毕业设计（论文）-太阳能道路照明智能控制系统研究.doc

太阳能道路照明智能控制系统研究太阳能道路照明智能控制系统研究摘 要随着化石能源的日益衰竭，能源危机和环境污染愈加严重，太阳能作为一种取之不尽，用之不竭的可再生清洁能源，用之取代化石能源具有重要的意义。太阳能道路照明系统作为太阳能利用的一种方式，被广泛应用照明领域。由于蓄电池使用寿命常常达不到设计要求，是整个系统中最薄弱的环节，所以加强能量管理，尤其是对蓄电池的充放电控制尤其重要。再则，目前的控制器控制策略单一，放电时间偏短，难以在连续阴雨天或高寒等恶劣环境下持续放电。因此，研发能量管理高效、智能化程度高的控制器具有广泛的应用价值。 为了能对蓄电池高效充电，本文在太阳能光伏电池和铅酸蓄电池数学模型的基础上，分析了最大功率点跟踪(MPPT)技术，并对蓄电池充电策略进行优化补充。另外，针对目前的控制器放电策略不够完善，难以自如应对连续阴雨天或高寒等恶劣天气的情况，本文深入分析了环境温度、蓄电池剩余电量、天气状况等因素对系统照明时间的影响，并给出了一种基于人工神经网络算法的解决方案。 本文给出了一个基于改进型蚁群-BP网络算法的数学模型，并对该模型进行了数学分析。将该模型应用于本文设计的放电控制策略中，并对它的准确性进行了MATLAB仿真分析。然后，搭建了一个以Atmega8L为控制核心实验平台，该平台包括：Buck型充电电路，控制负载运行的驱动电路和其他外围电路，以及满足相应功能要求的软件程序。 最后，对本课题设计的控制器与北京日月升科技公司生产的RYS-JK71控制器进行性能比较，根据测试结果，采用MPPT优化算法的控制器在充电效率上高于RYS-JK71控制器，以及在连续阴雨天、高寒等恶劣气候条件下，本控制器的放电时间比RYS-Jk71长大约1/3，使得控制器具有更强的适应性，且能在恶劣环境下稳定可靠运行。关键词 太阳能路灯；MPPT充电；蚁群-BP网络；智能控制 ；恶劣环境The Research of Solar Street Lighting Intelligent Control SystemAbstractWith the exhaustion of fossil fuels, the energy crisis and bad environmental pollution is worsening, solar energy as an inexhaustible, renewable and clean energy, with the substitution of fossil energy has an important significance. Solar street lighting system as a way of utilizing solar energy, is widely used lighting. Due to battery life is often less than the design requirements and it is the weakest link in the entire system. So, to strengthen energy management, especially for battery charge and discharge control is particularly important. Furthermore, the current controllers strategy is single and the discharge time is short, cant be sustained discharge under continuous rainy days or cold environments. Therefore, to develop a controller which has efficient energy management and high degree of intelligence has extensive application value. To be able to efficiently charge the battery, this project analyzes the maximum power point tracking (MPPT) technology on the basis of solar photovoltaic cells and lead-acid batteries mathematical model, In addition, the controller for the current discharge policy unscientific, difficult to freely respond to a situation of continuous rainy