Tóm tắt luận án Nghiên cứu và phát triển hệ thống năng lượng điện mặt trời

BỘ GIÁO DỤC VÀ ĐÀO TẠO

BỘ GIAO THÔNG VẬN TẢI

TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP. HỒ CHÍ MINH

NHỮ KHẢI HOÀN

NGHIÊN CỨU VÀ PHÁT TRIỂN HỆ THỐNG
NĂNG LƯỢNG ĐIỆN MẶT TRỜI

Chuyên ngành: Kỹ thuật điều khiển và tự động hóa
Mã số: 9520216

TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT

TP. HỒ CHÍ MINH – 2019


Công trình được hoàn thành tại Trường Đại học Giao Thông Vận Tải
Thành Phố Hồ Chí Minh

Người hướng dẫn khoa học 1: PGS.TS. ĐỒNG VĂN HƯỚNG
Người hướng dẫn khoa học 2: TS. PHẠM CÔNG THÀNH

Phản biện 1:.......................................................................................................
Phản biện 2: ......................................................................................................
Phản biện 3: ......................................................................................................

Luận án sẽ được bảo vệ trước Hội đồng chấm luận án cấp trường tại:
Trường Đại học Giao Thông Vận Tải Thành Phố Hồ Chí Minh

Có thể tìm hiểu luận án tại thư viện:
- Thư viện Trường Đại học Giao Thông Vận Tải Thành Phố Hồ Chí Minh.


1

CHƯƠNG 1
GIỚI THIỆU
1.1 Lý do chọn đề tài
Năng lượng mặt trời (NLMT) được biết đến như là một nguồn năng
lượng xanh và vô tận. Trong thế kỷ 21, NLMT ngày càng trở nên là một trong
những nguồn năng lượng quan trọng nhất của con người [1, 110]. So với các
nguồn năng lượng khác như thủy điện, phong điện, nhiệt điện, điện hạt
nhân… NLMT có đặc điểm: không ô nhiễm về môi trường, độ an toàn cao,
nguồn năng lượng vô tận, có thể phân bố mọi nơi trong mọi dải công suất (từ
vài chục W đến hàng trăm MW). Nếu như 0.1% năng lượng mặt trời trên diện
tích toàn cầu được chuyển hóa thành điện năng với hiệu suất 5%, mỗi năm
ước tính có thể đạt được 5.6×1012 kWh, tương đương với 40 lần năng điện
hiện tại trên toàn cầu [1, 2].
Nhằm đẩy mạnh khai thác và sử dụng có hiệu quả nguồn năng lượng
Mặt Trời, Thủ tướng Chính phủ đã ban hành Quyết định số 11/2017/QĐ-TTg
về cơ chế khuyến khích phát triển các dự án điện Mặt Trời tại Việt Nam. Đây
được coi là hướng mở, “cú huých” phát triển nguồn năng lượng này.
Chính vì vậy việc nghiên cứu và phát triển hệ thống năng lượng điện
mặt trời là một việc hết sức cần thiết và cấp bách hiện nay. Trải qua nhiều
năm nghiên cứu, hệ thống NLMT ngày càng hoàn thiện. Có thể thấy một số
xu hướng chính trong nghiên cứu phát triển hệ NLMT như: nâng cao hiệu
suất quang - điện, xây dựng hệ thống công suất lớn, thiết lập hệ thống mạng
điện song song an toàn… Trong tương lai nguồn NLMT sẽ trở thành nguồn
năng lượng chính bổ sung cho những nguồn năng lượng đang dần cạn kiệt

như: than, dầu khí, nước.
1.2 Mục tiêu và nội dung thực hiện luận án
Mục tiêu của luận án là nghiên cứu thiết kế tối ưu về công suất cho
một hệ thống năng lượng điện mặt trời, làm cho hệ thống làm việc đạt hiệu
suất cao. Trên cơ sở đó nội dung của chương trình nghiên cứu như sau:


Tìm hiểu tổng quan về hệ thống năng lượng điện mặt trời.


