Pin năng lượng mặt trời có mạch điện tương đương như một hoặc nhiều diode mắc song song với một nguồn dòng ổn định Ipv, trong đề tài này thì mạch điện tương đương là 1 con diode. Trên thực tế, trong quá trình chế tạo pin PV, do tiếp xúc điện cực của 2 mặt (mặt trước và sau), cũng có thể do bản chất vật liệu có một điện trở suất nhất định. Vì vậy trong mạch điện tương đương của tế bào pin PV cần phải mắc thêm vào một điện trở nối tiếp Rs và một điện trở song song Rp với tải RL. Mô hình toán của tế bào pin quang điện (Photovoltaic - PV) được giới thiệu như trong hình 2.1 [33] là một mạch tương đương của pin PV.
Hình 2.1 Sơ đồ mạch tương đương của tế bào quang điện sử dụng một diode đơn. Phương trình (1) đại diện cho mối quan hệ dòng điện đầu ra.
V R I I pv I 0exp1
Rs (1)
Các phương trình sau đây, bao gồm cả phương trình. (2)-(4) cho biết dòng điện, dòng điện bão hòa và điện áp nhiệt tương ứng, trong đó nhiệt độ và lượng bức xạ được ký hiệu lần lượt là T và G.
I pv (I pv,n K I (T Tn )) G Gn (2) I 0 (I sc K I (T Tn )) K v (T T n Vt (3) )1 exp(Voc Vt V IRs s I
Vt N s KT
q (4)
Đáng chú ý là một số tế bào tạo thành một đơn vị PV, trong đó cấu hình nối tiếp và song song của các tấm pin sẽ dẫn đến việc tăng điện áp, và dòng điện của tấm pin được hiển thị bởi V và I tương ứng. Theo đó, công thức (1) được viết lại như công thức (5) trong khi số lượng mắc nối tiếp và song song của tấm pin được chỉ định bởi
Nm và Np tương ứng.
I N p I pv N p I 0 (exp(V Rseq I
N mVt a )1) V I seq I
Rpeq
(5) Công thức (6) chỉ định theo dõi
MPPT t 2 Pdt t1 t 2 Pmaxdt t1 (6)
Khi thời gian khởi động, thời gian tắt và công suất ngõ ra được chỉ định bởi t1,
t2, và P tương ứng. Hệ thống PV được mô phỏng trong mô hình MATLAB-Simulink là tấm pin của hãng Red Sun với công suất 90 W với các giả định tiêu chuẩn, tức là năng lượng mặt trời bức xạ và nhiệt độ như 1000 W/m2 và 25°C tương ứng. Các đặc điểm của hệ thống nghiên cứu là 7.3 kW và 81 tấm pin PV. Bảng 2.1 cho biết các thông số liên quan đến 81 tấm pin PV của hệ thống này.
Bảng 2.1 Các đặc điểm của hệ thống PV nghiên cứu.