days or cold weather, this paper analyzes the factors deeply on the time of lighting systems, such as the ambient temperature, the remaining power of battery, weather conditions and so on, and gives a solution based on artificial neural network algorithm.This paper presents a mathematical model based on improved ant colony algorithm -BP network, and has a mathematical analysis for the model. We have applied this model to the proposed discharge control strategy andverifiedtheaccuracyof this model by MATLAB simulation. Then, set up a control experiment platform based on Atmega8L, it includes: Buck charging circuit, driving circuit and other peripheral circuits and to meet the functional requirements of the corresponding software program.Finally, we have a comparison between the controller of designed in this subject and the RYS-JK71 controller which is designed by the moon rise technology company in Beijing, according to test results, the MPPT controller which is optimized on the charging efficiency is higher than RYS-JK71 controller, and in consecutive rainy days, cold weather conditions, the discharge time longer than the present controller RYS-Jk71 about 1/3, it is clear that the controller of this project has better adaptability. Keywords: Solar Lighting; MPPT charge; Ant - BP network; Intelligent control; Harsh environmentIII目 录摘 要IAbstractII第1章绪 论11.1 研究的目的及意义11.2国内外太阳能道路照明控制系统研究现状21.2.1国外太阳能道路照明控制系统研究现状21.2.2国内太阳能道路照明控制系统研究现状31.3 主要研究内容31.3.1目前太阳能道路照明控制系统存在的主要问题41.3.2本文研究内容及工作重点41.4 论文结构5第2章 太阳能道路照明智能控制系统控制策略研究72.1 系统分析与设计72.1.1系统总体结构72.1.2太阳能电池数学模型82.1.3铅酸蓄电池模型92.2 控制器智能充放电策略研究102.2.1控制器充电策略102.2.2控制器智能放电策略研究152.3 本章小结19第3章 蚁群-BP网络算法在智能放电策略中的应用203.1 智能放电控制策略的BP网络建模203.2 蚁群-BP神经网络算法203.2.1蚁群算法203.2.2 BP神经网络算法233.2.3蚁群-BP网络算法的控制器输出功率预测253.3 控制器智能放电策略仿真与分析263.3.1智能控制策略的数据采集及决策分析263.3.2放电策略的MATLAB仿真273.3.3仿真结果分析273.4 本章小结30第4章 太阳能道路照明智能控制系统设计314.1控制系统充放电电路314.1.1系统的主要参数314.1.2控制器充电电路314.1.3控制系统放电控制电路354.2控制器智能充放电策略的软件设计404.2.1充放电主程序414.2.2三阶段充电子程序414.2.3基于BP网络的放电子程序424.3本章小结44第5章 现场调试与结果分析455.1蓄电池高效充电455.2 系统放电性能分析475.2.1正常环境下运行475.2.2恶劣环境下放电实验495.2.3结果分析505.3本章小结51结 论52参考文献53第1章绪 论1.1 研究的目的及意义进入21世纪，人类面临着越来越突出的能源问题，稳定的能源供给是经济社会又好又快发展的基础。