Xây dựng mô hình hệ thống năng lượng điện mặt trời bao gồm các
thành phần trong hệ thống như: PV cell, bộ DC/DC converter, các bộ biến
tần SVPWM, hệ thống đo lường và điều khiển…

Nghiên cứu đưa ra thuật toán-giải pháp mới để điều khiển thu nhận
công suất solar cực đại (MPPT- Maximum Power Point Tracking)


Xây dựng mô hình mô phỏng hệ thống trên máy tính.


2


Thiết kế mô hình hệ thống NLMT điều khiển tự động hòa lưới có
kiểm soát và giám sát, hệ thống bao gồm: bộ boost điện áp DC, bộ biến tần
SVPWM, board điều khiển, thuật toán điều chế biến tần-điều khiển và giám
sát hệ thống…
1.3 Đối tượng và phương pháp nghiên cứu
Đối tượng nghiên cứu là hệ thống năng lượng điện mặt trời. Để thực

hiện mục tiêu đề ra tác giả đã thực hiện các công đoạn chính: nghiên cứu lý
thuyết về hệ thống năng lượng điện mặt trời, nghiên cứu các thuật toán để
giải quyết các bài toán tối ưu công suất trong các hệ thống điện mặt trời từ đó
đưa ra các thuật toán mới để phát triển hệ thống theo hướng tối ưu hơn, tiến
hành mô phỏng hệ thống năng lượng điện mặt trời trên phần mềm Matlab,
sau cùng là thực hiện thiết kế một hệ thống thực nối lưới.
Phương pháp nghiên cứu gồm : nghiên cứu tài liệu , mô hình hóa, phân
tích đánh giá và thực nghiệm.
1.4 Điểm mới của luận án
Nghiên cứu và đề xuất các cải tiến phát triển cho thuật toán INC áp
dụng trong điều khiển MPPT của hệ thống PV để hệ thống tìm điểm công
suất cực đại hội tụ nhanh hơn, dao động quanh điểm công suất cực đại hẹp và
ít hơn; giảm thiểu được hao tổn công suất phát do dao động quanh điểm công
suất cực đại, hiệu suất cao hơn.
Nghiên cứu và đề xuất áp dụng thuật toán mới, thuật toán tối ưu bày
đàn vi phân (DPSO) và thuật toán tối ưu bày đàn nhiễu loại (PPSO) áp dụng
trong bộ điều khiển MPPT để cải thiện hiệu quả hoạt động của hệ thống PV.
Kỹ thuật điều khiển MPPT dựa trên thuật toán DPSO và PPSO đã được thử
nghiệm thành công trên mô hình hệ thống. Hơn nữa, những kết quả này được
so sánh với kết quả thu được từ các bộ MPPT áp dụng thuật toán truyền thống,
để chứng minh khả năng loại bỏ được các nhược điểm khi áp dụng thuật toán
truyền thống cho các bộ điều khiển MPPT của hệ thống PV.
Nghiên cứu chế tạo thiết bị thực nghiệm hệ thống năng lượng điện mặt
trời nối lưới. Hệ thống chạy ổn định ngoài việc cho phép thực nghiệm về hệ
thống năng lượng điện mặt trời hệ thống còn được sử dụng với mục đích
nghiên cứu và phát triển dự án lập trình điều khiển ứng dụng về các nghiên
cứu phát triển hệ thống năng lượng điện mặt trời.
1.5 Ý nghĩa khoa học và thực tiễn
- Về mặt khoa học: Nghiên cứu và đề xuất các thuật toán áp dụng cho bộ
điều khiển MPPT của hệ thống năng lượng mặt trời nhằm cải thiện sự hoạt

động của hệ thống làm cho hệ thống đạt hiệu suất tốt hơn.