2.2. Phương pháp theo dõi điểm công suất cực đại (MPPT - Maximum power point tracking)
Các hệ thống năng lượng mặt trời là hệ thống phi tuyến (điện áp - dòng điện) và (công suất - điện áp) các đặc tuyến này thay đổi với nhiệt độ và sự biến đổi bức xạ. Vì vậy, bằng cách thay đổi các thông số về điều kiện môi trường xung quanh đã đến điểm công suất cực đại MPP (Maximum power point) trong mô-đun năng lượng PV có thể được thay đổi [34]. Do đó, mô-đun năng lượng mặt trời thường được sử dụng
IMP 4.94 A VMP 18.65 V PMax 90 W VOC 22.32 V ISC 5.24 A NP 1 NS 36
với bộ chuyển đổi DC-DC để chuyển điện tối đa vào mạng. Để tối đa hóa công suất được đưa vào lưới chính bằng hệ thống PV, kết hợp trở kháng phải được áp dụng. Nó thu được bằng cách thay đổi chế độ điều chế chiều rộng xung (PWM). Trong các hệ thống PV, bộ điều chỉnh MPPT được sử dụng để theo dõi điểm hoạt động tối ưu. Xác định kích thước bước tối đa và tỷ lệ lấy mẫu tối thiểu giữa mọi nhiễu loạn là những yếu tố quan trọng trong thiết kế phù hợp của bộ điều khiển MPPT. Đầu ra MPPT được liên kết với điện lưới thông qua bộ biến đổi DC thành AC, điều khiển hoạt động nguồn điện và công suất phản kháng. Có hai cách thức phổ biến để kết nối hệ thống pin PV vào lưới điện bao gồm cấu hình hai giai đoạn và một giai đoạn. Trong cấu hình hai giai đoạn, công nghệ chuyển đổi điện DC-DC trang bị bộ điều khiển MPPT được sử dụng để tối đa hóa mức điện áp và bộ biến đổi DC-AC được áp dụng để điều chỉnh hoạt động nguồn điện và công suất phản kháng. Nói cách khác, Hệ thống điện PV nối lưới cần một bộ điều khiển đầu vào MPPT và một bộ biến đổi điện áp. Hình 2.2 cho thấy bộ điều chỉnh MPPT bên đầu vào.
Hình 2.2 Đặc tính đầu ra của mảng PV.
2.3. Những gi ải thuật đi ều khiển để tìm điểm MPPT của tấm pin mặt trời đang được sử dụng
2.3.1. Thuật toán leo đồi (HC - hill climbing)
Trong phân tích số, leo đồi là một kỹ thuật tối ưu hóa toán học thuộc họ tìm kiếm cục bộ . Nó là một thuật toán lặp lại bắt đầu với một giải pháp tùy ý cho một vấn đề, sau đó cố gắng tìm ra giải pháp tốt hơn bằng cách thực hiện thay đổi gia tăng đối với giải pháp. Nếu thay đổi tạo ra giải pháp tốt hơn, thì một thay đổi gia tăng khác sẽ được thực hiện đối với giải pháp mới và cứ tiếp tục như vậy cho đến khi không thể tìm thấy cải tiến nào nữa.
Leo đồi tìm giải pháp tối ưu cho các vấn đề lồi - đối với các vấn đề khác, nó sẽ chỉ tìm thấy điểm tối ưu cục bộ (các giải pháp không thể được cải thiện bởi bất kỳ cấu hình lân cận nào), không nhất thiết là giải pháp tốt nhất có thể (tối ưu toàn cầu )
trong số tất cả các giải pháp có thể (các không gian tìm kiếm). Ví dụ về các thuật toán giải các bài toán lồi bằng cách leo đồi bao gồm thuật toán simplex cho lập trình tuyến tính và tìm kiếm nhị phân. Để tránh bị mắc kẹt trong điểm tối ưu cục bộ, người ta có thể sử dụng khởi động lại (tức là tìm kiếm cục bộ lặp lại) hoặc các lược đồ phức tạp hơn dựa trên các lần lặp lại (như tìm kiếm cục bộ lặp đi lặp lại), hoặc trên bộ nhớ (như tối ưu hóa tìm kiếm phản ứng và tìm kiếm tabu) hoặc trên các sửa đổi ngẫu nhiên ít bộ nhớ (như ủ mô phỏng).