自上个世纪40年代开始，人类无约束地对自然资源肆意开发，对环境破坏越来越严重，使得人们的生活环境日益污染，不再适合人类居住。能源既是重要的必不可少的经济发展和社会进步的基石，但同时又是环境污染的重要来源。能源危机成为了人类社会需要共同面对的一大重要课题。如果世界能源消耗格局按照目前的方式和速度进行，到21世纪中叶，全球气温将会上升1左右，海平面将会上升18cm左右，大量的滨海陆地将会被海水淹没，大量生物灭绝，动植物分布发生巨大变化，气象灾难频发，这对于人类社会来说，无疑是巨大的灾难。资源的滥采滥伐，恶意开发导致环境灾难频发，粗犷式的开发利用导致资源的大量浪费，而人们日益增加的物质需求又进一步加剧了资源的供需矛盾。一些依赖资源而发展起来的国家和地区因为资源匮竭而出现“返贫”现象，人类社会面临的环境和能源危机越来越严重1。目前，在联合国倡导下，越来越多的国家选择承担起减少温室气体排放，改善我们生存环境的责任。1997年，联合国制定了众所周知的京都议定书，其目标是“将大气中温室气体稳定在一个合适的范围，从而防止剧烈的气候对人类造成伤害”。我国于2002年核准了该议定书，同年，欧盟及其他成员国也正式批准了京都议定书，截至目前，全球已有占世界人口80%的142个国家和地区签署了该议定书。想要有效减少碳排放量，企业对生产工艺、设备、技术进行改进不失为有效的途径。但是，关键还是开发可替代石化能源的新能源。比如，生物能源、风能、核能、地热能、光伏等2,3。我国近些年来加速发展清洁能源，其中，光伏产业是政府重点扶持的对象。所谓光伏能源，是将太阳能转化为电能，而太阳能是取之不尽，用之不竭的能源，因此，大范围推广太阳能对缓和我国环境恶化和能源危机大有裨益。近些年，科技进步呈现加速态势，从硅材料到组件，新技术新材料不断涌现，光电转换效率以年均4%的速度上升。以每个家庭年2000度电使用量计算，使用光伏能源代替化石能源的成本有望几年内缩减至150元以内，至2030年，我国有望有更多的家庭和企业使用更便宜的光能4。光伏发电和光热利用是太阳能的主要利用形式，全国总辐射量和日照时数最多的地区属西藏、内蒙古、宁夏、甘肃、青海等地区，同时他们也是全世界太阳能最为丰富的地区之一。目前，我国在太阳能资源丰富的中西部地区建造了一批光伏发电站，并且已经做到并网供电。一些独立的光伏发电设备主要应用于通讯、照明、交通设施等领域5。独立的光伏照明系统已经在全国各地广泛普及。如，广大的农村地区，二级道路的照明等。所谓“独立”，是指该系统无需通过大工程走线也无需国家电网供电即可实现照明功能，道路照明系统仅通过光伏发电并将转换成的电能存储于蓄电池中，在夜间，蓄电池为路灯照明提供能量，从而做到完全“自给自足”。太阳能道路照明系统相比传统照明设备有无可比拟的优势：经济、节能、环保。光伏发电系统的成熟及应用大大降低了生产成本，这些优点越来越吸引人们的注意，太阳能路灯照明拥有光明的应用前景6。太阳能路灯照明系统以太阳能为主要能源，利用了光伏电池的光伏效应原理，白天，光伏电池将电能存入蓄电池中；晚上，蓄电池为太阳能路灯提供电能。太阳能路灯控制器，也称为充放电控制器，它的功能是协调光伏电池、蓄电池、LED负载的合理充放电，使系统按要求正常工作。在太阳能道路照明控制系统中，控制器是太阳能光伏发电系统的核心部分，控制器的性能优劣不仅影响到蓄电池的使用寿命而且也影响到路灯的可持续照明和系统的稳定性7。普通的控制器按照程序的设置，在天气变暗时，LED路灯在设定的功率下运行恒定的时间或者在不同的时间段采用不同的功率照明，太阳能控制系统运行效率低下，例如：在我国，太阳能分布总的趋势是西高东低，北高南低，高海拔地区多于低海拔地区，能量分布不均，夏天光照充足，能量供应充足，但是冬天有效光照时间短，能量供应有限或者遇到连续的阴雨天气，光伏电池吸收的太阳能降低，机械的照明控制方式使得太阳能路灯往往处于“罢工”状态，大大降低了运行的可靠性。针对以上情况，找到一种高效的控制方法，在满足路灯照明要求的情况下，尽可能多的延长照明时间，节省能量，具有很强的实用价值8。1.2国内外太阳能道路照明控制系统研究现状1.2.1国外太阳能道路照明控制系统研究现状在能源危机日益严峻的今天，世界各国纷纷出台可替代能源的政策和加大新能源领域的研发力度。太阳能的开发利用成为了大势所趋，国内外的研究机构和知名企业纷纷加入光伏行业。以WIELAND、Dynalite、路创等为代表的企业看好光伏照明发展前景，纷纷推出高端智能控制器和照明设备。太阳能道路照明系统中，控制器是整个系统的核心，是光伏电池与蓄电池的控制和连接中枢。他们对控制器的研究大多集中在改进逆变器拓扑结构、提高控制系统的智能性、检测和解决孤岛效应、提高系统稳定性和工作效率、以及降低系统能耗等问题。