3

- Về mặt thực tiễn: Kiểm chứng khả năng ứng dụng thực tế của các giải
thuật đề xuất cho bộ điều khiển MPPT của hệ thống PV bằng công cụ phần
mềm và hệ thống thực nghiệm.
1.6 Bố cục của luận án
Bố cục của luận án bao gồm 6 chương như sau:
Chương 1: Giới thiệu
Chương 2: Tổng quan về hệ thống năng lượng điện mặt trời
Chương 3 : Nghiên cứu phát triển bộ điều khiển bám điểm công suất cực đại
của hệ thống điện mặt trời
Chương 4 : Mô phỏng kiểm chứng các thuật toán MPPT phát triển cho hệ
thống năng lượng điện mặt trời
Chương 5: Thiết kế chế tạo hệ thống thực nghiệm năng lượng điện mặt trời
Chương 6 : Kết luận và phương hướng phát triển
CHƯƠNG 2
TỔNG QUAN VỀ HỆ THỐNG NĂNG LƯỢNG ĐIỆN MẶT TRỜI
1.1
Tổng quan chung về hệ thống NLMT
Hệ thống PV là hệ thống dùng để thu thập, chuyển đổi năng lượng mặt
trời thành năng lượng điện DC hoặc AC theo nhu cầu sử dụng. Hệ thống PV
đa dạng tùy theo yêu cầu thực tiễn để có cấu trúc phù hợp, nhưng được chia
thành các dạng chính hệ thống kết nối lưới, hệ thống độc lập và hệ thống lai.
2.1.1.

Hệ thống điện NLMT nối lưới

Hệ thống năng lượng mặt trời ghép nối với lưới điện thực chất là một
loại hệ thống phát điện phân bố trong lưới điện. Cấu trúc hệ thống NLMT có
khá nhiều dạng, tuy nhiên trên thực tế phổ biến thông thường có hai dạng cấu
trúc: dạng cấu trúc đơn cấp và cấu trúc lưỡng cấp.
Phụ tải
PV panel

SVPWM
inverter

V, I

1 phase
3 phase

6 PWM
Controller
Microcontroller

SCR,
TRIAC
Hòa lưới
ON/OFF
U,I. phase, frequency

Hình 2.1. Sơ đồ hệ thống PV đơn cấp

Lưới
điện

4

Phụ tải
PV panel

1 phase
3 phase
SCR,
TRIAC
Hòa
lưới

Filter

U,I. phase, frequency

PWM

V, I

DC/AC
SVPWM
inverter

6 PWM

DC/DC
Buck-boost
converter

MPPT Controller, SVPWM
Microcontroller

Lưới điện

ON/OFF

U,I. phase, frequency

Hình 2.2. Hệ thống PV lưỡng cấp

2.1.2 Hệ thống điện NLMT độc lập
Hệ thống PV độc lập không kết nối với lưới điện có sơ đồ cấu trúc
được mô tả như hình 2.3. Năng lượng mặt trời được biến đổi thành năng
lượng điện DC lưu trữ ở acquy hoặc dùng cho tải DC, đối với tải AC thì phải
qua biến tần để chuyển đổi DC/AC. Ưu điểm của hệ thống này là xây dựng ở
những nơi điện lưới không thể phục vụ được như vùng sâu vùng xa hoặc là
biển đảo đáp ứng nhu cầu dân sinh, sản suất tại các khu vực này.
Bộ biến đổi
DC/DC

Solar Panel
Acquy

Biến tần

Tải
AC

Tải
DC

Hình 2.3. Sơ đồ khối hệ thống PV độc lập

2.1.3 Một số hệ thống điện NLMT khác
Hệ thống PV nối lưới có dự trữ: hệ thống này cũng tương tự như hệ
thống PV nối lưới nhưng có thêm acquy để lưu trữ điện. Để đảm bảo việc
cung cấp điện liên tục ngay cả khi điện lưới bị mất vào ban đêm. Hệ thống
được ứng dụng cho những tải yêu cầu cung cấp điện liên tục.
Hệ thống PV độc lập không dự trữ : hệ thống này hoàn toàn phụ thuộc
vào năng lượng ánh sáng mặt trời. Bức xạ mặt trời càng lớn thì công suất tạo
ra càng lớn, năng lượng điện tạo ra được sử dụng tức thời. Hệ thống này
thường ứng dụng cho bơm nước, quạt thông gió…
Hệ thống PV độc lập hỗn hợp: tương tự như hệ thống PV độc lập
nhưng hệ thống được bổ sung thêm một máy phát cỡ nhỏ để cấp nguồn cho
hệ thống. Ưu điểm của hệ thống này là công suất hệ thống PV có thể nhỏ hơn


