IEEE TFUZZ, vol. 21, no. 5, pp. 800-813, Oct. 2013.
[31]K. Tanaka, H. Ohtake, T. Seo and H. O. Wang, “An SOS-based observer design of polynomial Fuzzy control, ” in Proc. IEEE ACC, 2011, pp. 4953-4958.
[32]G. R. Yu, L. W. Huang and C. Y. Cheng, “The SOS-based extended design for polynomial fuzzy systems, ” in Proc. IEEE ICSMC, 2012, pp. 2463-2468.
[33]K. Tanaka, H. Ohtake, T. Seo, M. Tanaka and H. O. Wang, “Polynomial fuzzy observer designs: A sum-of-squares approach,” IEEE Trans. Systems, Man, and Cybernetics, Part B:Cybernetics, vol. 42, no. 5, pp. 1330-1342, Oct. 2012.
[34]K. Tanaka, H. Yoshida, H. Ohtake and H. O. Wang, “A sum-of-squares approach to modeling and control of nonlinear dynamical systems with polynomial fuzzy systems,” IEEE Trans. Fuzzy Systems, vol. 17, no. 4, pp. 911-922, Aug. 2009.
[35]S. Prajna, A. Papachristodoulou and P.A. Parrilo,, “Introducing SOSTOOLS: a general purpose sum of squares programming solver,” in Proc. IEEE CDC, 2002, pp. 741-746.
[36]K. Tanaka, and H. O. Wang, “Fuzzy control systems design and analysis: a linear matrix inequality approach,” New York: Wiley, 2001.
[37]G. R. Yu and C. H. Chang, “Robust T-S fuzzy control of a wheeled mobile robot using genetic algorithms,” in Proc. Int. Automatic Control Conf., Yunlin, Taiwan, Nov. 2012.