有些研究机构研制了集中控制器，通过GPRS无线网络与控制中心进行通信，控制中心接收和分析太阳能路灯控制系统采集的实时数据，通过终端监控实现对灯的开关及亮度控制，以实现太阳能道路照明系统的科学放电。在系统稳定与可靠性设计上，产品具备多种保护电路，例如，防雷击、短路保护、过载保护、反接保护等功能，具有较高的实用价值。1.2.2国内太阳能道路照明控制系统研究现状虽然我国在太阳能道路照明系统研究领域起步晚，但是，由于我国市场广阔以及政策的大力支持，培育了一大批产业规模大，技术实力强的企事业单位，比如，百分百照明、自动化研究所、索博等。为了避免产品的同质化，许多企业致力于打造有自己特色的产品，以提高自己竞争实力。 随着社会的不断发展，人类对生活体验的逐步提高，太阳能道路照明控制系统功能也在不断挖掘，目前，市面的控制器除了能满足照明的基本功能外，有些控制器可以无线信号，根据接收的信息对照明系统实现调光控制；有的控制器具有GPS定位功能，利用免费商业定位系统确定控制器所在位置，提高可操作性；为了满足特定的市场需求，具有防盗，行人检测等功能的控制器也占有一定的市场份额。我国有些大学和研究所目前已研制出具有可见光通讯功能的道路照明设备。近些年，我国科技取得长足进步，制造业水平大幅提高，太阳能道路照明系统存在的充电效率和可靠性低等问题得到有效解决。随着通信技术，网络技术，智能设备的高速发展和融合，智能化、数字化、网络化路灯照明系统平台建设逐步提速，在不久的将来，智能化照明设备将真正飞入寻常百姓家，而傻瓜型、智能型照明设备也将是未来的发展方向。1.3 主要研究内容从目前发展来看，控制器是独立道路照明控制系统必不可少的核心组成部分，它负责串联和控制储能铅酸蓄电池充电和对负载放电的基本任务。光伏电池组件和铅酸储能蓄电池是太阳能照明系统中成本最高的部分，而目前的控制器存在充电过程中对铅酸蓄电池的保护不充分以及放电策略不完善和控制器智能化程度低等问题，针对这些情况，研究一种充电高效率和智能化程度高的控制器非常有意义。1.3.1目前太阳能道路照明控制系统存在的主要问题1. 太阳能道路照明控制系统使用寿命偏短光伏电池和铅酸蓄电池在系统中占有很大的成本，传统的太阳能路灯控制器对蓄电池保护不充分，难以解决光伏电池最大功率跟踪与蓄电池合理充放电之间的矛盾，导致太阳能路灯系统提前损坏，大大缩短蓄电池使用寿命。2. 控制器的控制策略单一，难以做到复杂环境下科学放电。目前，市场上的道路照明控制器大多只是采用简单的一点式控制方式，例如，德国的TRISTAR控制器，PSR20控制器等，他们在铅酸蓄电池过放电之前不做任何控制，在蓄电池电压降至欠压点时切断回路开关。尽管目前许多道路照明控制器具有光控和时控功能，能根据夜间光亮度和时段自使用调节照明设备的功率，也可以人为设置照明系统的夜间照明时间段以及相应的负载运行功率，在某种程度上可以减少能源消耗，但是，鲜有一款控制器具有自适应能力以适应各种工作条件，例如，能判断季节、地区、天气状况和建筑物遮挡等因素对系统的影响程度，实时调节放电功率，达到高智能的目的。目前的控制器因控制策略单一，很难应对恶劣环境，从而导致蓄电池因过早储能不足发生过放电现象，影响太阳能道路照明系统的稳定性和使用寿命。 蓄电池经常处于深度放电状态，就难以避免缩短蓄电池的使用寿命，另外，太阳能路灯系统一次性投资较一般的路灯高昂，这些因素在一定程度上限制了太阳能道路照明系统的广泛普及。提高太阳能道路照明系统的充电效率和放电控制的智能性，开发性能优良的太阳能充放电控制器已经成为了一项重要的研究课题。1.3.2本文研究内容及工作重点针对目前太阳能道路照明控制器存在的缺陷，本课题提出了针对性的解决方案，使得太阳能道路照明控制系统在各种复杂环境下都能做到科学、智能、高效地充放电。1. 充电控制策略研究由于铅酸蓄电池寿命受外界因素影响大，是系统中最薄弱环节，因此本课题致力于改进蓄电池的充电控制策略，延长蓄电池使用寿命。本文中选择新的三段式充电方式，该方法能提高充电效率，延长蓄电池使用寿命，但是温度对蓄电池充电性能也有重要影响，因此，本课题在三段式充电方式的基础上，研究了温度对蓄电池性能的影响，优化了蓄电池的充电策略11。2. 智能放电控制策略的研究太阳能道路照明系统受到地理纬度、海拔高度、环境温度、昼夜长度等自然因素限制，也收到阴雨、多云、建筑遮挡等随机因素影响。太阳能道路照明系统常在复杂环境下运行。本课题对控制器的智能性进行了深入的研究，控制器不仅能根据时间、光照度、蓄电池剩余电量（SOC）等变化实时调节负载的输出功率，而且综合考虑季节，恶劣天气（如高寒、连续阴雨天）等对系统可持续照明的影响实现无人值守操作。智能放电效果相当于专业人士以节能为目的，根据当地情况实时控制系统的输出功率。3. 基于人工神经网络的控制策略建模研究人工神经网络抽象和模拟了人脑或自然界神经网络的某些基本思维方式和运行特征。它通过建立大量内部节点模拟神经元之间的联系，信息通过这些节点并经过加权运算后具备了相当的智能性，能具备认知、决策等功能。