5

công suất tính toán ở điều kiện ánh sáng yếu nhất trong năm. Hệ thống sẽ sử
dụng máy phát dự phòng để bù vào lượng công suất còn thiếu khi điều kiện
bức xạ mặt trời yếu để đảm bảo cung cấp cho tải sử dụng.
2.2

Đường đặc tuyến của pin quang điện

Mối quan hệ giữa dòng điện và điện áp của tế bào quang điện:
𝑞𝑉𝑑

𝐼 = 𝐼𝑆𝐶 − 𝐼0 [𝑒 𝑛𝐾𝑇 − 1]

(2.1)

Đặc tuyến I – V của pin quang điện là đường cong được biểu diễn theo
công thức (2.1), với bất kiều điều kiện nào thì pin quang điện cũng chỉ có một
điểm hoạt động mà tại đó giá trị điện áp và dòng điện có thể cho công suất
cực đại. Công suất được cho bởi công thức P = I*V. Với hai đường cong P –
V và I – V ta đều thu được một điểm hoạt động giống nhau như hình 2.4.
Công suất một tế bào quang điện thì rất bé, để tăng công suất đầu ra
của hệ thống, các tế bào quang điện được ghép nối tiếp hoặc song song để tạo
thành modul PV [5]. Dòng điện ra của modul được tính theo công thức (2.2)
[6,7].
𝐼 = 𝑁𝑝 𝐼𝑆𝐶 − 𝑁𝑝 𝐼0 [𝑒

𝑞(𝑉+𝐼𝑅𝑠 )
𝑛𝐾𝑇𝑁𝑠

− 1] − 𝑁𝑝

𝑉 + 𝐼𝑅𝑠
𝑁𝑠 𝑅𝑃

(2.2)

CÔNG SUẤT (W)

Trong đó: Ns và Np: lần lượt là số lượng tế bào quang điện mắc nối tiếp và
song song.

a)

b)

Hình 2.4. a) Đường đặc tuyến I – V , b) Đường đặc tuyến P – V

2.2

Những yếu tố trọng tâm nghiên cứu phát triển trong hệ thống điện
NLMT

Một số điểm chính trong các nghiên cứu phát triển các hệ thống điện
NLMT hiện nay là [7- 47] :
 Cải tiến nâng cao hiệu suất quang-điện (Công nghệ chế tạo pin PV
hiện nay mới cho phép hiệu suất quang - điện đạt 15%-18% )


6

 Sử dụng các kỹ thuật điều khiển thông minh để nâng cao hiệu quả điều
khiển hệ thống đạt công suất cực đại.
 Nghiên cứu phát triển các bộ biến đổi công suất DC/DC, DC/AC để
hệ thống đạt hiệu suất cao và làm việc ổn định.
 Nghiên cứu giải pháp anti-islanding nâng cao độ đáp ứng nhanh cũng
như độ an toàn của hệ thống NLMT trong quá trình hoạt động.
Điều khiển công suất cực đại
MPPT là hệ thống điều khiển PV đạt công suất tối đa trong quá trình
hoạt động. MPPT không phải là hệ thống điều khiển cơ khí hướng PV vào
hướng mặt trời để đạt công suất lớn nhất. MPPT là một hệ thống điều khiển

điện tử với mục đích định điểm làm việc của PV sao cho công suất đạt tối đa.
Hình 2.5 là sơ đồ cấu trúc điều khiển MPPT. Các bộ biến đổi DC/DC
thường sử dụng một trong ba loại sau: buck (bộ giảm áp), boost (bộ tăng áp)
và bộ buck-boost (bộ giảm-tăng áp). Do phụ thuộc vào nhiệt độ và cường độ
ánh sáng nên điện áp làm việc của các panel PV dao động khá lớn. Chính vì
vậy nên sử dụng bộ boost để có thể tăng điện áp DC phù hợp với trạng thái
công suất cực đại.
PV panel
DC/DC Boost
converter

