基于云智能控制器的燃料电池最大功率跟踪策略
★中国电工技术学会出品★
致力于产业界与学术界融合创新的品牌会议
①浏览会议详情，请戳下面标题 ☟
②参会注册，请长按识别下方二维码 ☟（先注册网站会员，然后提交报名信息）
东北电力大学电气工程学院的研究人员杨德友、崔冬晓等，在2018年第14期《电工技术学报》上撰文指出，最大功率跟踪（MPPT）技术是提高燃料电池能量转化效率的有效手段。在分析燃料电池输出特性及燃料电池发电系统DC-DC转换电路控制特性的基础上，提出基于云模型理论的燃料电池最大功率智能跟踪方法。
以燃料电池输出功率变化量与电压变化量作为二维云模型发生器的前件，升压斩波电路开关的占空比作为云模型发生器的后件，建立了适用于燃料电池最大功率跟踪的云智能控制器。该方法有效地解决了扰动观察法在外部条件发生剧变时存在的误判问题和模糊控制中精确隶属度设计困难的问题。
利用Matlab/Simulink搭建燃料电池发电系统仿真模型，在燃料流量启动、陡增和陡降三种典型扰动方式下，对所提最大功率跟踪策略进行了仿真计算。结果表明该策略能够快速、准确地跟踪最大功率点，具有收敛速度快、稳定性好的优点。
燃料电池因具有排放清洁、能量密度和发电效率高的优点，近年来得到了广泛的应用，在大规模清洁发电、车用动力、军事等领域表现出了优越的性能[1]。但现阶段燃料电池造价高且使用寿命短，提高燃料电池系统的能量转化效率是经济运行的基础，而最大功率跟踪（Maximum Power Point Tracking, MPPT）技术是提高燃料电池能量转化效率最为有效的手段[2]。
燃料电池有功输出由燃料流量决定，不同的燃料流量对应不同的最大功率点（Maximum Power Point, MPP），通过调制升压斩波电路（Boost Converter）直流电压能够有效跟踪燃料电池的最大功率点，使得燃料电池发电系统运行效率始终处于最大化。在燃料电池MPPT控制中应用最为广泛的是扰动观察法（Perturb and Observe, P&O）[3,4]，该方法算法简单、易于实现，但同时其自身存在的缺陷也较为突出，当外部环境发生剧烈变化时，存在误判问题，MPPT控制效果较差。
文献[5]将电导增量法应用燃料电池MPPT控制中，这种方法控制精确，响应速度快，但需要高精度的传感器及计算机硬件，造价高，经济性差。文献[6]提出了一种基于实时电阻匹配的燃料电池MPPT控制方法，解决了追踪速度和精度之间的矛盾，但算法实现复杂，工程应用困难。
随着人工智能技术的发展，模糊控制、神经网络控制及基于进化算法的优化控制被应用于燃料电池MPPT控制中，并取得了满意的效果[7-10]。文献[7]将模糊控制应用于燃料电池MPPT，该方法不依赖被控对象的精确数学模型、鲁棒性强、响应速度快，但这种方法只用亦此亦彼的隶属度研究其模糊性，忽略了确定隶属关系过程中的随机性。
文献[8]采用神经网络控制算法实现了MPPT控制，该方法精度较高，能够适应环境快速变化，但该方法是根据实际数据来训练神经网络，使其适用不同环境的最大功率跟踪，因此需要经过繁琐的数据训练，过程复杂。文献[9,10]采用极值搜索算法，能够快速跟踪环境变化的情况，但在稳态时存在振荡，精度低。
云模型以统计数学和模糊数学为基础，统一刻化了不确定性语言值和精确数值之间的模糊性和随机性，实现了定性概念与其定量之间不确定性的自然转换[11]。目前基于云模型理论已被成功地应用于智能控制、跳频电台、大系统的效能评估中。
本文在深入分析燃料电池发电系统MPPT控制规律的基础上，分别构建了燃料电池输出功率变化量与电压变化量的前件隶属云函数，以及升压斩波电路占空比变化量的后件隶属云函数，设计实现了用于燃料电池MPPT控制的云智能控制模型，相比于传统模糊控制，本文提出的基于云模型的燃料电池MPPT智能控制器的最大功率跟踪速度更快，效率更高。
图1 质子交换膜燃料电池原
本文以云模型理论为基础设计了云智能控制器，结合升压斩波电路运行特点，实现了燃料电池的MPPT控制，仿真结果表明：
1）本文所设计的云智能控制器不依赖于控制系统数学模型，只根据被控系统特性和先验经验即可设计实现，设计过程直观、明确，不需要繁琐的公式推导。
2）云智能控制器在MPP跟踪时间、MPPT超调功率和稳态时功率波动最大值等控制指标上均优于传统的P&O法和模糊控制器。
3）云智能控制器能够抑制母线电压振荡，有效地克服母线电压崩溃现象。
期望Ex、熵En和超熵He三个数字特征直接影响云智能控制器的控制效果，根据被控制系统特性优化三个特征参数是下一步的工作。