本文运用基于神经网络的控制器智能控制策略，建立预测负载运行功率的神经网络数学模型，将SOC、温度、夜间光照度、日间充电量和本地时间作为输入节点，控制系统的运行功率作为输出节点，建立神经网络模型。然后通过MATLAB进行仿真实验,对比仿真结果和实验数据，验证模型的准确性。4. 太阳能道路照明控制系统的搭建和现场调试搭建一个太阳能道路照明控制系统的软硬件实验平台，并对本课题设计的控制器与北京日月升科技公司生产的RYS-JK71控制器进行性能比较，验证本课题对控制系统的改进效果好坏。1.4 论文结构本文的结构及主要内容如下：第一章：介绍了当前国内外太阳能道路照明控制系统的发展现状，提出了目前市场上的控制器所存在的弊端和本课题要解决的问题以及创新性工作，给出了课题研究意义、论文结构。第二章：首先，给出了太阳能电池和铅酸蓄电池的数学模型，并在此基础上对蓄电池的充电策略进行了优化；其次，详细分析了影响控制系统照明时间的因素，比如，天气状况，日间充电量，夜间光照度，蓄电池剩余电量等；最后，提出了基于人工神经网络算法的解决方案。第三章：研究了改进蚁群-BP网络算法，并将本文的智能放电策略应用于该模型，最后，通过MATLAB仿真分析，验证了模型的准确性。第四章：搭建了太阳能道路照明智能控制系统，并介绍了系统的软硬件设计。硬件电路主要包括：Buck型充电电路和恒流源驱动电路；软件设计主要包括：主循环程序、与三阶段充电法匹配的软件程序和基于BP网络的放电程序。第五章：进行了现场调试。通过与控制器RYS-JK71进行比较，验证本文设计的控制器在充电效率和恶劣环境下放电时间是否满足设计要求。最后总结了本文所做的工作，分析了本课题设计的太阳能智能控制器的特点及需要提高的部分，并对课题进行了展望。第2章 太阳能道路照明智能控制系统控制策略研究2.1 系统分析与设计本系统要求做到高率效充电和高智能放电，具有过充、过放、雷击保护等功能。系统运行于24V光伏电池和12V蓄电池基础之上。2.1.1系统总体结构太阳能道路照明智能控制系统有四大部分组成：太阳能光伏面板、控制器、铅酸蓄电池、LED负载，如图2-1所示：图2-1 太阳能道路照明系统的框图Fig.2-1 Block diagram of solar street lighting system太阳能光伏面板是由单位太阳能电池片组件而成，它将源源不断的太阳能转化为电能13。太阳能电池片是由采用不同掺杂工艺的P型半导体和N型半导体制作在同一硅片上生产而成，他们的交界面形成PN结，当光照向PN结时，因对光子的本征吸收或非本征吸收产生光生截流子，形成光生电势差，这种效应被称之为光生伏打效应。蓄电池是太阳能路灯系统的电能存储设备，由于铅酸免维护蓄电池有耐高温、耐震、容量大、自放电小、寿命长、免维护等优点，受到广泛的应用，本课题采用免维护铅酸蓄电池作为储能设备 14。传统的道路照明控制系统采用高压钠灯、白炽灯作为照明道具，但是，它们具有发光效率低、能量损耗大等缺点。近些年，随着LED照明技术的成熟和大量普及，LED照明负载逐渐代替传统的照明灯，成为了主流照明设备。它的优点有：发光效率高、使用寿命长、体积小、耗电量低等15,16。控制器部分由充放电电路、控制电路、检测电路、以及其他外围电路等组成。2.1.2太阳能电池数学模型图2-2 太阳能电池等效电路 Fig.2-2 Solar battery equivalent circuit太阳能光伏电池实际上是一个PN节，光照会使硅半导体产生电子-空穴对，在内电场作用下，电子向带正电的N区和空穴向带负电的P区运动，电路导通时形成电流，图2-2为太阳能电池等效电路，一个电池单元相当于电流源并联一个二极管和电阻同时串联一个电阻最后向负载供电，太阳能光伏电池相当于许多这样的电池单元并联形成。太阳能电池输出电流-电压间关系为： (2-1)其中，I为流过负载的电流；IL为光伏电池产生的电流，它与光照强度有关；I0为二极管饱和电流；q为电子电荷；Rsh为等效并联电阻；Rs为等效串联电阻；U为光伏电池输出电压；A为二极管因子；T为绝对温度；K为玻尔兹曼常数。式(2-1)为广泛应用于太阳能电池理论分析的太阳能电池基本表达式，从公式可知，日照强度和温度一定时，流过光伏电池的电流和电池的输出电压有特定的对应关系。图2-3 太阳能电池P-I-V特性曲线Fig.2-3 The P - I - V characteristic curve of solar cell图2-3为太阳能电池的P-I-V立体特性曲线，由曲线图可知光伏电池的电压-电流呈非线性关系，它不能提供任意大的输出功率，当输出电压在一定范围内，输出电流变化小，基本维持在某一小的特定区间，当输出电压超出该范围时，输出电流将大幅减小。2.1.3铅酸蓄电池模型铅酸蓄电池17为太阳能路灯照明系统中的储能设备，在有日照的条件下，光伏电池将光能转化为电能，然后存储入蓄电池中，在光线黑暗的条件下，蓄电池存储的电能释放，为负载供电。