SVPWM
converter

I,V
PWM
MPPT controller
Microcontroller

Hình 2.5. Sơ đồ điều khiển MPPT của PV

Kết luận chương 2
Chương 2 này tác giả đã trình bày tổng quan chung về hệ thống năng
lượng điện mặt trời bao gồm các thành phần chính của hệ thống, đặc tính của
tấm pin năng lượng mặt trời. Tác giả cũng đưa ra những yếu tố trọng tâm
phát triển hệ thống năng lượng mặt trời.
Hệ thống năng lượng điện mặt trời là một thống lớn nên có rất nhiều
vấn đề cần được cải tiến và phát triển cho hệ thống, trong khuôn khổ của luận
án tác giả tập trung nghiên cứu phát triển các thuật toán tìm điểm điểm công
suất cực đại cho các bộ điều khiển công suất cực đại (MPPT) để hệ thống làm

việc đạt hiệu suất cao hơn và ổn định hơn, đồng thời tác giả cũng thiết kế chế
tạo thực nghiệm một hệ thống năng lượng mặt trời nối lưới theo hướng phát
triển của các bộ biến đổi công suất DC/DC và DC/AC.
2.3


7

CHƯƠNG 3
NGHIÊN CỨU PHÁT TRIỂN BỘ ĐIỀU KHIỂN BÁM ĐIỂM
CÔNG SUẤT CỰC ĐẠI CỦA HỆ THỐNG ĐIỆN MẶT TRỜI
3.1 Các yếu tố ảnh hưởng tới MPP
3.1.1 Ảnh hưởng của bức xạ
Ta có biểu thức dòng điện theo bức xạ như công thức (3.1).
𝑞𝑉𝑑
𝐺
(3.1)
𝐼 = ( ) 𝐼𝑆𝐶 − 𝐼0 [𝑒 𝑛𝐾𝑇 − 1]
𝐺0

Hình 3.1. Đặc tuyến I – V, P – V và P – I với các mức bức xạ khác nhau

3.1.2 Ảnh hưởng của nhiệt độ
Dòng điện ngắn mạch được cho bởi công thức theo nhiệt độ (T) như
(3.2)
(3.2)
𝐼𝑆𝐶 (𝑇) = 𝐼𝑆𝐶 (𝑇𝑟 )[1 − 𝛼(𝑇 − 𝑇𝑟 )]
Đặc tuyến I – V, P – V và P – I tại các mức nhiệt độ khác nhau như
hình 3.2. Khi nhiệt độ tăng thì đặc tuyến I – V dịch sang trái tức là điện áp
giảm. Dẫn tới MPP của hệ thống pin quang điện cũng thay đổi. Vậy yêu cầu

phải có thuật toán để theo dõi MPP giúp hệ thống có thể làm việc tại MPP để
giảm tổn thất và nâng cao hiệu suất hoạt động cho toàn hệ thống [111].

Hình 3.2. Đặc tuyến I – V, P – V và P – I với các nhiệt độ khác nhau


8

3.1.3 Ảnh hưởng của hiện tượng bóng râm
Hiện tượng bóng râm được định nghĩa khi PV bị che phủ một phần
mà có thể gây ra các ảnh hưởng nghiêm trọng đến hiệu suất của PV. Bóng
râm không chỉ làm giảm công suất của các tế bào quang điện mà còn thay đổi
điện áp hở mạch Voc, dòng ngắn mạch Isc và hiệu suất của chúng.

Hình 3.3. Đặc tính I-V, P-V khi có bóng râm

Tìm điểm công suất cực đại
Một thành phần quan trọng trong hệ thống PV là MPPT, thành phần
này giúp hệ thống PV phát được công suất ngõ ra của hệ thống cực đại, giảm
tổn thất công suất và giải quyết bài toán kinh tế cho hệ thống PV. Nó như là
một thiết bị công suất liên kết hệ pin quang điện với tải, điều khiển điểm hoạt
động của hệ pin quang điện để thu được công suất cực đại từ hệ pin quang
điện với điều kiện môi trường thay đổi như nhiệt độ, bức xạ, bóng râm… vì
thế hiệu suất hệ thống được cải thiện.
3.3 Nghiên cứu phát triển thuật toán độ dẫn gia tăng trong điều khiển
bám điểm công suất cực đại
3.3.1 Theo dõi MPP bằng thuật toán INC truyền thống
Sơ đồ thuật toán INC như hình 3.4 [5]:
3.2