Tính đơn giản tương đối của thuật toán khiến nó trở thành lựa chọn phổ biến đầu tiên trong số các thuật toán tối ưu hóa. Nó được sử dụng rộng rãi trong trí tuệ nhân tạo, để đạt được trạng thái mục tiêu từ một nút bắt đầu. Các lựa chọn khác nhau cho các nút tiếp theo và các nút bắt đầu được sử dụng trong các thuật toán liên
quan. Mặc dù các thuật toán nâng cao hơn như ủ mô phỏng hoặc tìm kiếm tabu có thể cho kết quả tốt hơn, nhưng trong một số trường hợp, leo đồi cũng hoạt động tốt. Việc leo đồi thường có thể tạo ra kết quả tốt hơn so với các thuật toán khác khi lượng thời gian có sẵn để thực hiện tìm kiếm bị hạn chế, chẳng hạn như với các hệ thống thời gian thực, miễn là một số gia số nhỏ thường hội tụ vào một giải pháp tốt (giải pháp tối ưu hoặc gần đúng). Ở một thái cực khác, sắp xếp bong bóng có thể được xem như một thuật toán leo đồi (mọi trao đổi phần tử liền kề làm giảm số lượng các cặp phần tử bị rối loạn), nhưng cách tiếp cận này không hiệu quả đối với N thậm chí khiêm tốn, vì số lượng trao đổi cần thiết tăng lên theo bậc hai.
Leo đồi là một thuật toán bất cứ lúc nào nó có thể trả về một giải pháp hợp lệ ngay cả khi nó bị gián đoạn bất kỳ lúc nào trước khi nó kết thúc . Tiêu chí chuyển mạch được định nghĩa là |P/a(k-1)|, trong đóP=P(k)-P(k-1), đại diện cho sự thay đổi của điều kiện nguồn và a(k-1) là giá trị lịch sử của "a(k)". Nếu giá trị của |P/a(k- 1)| lớn hơn ngưỡng "e", bộ điều khiển hiểu rằng sự biến đổi công suất chủ yếu được gây ra do anh sáng của mặt trời, do đó sự gia tăng của chu kỳ làm việc được đặt cùng hướng vớiP, sự thay đổi của công suất nguồn. Hướng thay đổi được biểu thị bằng "độ dốc" trong biểu đồ như hình 2.3. Nếu giá trị của |P/a(k-1)| nhỏ, bộ điều khiển cho rằng điều khiển hệ thống ở trong trạng thái thay thế y, hoặc sự thay đổi lớn về
công suất được gây ra chủ yếu là bước "a". Trong cơ chế điều khiển MAHC, có hai tham số điều chỉnh quan trọng là "e" và "M", giúp cho bộ điều khiển có thể hoạt động được có thể đối phó với các tình huống khác nhau [35].
Hình 2.3 Lưu đồ thuật toán leo đồi điều khiển MPPT thích ứng sửa đổi
2.3.2. Thuật toán PSO
PSO là thuật toán được phát triển bởi Eberhart và Kennedy năm 1995. Đây là kỹ thuật tính toán tìm ra vị trí tối ưu cho một cá thể dựa vào hành vi và kinh nghiệm
của số đông [1]. Trong đó, mỗi cá thể được đặc trưng bởi thông số vị trí “i ” và tốc độ “ i ”. Do đó, vị trí sau mỗi lần tìm kiếm bị thay đổi và phụ thuộc vào tốc độ cũng như vị trí trước đó theo biểu thức (7)
k1
(7) Trong quá trình tìm kiếm luôn tồn tại những vị trí tốt nhất mà mỗi cá thể đã xác định P best;i và vị trí tốt nhất của đám đông Gbest;i. Do đó, tốc độ của mỗi cá thể bị ảnh hưởng bởi đám đông và được xác định theo biểu thức ( 8).
k1
Trong đó c1, c2 là các hằng số gia tốc cá thể và xã hội r1, r2 là hai số ngẫu nhiên phân bố điều trong khoảng [0,1]. k số lần lặp wi trọng số quán tính xác định theo (9) (8) wi 0,9 0,8 iter1 max_ iter1 (9) iter số lần lặp
max_iter số lần lặp tối đa
Để áp dụng PSO vào việc dò tìm GMPPT thì x = D và v = DD trong (8) với D được phân bố đều từ [0,2 _ 0,8] trong giới hạn điều khiển của mạch Boost.