铅酸蓄电池主要由铅板及其氧化物组成，H2SO4作为电解液，因此，它的内阻分为欧姆内阻和极化电阻，图2-4为蓄电池基本等效模型，L表示电极产生的电感，由于目前使用蓄电池的设备工作频率比较低，因此，可以忽略不计，R1为电解液中电子移动受到阻力而产生的欧姆电阻，R2为铅酸蓄电池的极化电阻，C1为铅酸蓄电池的极化电容。从蓄电池等效电路图可知，蓄电池存在一个最低的工作电压，蓄电池处于稳态时，数学描述如下：图2-4 铅酸蓄电池等效模型Fig.2-4 Lead-acid battery equivalent model (2-2)其中，E为开路电压，U为充电或放电电压。铅酸蓄电池欧姆内阻虽然遵循欧姆定律，但也随着蓄电池核电状态的改变而改变，极化内阻则随着电流密度增加而增大，呈非线性关系。因此，蓄电池内阻不是常数，由式(2-2)可知，蓄电池的输出电压会随着充电电流增大而增大，随着放电电流的增大而降低。2.2 控制器智能充放电策略研究控制系统性能的优劣直接体现在充放电过程中，充电高效率并且对蓄电池提供充分的保护，放电智能化程度高，能适应各种复杂环境是本文所最求的目标。2.2.1控制器充电策略2.2.1.1 充电控制策略研究本课题中选用VRLA蓄电池，而针对VRLA蓄电池的充电有许多常用方法，如，恒压充电法，恒流充电法，三阶段充电法等，经过对比分析各方法的优缺点，本论文选用三阶段充电法为VRLA蓄电池充电，它的充电曲线接近马斯最佳充电曲线，能对蓄电池提供充足的保护。图2-5为马斯充电曲线图：图2-5马斯充电曲线图Fig.2-5 The charging curve of Mas其中，表示为VRLA蓄电池充电的初始电流，t表示为蓄电池的充电时间，表示蓄电池充电接受比，值为一定值，由蓄电池本身决定。当蓄电池处于欠压状态时，启用第一阶段充电方法：MPPT（最大功率点跟踪）算法，直至充电至80%左右；接着进入第二阶充电：恒压充电法，用来补充剩余20%电量；第二阶段充电结束后自动进入第三阶段：浮充阶段，浮充电流用来补充铅酸蓄电池自放电的损失，使铅酸蓄电池处于充满状态，由于铅酸蓄电池充电时其内部气体复合本身是放热反应，使VRLA蓄电池温度升高，而VRLA蓄电池电压有负温度系数，温度每升高1，单格VRLA蓄电池电压降低3mV/单体VRLA蓄电池。由此可知，普通的在25能理想工作的充电器，在环境温度为0将不能将蓄电池电量充满，在40时将会使得蓄电池过充电。因此本文将对将对蓄电池充电进行温度补偿。图2-6为三阶段充电曲线图，由此我们可知详细充电过程：图2-6 三阶段充电曲线图Fig.2-6 Three-stage charging curve第一阶段：MPPT算法充电18由马斯最佳充电曲线图可知，开始充电阶段，蓄电池可用大电流充电，本文采用MPPT算法为铅酸蓄电池充电，充分利用太阳能电池所能提供的能源快速充电，当电压上升到过充电压时，结束最大功率点跟踪算法，进入第二阶段充电。第二阶段：恒压充电该阶段补充蓄电池剩余的20%未充满部分电量，通过检测蓄电池两端电压与预设电压之差，然后通过PWM技术调节充电电压占空比，从而使得电压恒定不变。充电电流随着电量的不断补充而逐渐减小，当充电电流减小至浮充电流时转入第三阶段进行浮充电19。其中： (2-3)第三阶段：浮充阶段此阶段采用低压小电流充电，以补充蓄电池自放电电流损失20，充电电压稳定在额定电压附近，式(2-4)为标准浮充电压值； (2-4)其中， n为VRLA蓄电池单体数量。由于温度对VRLA蓄电池的性能影响非常大，为此，本文采取了温度补偿措施，按照-3mV/进行温度补偿；温度采样点的选取十分重要，若采样VRLA蓄电池附近温度，准确度往往较差21；若采样VRLA蓄电池内部电解液温度，虽能准确反映VRLA蓄电池实际情况，但是难以实际操作，因此，本课题选择采样蓄电池外壳的温度，它相对较准确反映蓄电池实际温度。在温度范围为1525时，蓄电池能提供稳定的直流电源，此区间为铅酸蓄电池最佳工作温度范围。蓄电池充电时，环境温度与标准温度25相差超过5时要对浮充电压进行调节，调节公式如(2-5)所示： (2-5)表示浮充电压，T表示当前环境温度值22，252.2.1.2 MPPT算法原理在日照强度和温度一定时，光伏电池的输出特性曲线如图2-7，图中可知，光伏电池为一电流源，输出电压、电流均为非线性，在光伏电池输出电压为特定值Vm时，光伏电池输出功率达到最大值Pm ，当电压小于或大于Vm时，光伏电池的输出功率均小于Pm。图2-7 光伏电池特性曲线Fig.2-7 Pv cell characteristic curve由P-V特性曲线可知，光伏电池的输出功率最大时，P-V特性曲线的斜率为零，因为光伏电池输出功率P=UI，因此，在最大功率点有： (2-6)由式(2-6)可得： (2-7)式(2-7)为最大功率点时电压和电流的关系式，如果： (2-8)则说明最大功率点在目前工作点的左侧，应该减小工作电压值，若 (2-9)则说明最大功率点在目前工作点的右侧，应该增大工作电压，以达到最大功率输出。