Hình 3.4. Sơ đồ thuật toán INC


9

Nếu coi D là một biến điều khiển thì lưu đồ thuật toán INC truyền
thống được viết lại như hình 3.5.
Start

Read V(k), I(k)

dV = V(k) - V(k-1); dI = I(k) - I(k-1)
dP = V(k)*I(k) - V(k-1)*I(k-1)
D D(k) = D Dmax

No

Yes
dV = 0

Yes
D(k) = D(k-1)

Yes
dI/dV = - I/V

dI = 0

No

D(k) = D(k-1)

No

Yes

Yes
dI/dV > - I/V

dI > 0

D(k) = D(k-1) - D D(k)

D(k) = D(k-1) + D D(k)
No

No

D(k) = D(k-1) + D D(k)

D(k) = D(k-1) - D D(k)

V(k-1) = V(k); I(k-1) = I(k)

Return

Hình 3.5. Lưu đồ thuật toán INC với biến D cố định

Trong lưu đồ thuật toán hình 3.5 kích thước bước được cố định. Sự cố
định về kích thước bước nhảy cố định ảnh hưởng đến hiệu quả điều khiển

MPPT của thuật toán INC. Nếu kích thước bước lớn thì hệ thống nhanh đạt
tới trạng thái MPP, nhưng độ dao động quanh điểm MPP lại lớn, làm giảm
hiệu suất của MPPT. Và ngược lại, nếu kích thước bước nhỏ, thì thời gian để
hệ thống PV đạt tới trạng thái MPP lại lâu. Sự hạn chế này được khắc phục
bằng việc phát triển thuật toán INC với kích thước bước nhảy tự điều chỉnh
sẽ được trình bày ở phần tiếp theo.
3.3.2
Phát triển thuật toán INC nhằm đạt MPP nhanh
Phương pháp xác định kích thước bước nhảy tự điều chỉnh sẽ được
xác định như sau:
𝑑𝑃
𝐷(𝑘) = 𝐷(𝑘 − 1) ± 𝑁 ∗ |
|
(3.3)
𝑑𝑉 − 𝑑𝐼
Trong đó: N là tham số, tham số này sẽ quyết định kích thước bước trong
thuật toán INC. Sơ đồ lưu đồ của thuật toán MPPT INC có bước thay đổi
được trình bày trong hình 3.6.


10
Start

Read V(k), I(k)

dV = V(k) - V(k-1); dI = I(k) - I(k-1)
dP = V(k)*I(k) - V(k-1)*I(k-1)
DD(k) = N*abs(dP/(dV-dI))

No

Yes
dV = 0

Yes
D(k) = D(k-1)

Yes
dI/dV = - I/V

dI = 0

No

D(k) = D(k-1)

No

Yes

Yes
dI/dV > - I/V

dI > 0

D(k) = D(k-1) - DD(k)

D(k) = D(k-1) + DD(k)
No

No

D(k) = D(k-1) + DD(k)

D(k) = D(k-1) - DD(k)

V(k-1) = V(k); I(k-1) = I(k)

Return

Hình 3.6. Lưu đồ thuật toán INC với kích thước bước nhảy thay đổi
nhằm mục đích hội tụ nhanh

3.3.3 Phát triển thuật toán INC nhằm giảm dao động quanh MPP
Khi hệ thống ở trạng thái xác lập, các giá trị biến thiên công suất không
lớn, thì một giá trị bước nhảy càng nhỏ sẽ càng giảm độ giao động, giảm tổn
thất công suất cho hệ thống. Trong thuật toán đề xuất này, đề tài cũng áp dụng
một giá trị bước nhảy có độ lớn giảm dần về giá trị 0, để giảm độ giao động
của công suất khi đạt MPP.
∆𝐷𝑘−1
(3.4)
|𝑑𝑃| < 𝜀 => ∆𝐷𝑘 =
𝛼
Với điều kiện như biểu thức (3.4), bước nhảy tiếp theo sẽ được xác
định dựa vào độ biến đổi của bước nhảy phía trước, và nếu công suất thay đổi
nhỏ, thì giá trị bước nhảy sẽ giảm dần với một hệ số chia α, và giá trị α này
thường được chọn là 2.