Lưu đồ giải thuật PSO được trình bày như Hình 2.4 có các tham số trong Bảng 2.2 dùng để xác định tỷ số D tốt nhất cho cá thể (P best ) và toàn cục (Gbest ) dựa vào điều kiện hội tụ của hàm mục tiêu (10).
P(dik ) P(dik1 ) (10)
Mặc dù giảm w, c1, c2 trong (7) có thể làm tăng thời gian xử lý nhưng cùng với việc giới hạn độ rộng xung |D|≤D0 (D0=0,15 – để đảm bảo không bỏ qua bất cứ điểm cực trị nào) và phân bố vị trí cho các cá thể Dϵ[0,2÷0,8] để mọi điểm trên đặc tuyến P-V đều được xem xét sẽ tránh được LMPP khi bước nhảy không quá lớn, gia tăng xác suất tìm được GMPPT.
Hơn nữa, việc chủ động dừng lấy mẫu khi hai thông số dòng điện và điện áp đạt các sai số giới hạn là sự cải tiến bộ lọc giúp tăng tốc độ hội tụ, thể hiện ưu điểm nổi bật so với các giải pháp trước đây.
xi i ik xk1 v
V i j1 i ; I i j1 i j (11) Bảng 2.2 Tham số giải thuật PSO.
Thuộc tính PSO Giá trị Kích cỡ của bầy đàn (n) 4 Số lần lặp cực đại (kmax) 100 Hằng số gia tốc c1; c2 0,1; 0,5 Trọng số quán tính wi 0,07 Hệ số ngẫu nhiên r1, r2 [01] Chu kỳ tính toán 2*10 (s)-6 Số lượng mẫu 350 V I
2.3.3. Thuật toán đi ện dẫn gia tăng (Incremental conductance - INC)
Thuật toán INC có thể khắc phục được nhược điểm của thuật toán P&O trong điều kiện thời thiết không ổn định. Thuật toán INC tìm điểm công suất cực đại dựa vào tổng điện dẫn gia tăng của hệ thống PV.
Thuật toán INC sử dụng dựa theo đặc điểm của độ dốc đường đặc tính P -V của hệ thống PV như ở hình 2.5
Hình 2.5 Thuật toán điện dẫn gia tăng (INC). Thuật toán INC có thể được mô tẩ lại như sau
�� �� �� �� �� Mặt khác (12) �� �� = � ( �� ��) = � ���� + � ���� ≈ � + � ∆ ∆�� (13)
Tại thời điểm đó, (12) có thể được mô tả lại như sau
∆ � ∆ � ∆� ∆ � ∆� = 0, �ạ���� > 0, �ê��� �á ��� < 0, �ê��ℎả���� (14) = 0, �ạ���� > 0, �ê���á���� {�� < 0, �ê��ℎả���� � + � � + � � + �
Thuật toán INC hoạt động bằng cách so sánh giá trị điện dẫn tức thời và giá trị điện dẫn gia tăng ∆ �
∆� thì sẽ tìm được điểm làm việc có công suất cực đại. Tại điểm MPP, điện áp chuẩn Vref = VMPP. Những lúc điểm MPP được tìm ra, hệ thống PV được duy trì ở điểm làm việc cực đại này trừ khi có sự biến đổi về dòng điệnI mà thể hiện được sự biến đổi đổi của điều kiện thời tiết và của điểm MPP.
Độ lớn của điện dẫn gia tăng sẽ là yếu tố quyết định tốc độ nhanh hay chậm trong việc tìm ra điểm MPP. Tuy vậy, khi điện dẫn gia tăng lớn quá sẽ làm cho hệ thống hoạt động sai tại điểm MPP và sẽ bị dao động. Ưu điểm chính của thuật toán INC này là cho kết quả tốt nhất khi thời tiết biến đổi nhanh. Thuật toán này cũng có dao động nhỏ quanh điểm MPP mà nhỏ hơn thuật toán P&O. Nhưng thuật toán INC này có nhược điểm là mạch điều khiển phức tạp hơn thuật toán P&O.