图2-8为电导增量法流程图，其中V(m),I(m)分别表示第m个采样点的采集的电压和电流，V(m-1),I(m-1)分别表示前一个采样点的采集的电压和电流。V表示采样电压的步长，步长一般为固定的，也可以根据实际情况改变步长。步长过长会加快跟踪速度但是也会使得系统产生震荡；步长偏小，会提高跟踪精度，但是影响跟踪速度。图2-8 电导增量法流程图Fig.2-8 Flowchart of incremental conductance2.2.2控制器智能放电策略研究独立太阳能路灯系统若最大时间延长照明时间，无非有两种方式，一是增大储存蓄电池容量，二是制定科学的充放电策略。电池容量的增大会使得太阳能道路照明控制系统成本显著提升，因此，提高控制系统的充放电效率无疑是最佳选择。若要使得系统达到最佳放电效果，必须考虑对太阳能道路照明系统放电时间产生影响的各种因素。2.2.2.1 铅酸蓄电池剩余容量对系统的影响蓄电池剩余容量（SOC）越少，蓄电池能为负载提供的能量越小；反之，蓄电池为负载提供能量的能力越大。为了提高控制器的性能，将蓄电池SOC作为控制器放电控制策略的因素之一。蓄电池电量充足时，可适当增大放电功率；在蓄电池SOC低时，适当减少放电量，以节省电量。这样，准确测量蓄电池SOC非常关键。本节给出了蓄电池SOC与在线电压、充放电电流、环境温度、初始电液比重之间的数学模型。根据该模型，我们能通过测量与蓄电池SOC相关的物理参数获知铅酸蓄电池当前剩余电量。预测蓄电池SOC的数学模型如下:充电状态下模型： (2-10)放电状态下模型：(2-11)其中，a, c分别表示由于反应物和生成物比例改变引起的电压变化的常数，取值0.1-0.2；b和d表示电化学极化项常数，分别取值0.2-0.25和0.1-0.15；f和e表示内阻极化项常数，分别取值0.1-0.25和0.15。蓄电池端电压随着反应物和生成物比例的变化而不同，蓄电池在充电状态下，蓄电池SOC越少，端电压变化越小；在放电状态下，蓄电池SOC越少，端电压变化越大。蓄电池SOC不同，对电极极化影响也不同。蓄电池在充电状态下，蓄电池SOC越少，电极极化变化越小；蓄电池在放电状态下，蓄电池SOC越少，电极极化变化越大；蓄电池SOC不同，对电池欧姆极化影响也不同。蓄电池SOC大，则欧姆内阻小；反之，欧姆内阻大。2.2.2.2 太阳能辐射量对系统影响分析太阳能辐射量由太阳辐射强度和日照时数共同决定，其影响因素有以下四点：(1)太阳高度角：纬度低的地区太阳高度角大，获得的辐射量多。（2）地势越高，地球接收的辐射量越多。（3）天气状况：云层越厚，空气中颗粒状物体越多，对太阳辐射削弱作用越强。地面能接收的能量越少。（4）季节原因：一年四季，夏季太阳能辐射总量最大，冬季最少。太阳能电池输出功率大小取决于日照强度、光谱分布和光伏电池温度，光伏电池在标准情况下，即日照强度S=1000W/m2，温度T=25，光谱=1.5AM时，输出峰值功率Pm，Pm=Vm * Im。由式(2-1)可知，光伏电池的输出功率与日照强度、光伏电池温度有紧密关系，光照越强，输出电流越大，输出功率也越大，图2-9为不同光照强度下的光伏电池I-V和P-V曲线。图2-9 不同光照强度的I-V和P-V曲线图Fig.2-9 U-V and P-V curve in different light intensities由此可知，白天，蓄电池存储的能量（即日间充电量）与光照强度、光照时间及温度有关。不同季节，太阳能光电转换效率和转换时间有明显的差距，冬季太阳能照明系统接收的太阳能只占全年平均值的1/2，阴雨天气更是只占到1/5。由此可见，地域不同，季节差异造成同一控制器在不同的时间、地区的日充电量有显著的差异，建筑物遮挡等随机因素也对控制系统有不容忽视影响。2.2.2.3 温度对系统影响分析在太阳能光伏发电系统中，太阳能电池输出电压与温度呈反比关系，温度越高光伏电池开路电压越低，式(2-12)为温度对开路电压影响的关系式： (2-12)其中，表示开路电压的降低；表示光伏电池的温度系数，在0.0030.005之间取值；T表示光伏电池温度；V表示标准状况下电压值。图2-10 不同温度下的I-V和P-V特性曲线Fig.2-10 The I-V and P-V curve at different temperatures根据戴克理论，温度每升高1，最大功率点降低0.65%。温度被认为比辐对太阳能电池输出参数U、I、P影响更大。当温度升高30，潜在的输出功率将损失高达20%。铅酸蓄电池是太阳能道路照明系统中必不可少的储能设备，一定的温度范围内，蓄电池容量会随着温度的升高而增大，随着温度的降低而减小。一般来说，蓄电池容量与温度之间的关系可用以下经验公式表示： (2-13)式中，表示温度为T1时蓄电池容量（AH），表示温度为T2时蓄电池容量（AH），K为容量温度系数。