11

Start

Read V(k), I(k)

dV = V(k) - V(k-1); dI = I(k) - I(k-1)
dP = V(k)*I(k) - V(k-1)*I(k-1)

D D(k) = D D(k-1)/2

No

dP  

Yes

D D(k) = N*abs(dP/(dV-dI))

Yes
No

Yes
dV = 0

Yes
D(k) = D(k-1)

Yes
dI/dV = - I/V

dI = 0

No

D(k) = D(k-1)

No

Yes

Yes
dI/dV > - I/V

dI > 0

D(k) = D(k-1) - D D(k)

D(k) = D(k-1) + D D(k)
No

No

D(k) = D(k-1) + D D(k)

D(k) = D(k-1) - D D(k)

V(k-1) = V(k); I(k-1) = I(k)

Return

Hình 3.7. Lưu đồ thuật toán INC với kích thước bước nhảy thay đổi nhằm

mục đích giảm dao động tại MPP

Nghiên cứu phát triển thuật toán tối ưu bầy đàn trong điều
khiển bám điểm công suất cực đại
3.4.1 Thuật toán tối ưu bầy đàn (PSO)
PSO (Particle Swarm Optimization) là một trong những kỹ thuật tính
toán tiến hóa được đề xuất bởi Eberhart và Kennedy vào năm 1995 [48,49].
PSO được phỏng theo hành vi xã hội và hợp tác của nhiều loài khác nhau để
đáp ứng nhu cầu tìm kiếm thức ăn của chúng trong không gian đa chiều. Khái
niệm về PSO nguyên thể (được gọi là PSO) được thể hiện bằng hai phương
trình toán học dưới đây [65]:
3.4


12

Vi ,kj1  wVi ,kj  c1r1 ( Pbestik, j  X ik, j )  c2 r2 (Gbest kj  X ik, j )

(3.5)

X ik, j 1  X ik, j  Vi ,kj1

(3.6)

Sơ đồ thuật toán của PSO được thể hiện trong Hình 3.8.
Đặt thông số PSO

Khởi tạo vị trí và vận tốc ban đầu của mỗi cá thể

Tính toán giá trị hàm mục tiêu của mỗi cá thể

Đánh giá hàm mục tiêu của mỗi cá thể,
chọn Pbest và Gbest

Đặt số lần lặp k =1

Cập nhật giá trị vận tốc và vị trí của mỗi cá thể

Đánh giá hàm mục tiêu của mỗi cá thể
và cập nhật Pbest, Gbest

k = k+1

Đúng

Nếu k <= Maxite ?

Sai
In giá trị tối ưu của đầu ra, Gbest

Hình 3.8 Sơ đồ thuật toán của PSO

3.4.2 Phát triển thuật toán tối ưu bầy đàn
3.4.2.1 Thuật toán tối ưu bầy đàn vi phân (DPSO)
DPSO là phát triển của thuật toán tối ưu bầy đàn (PSO), trong đó
các cá thể có khả năng thoát khỏi tối ưu cục bộ, để tìm giải pháp tối ưu hóa
tốt hơn trong không gian tìm kiếm.


13

Thuật toán DPSO khắc phục nhược điểm của PSO bằng cách cập
nhật thêm tốc độ của một cá thể ngẫu nhiên được chọn trong bầy đàn. Sự khác
biệt tỷ lệ ngẫu nhiên giữa bản thân cá thể đang xét và và cá thể được chọn
mới, được thể hiện trong phương trình vận tốc. Về mặt toán học, thuật toán
DPSO có thể được trình bày như sau:
V pk,q1  wV pk,q  c r ( Pbest kp,q  X kp,q )  c r (Gbestqk  X kp,q )  c r ( X k  X kp,q )
11
22
3 3 l ,q