Lưu đồ của thuật toán INC được biểu diễn như hình 2.6.
Hình 2.6 Lưu đồ thuật toán của phương pháp điện dẫn gia tăng (INC).
2.3.4. Thuật toán Fuzzy logic controller (FLC)
Các thuật toán MPPT đóng vai trò rất quan trọng trong các hệ thống pin PV bằng cách điều chỉnh chu kỳ hoạt động của bộ tăng cường. Thành phần điều chế độ rộng xung được cấp bằng điện áp tham chiếu bởi bộ điều khiển. Hệ thống được đề
xuất làm cho mảng PV hoạt động tại MPP. Các kỹ thuật MPPT trên cơ sở của FLC đã trở thành phương pháp hiệu quả. Các phương pháp FLC thường bao gồm ba bước là làm mờ, công cụ suy luận mờ, cũng như giải mờ. Hình 2.7 minh họa ba bước này.
Ở bước đầu tiên, các biến đầu vào khác nhau được chuyển đổi thành các thuật ngữ ngôn ngữ. Ở bước tiếp theo, các thuật ngữ ngôn ngữ của các biến được điều khiển bằng cách sử dụng tập hợp các quy tắc được xác định liên quan đến trình tự của kiến thức. Việc giải thích dữ liệu được thực hiện thông qua hệ thống suy luận, có tính đến các quy tắc và chức năng thành viên của chúng. Bước cuối cùng được thiết kế cho quá trình giải mờ dữ liệu để biến đổi dữ liệu mờ có được từ bước trước đó thành thông tin không mờ. Dữ liệu đầu ra được sử dụng cho quy trình điều khiển.
Hình 2.7 Cấu trúc của thuật toán FLC.
Các thuật toán MPPT dựa trên FLC được liên kết với một đầu ra duy nhất và hai đầu vào để cung cấp cho hệ thống MPP. Các mối quan hệ sau đây được sử dụng để đặc trưng cho các biến đầu vào [23, 29, 30].
�
( � )− � ( � −1) ∆ �
∆�(� ) = � (� ) − �(� − 1) = ∆�
Tương tự như vậy, biến đầu ra cũng được định nghĩa là
∆� = �(� ) − �(� − 1)
(15) (16)
(17) Trong đó E (k), ΔE (k) và ΔD lần lượt là sai số, sự thay đổi của sai số và sự
biến thiên trong chu kỳ làm việc.
Các hàm liên tục thuộc cả đầu vào và đầu ra của FLC đề xuất được chỉ ra trong hình 2.8. Về mặt này, năm hàm liên thuộc sẽ được sử dụng để miêu tả các thông số đầu vào và đầu ra là dương lớn (PL), dương nhỏ (PS), không (ZO), âm nhỏ (NS) và âm lớn (NL). Các quy tắc nêu trong bảng 2.3 được sử dụng để giảm thiểu các dao động ở tốc độ theo dõi cao trong trạng thái ổn định. Phương pháp min-max như một kỹ thuật nổi tiếng và đã được áp dụng để sử dụng. Khu vực trung tâm (COA) của quá trình khử mờ được sử dụng và định nghĩa như sau, trong đó Dj = trung tâm của phương pháp tiếp cận max-min trong hàm thành viên đầu ra
D 25 j 25 j j j (18) (a) (b) D D D j
(c)
Hình 2.8 Các chức năng của thành viên (a) Sai lệch (E). (b) Thay đổi sai số (CE); (c) đầu ra.
Hoạt động của FLC chủ yếu phụ thuộc vào các luật và hàm liên thuộc. Các thông số này cần được xác định bằng cách thu thập thông tin chính xác của hệ thống. Do đó, FLC thông thường sẽ không mang lại hiệu suất tốt nhất trong các điều kiện khác nhau.
Bảng 2.3 Các quy tắc mờ được sử dụng trong nghiên cứu này.