2.2.2.4 控制器放电控制策略分析目前的太阳能道路照明控制系统，虽然具有时控、光控等功能，具备一定的智能性，但是很难在复杂的环境条件下，根据环境实时情况做出科学的放电决策。要做到真正智能放电，对放电策略进行深入研究是必不可少的。地区不同，季节不同，太阳能道路照明控制系统储存的能量差异非常大；连续阴雨天气，建筑物遮挡等因素也影响太阳能转化为电能的能量。由于每天系统储存的电量直接反应出当天天气状况的好坏，因此我们用日间充电量这一参数表示当天的环境情况。日间充电量，即白天时，太阳能转换为电能的多少。计算公式为：Q=Q开始-Q结束 =，其中，i为充电电流，为充放电效率。设Q1表示夜间路灯照明系统正常放电量，当QQ1时，表明当天天气状况不太理想，系统的充电量小于系统夜间放电量，当晚需要节省能源，若Q值连续低于Q1，则进一步减小放电量。由式(2-13)可知，一定的温度范围内，温度越低，蓄电池容量越小。一定意义上，温度能反应当时季节情况，温度越低，说明当地日照时间变短，日间充电量减少，而夜间却更早地来临，因此放电时间应适当延长，为了解决该矛盾，我们使得控制系统在夜间不影响照明设计规范的条件下相应地减小放电功率和深夜放电时间，节省能源。根据城市道路照明设计标准相关设计原则；快速路、主干路的平均照度为20/30Lx，均匀度0.4；次干路10/15Lx，均匀度0.35；支路8/10Lx，均匀度0.3。本课题针对次干路设计，路面照度至少不低于10Lx。夜间，光伏电池的电压和照度之间的对应关系如图2-11所示：图2-11 照度与光伏电池电压对应关系Fig.2-11 The corresponding relationship of illumination and photovoltaic cell voltage 由照度与电压对应关系可知，光伏电池电压与照度呈一一对应关系，测得光伏电池电压可得当前环境光照度情况，太阳能道路照明系统需根据环境亮度情况进行补光操作。一般地，天黑后前4个小时为上下班和娱乐高峰期，道路照明系统应尽可能将照明亮度最大化，之后的时间，系统应慢慢将照明亮度降低。在一定的环境条件下，蓄电池SOC低下，这需要我们减少负载运行功率，而日间充电量远高于夜间负载放电量，这提示我们可以适当增大负载放电功率。或者夜间光照度较低，需要我们增大负载放电功率，而环境温度却非常低，蓄电池容量减少，需要我们减小负载运行功率等等。这样，根据我们对控制策略的分析，会得出相互矛盾的控制策略，因此，我们需要查阅相关资料和实践操作来协调各种影响因素，本课题，将夜间光照度强弱和已照明时间设为系统优先考虑因素；其次是蓄电池SOC，日间充电量和环境温度。由于本控制器需要采集多种影响系统工作的影响因子，再根据采集的数据决定放电功率和时间，而采用匹配法来实现放电控制策略变得不太现实。首先，匹配法是运用软件编程的方法，将控制器采集的数据与预设的控制策略对比，根据对比结果选择预定的放电策略，该方法在考虑因素较少时可以采纳，但是，本课题需要根据采集的5组数据（温度、日间充电量、已工作时间、蓄电池SOC、光照度）来预测系统总的放电功率，这样，控制器需要匹配的数据库将会非常庞大。其次，采用匹配的方式不能智能控制系统的运行。因此，本文提出了改进蚁群-人工神经网络算法的方法，模拟人脑思维过程来控制照明系统的可靠运行。2.3 本章小结本章首先针对当前太阳能道路照明控制器对蓄电池充电保护不充分的情况，提出采用三阶段充电法和一种基于温度补偿的设计方法，然后分析了影响太阳能道路照明时间的因素；充分考虑白天充电量、环境温度、蓄电池SOC、夜间光照度等各种复杂情况，提出了基于人工网络模型的太阳能路灯控制器系统，使照明系统处于无人值守状态，但却可以自行地模拟人的思维对负载进行控制第3章 蚁群-BP网络算法在智能放电策略中的应用3.1 智能放电控制策略的BP网络建模目前，具有一定智能性的控制器普遍采用匹配的方式编程控制系统的输出功率。例如，将蓄电池剩余电量与对应的系统输出功率之间关系或者环境亮度与对应的系统输出功率之间的关系先存入存储区，然后，控制器通过将测得的SOC或光线亮暗程度数据与存储区数据对比，通过匹配结果得到系统输出功率。该方法在输入输出变量较少时，有简单、易实现等优点，得到广泛应用。但是本课题研究的控制器需要适应各种复杂环境，考虑的因素较多，变量越多，变量间对应关系将越庞大，因此，该方法在本课题中将不再适用。建立一种新的数学模型，它能根据环境的变化，智能地决定系统的输出功率，将是非常有意义的。近些年，随着人工智能的崛起，人工神经网络26收到广泛的关注，因为其模拟人脑组织结构，拥有大量的处理单元，通过对处理单元的互联，使得神经网络具有了非常强的自组织、自适应以及自学习能力，某种程度上能代替人脑进行思维、决策和控制，已成为解决很多问题的有力工具。本课题利用该网络具有自学习、模拟人的思维能力对控制策略建模27。3.2 蚁群-BP神经网络算法BP神经网络算法具有许多独特的优点，但也有不可回避的缺陷：迭代过程冗长，收敛速度慢；误差曲面一般非凸型曲面，容