(3.11)
1
k
k 1
X kp
,q  X p,q  V p,q

(3.12)
Chú ý rằng l đại diện cho cá thể chuyên gia tương ứng với cá thể
mục tiêu p. Trong phương trình này, l thay đổi từ 1 đến N nhưng l ≠ p. Hình
3.9 thể hiện cơ chế tìm kiếm của DPSO được đề xuất trong không gian tìm
kiếm đa chiều.
Xpk+1

Vpk

Vpk+1
Gbestk
VpGbest

Xpk

Pbestpk
VpPbest
Vp

Diff

Hình 3.9 Cơ chế tìm kiểm của DPSO trong không gian đa chiều

Trong hình 3.9, Pbestpk,q đại diện cho thành phần thứ q cá thể tốt
nhất của cá thể thứ p, trong khi Gbestqk đại diện cho thành phần thứ q của cá
thể tốt nhất cho đến lần lặp k.
Từ hình 3.9 có thể thấy rằng DPSO được đề xuất được thực hiện
bằng cách thêm một đặc trưng mới (VpDiff) trong phương trình vận tốc, do đó
điểm công suất cực đại có thể thu được sớm hơn nhiều so với trường hợp sử
dụng PSO cổ điển. Hơn nữa, tính năng bổ sung này cho phép các cá thể thoát
khỏi tối ưu cục bộ để tìm kiếm một giải pháp tốt hơn trong không gian tìm
kiếm.
Thuật toán MPPT dựa trên DPSO (MPPT – DPSO)
Như đã đề cập ở chương 2, đặc tính tế bào quang điện là phi tuyến
tính, có công suất đầu ra thay đổi theo sự biến đổi của bức xạ ánh sáng và
nhiệt độ, do đó làm giảm hiệu quả hoạt động của tấm pin mặt trời (PV). Ngoài
ra, hiệu quả của các mô-đun quang điện này không được đạt yêu cầu, do đó
đòi hỏi sự hỗ trợ của các thuật toán thông minh để khắc phục vấn đề này.


14

Trong luận án này, một mô hình sử dụng thuật toán MPPT dựa trên DPSO
được đề xuất để nâng cao hiệu quả hoạt động của PV.
Lưu đồ thuật toán của MPPT - DPSO được thể hiện trên hình 3.10:
Chọn giá trị w, c1, c2 , c3, n

Khởi tạo vị trí và vận tốc ban đầu của mỗi cá thể d=d0;
v=0.1*d0

Xác định V(i), I(i). Tính toán giá trị hàm mục tiêu của
mỗi cá thể: P(i)=V(i)*I(i)

Đánh giá hàm mục tiêu của mỗi cá thể,
chọn Pbest và Gbest

Đặt số lần lặp k =1

Cập nhật giá trị vận tốc và vị trí của mỗi cá thể

Đánh giá hàm mục tiêu của mỗi cá thể
và cập nhật Pbest, Gbest

k = k+1

Đúng

Nếu k <= Maxite ?

Sai
In giá trị tối ưu của chu kỳ xung, Gbest

Hình 3.10. Sơ đồ thuật toán của MPPT - DPSO

3.4.2.2 Thuật toán tối ưu bầy đàn nhiễu loạn (PPSO)
Thuật toán PPSO cũng là một phát triển của thuật toán PSO nó làm
việc dựa trên nguyên tắc sau: bất cứ khi nào các cá thể bị hội tụ vào vùng cực
đại cục bộ vectơ vận tốc của mỗi cá thể cần được thực hiện nhiễu loạn. Thông
thường, tình huống này xảy ra khi giải pháp tối ưu (Gbest của bầy đàn) không
được cải thiện sau một số lần lặp nhất định, chẳng hạn như sau một giá trị sai


15

lệch cho phép (dung sai) hoặc khi đạt đến một tiêu chí dừng (được quy định
trước và phải nhỏ hơn số lần lặp tối đa). Nhiễu loạn là hiện tượng vectơ vận
tốc của mỗi cá thể cần được thiết lập lại, để các cá thể có thể thoát ra khỏi
cực đại cục bộ. Về mặt toán học, các khái niệm nhiễu loạn vận tốc cho mỗi
cá thể có thể được biểu diễn như sau:

V pk,q1  pbest kp ,q

(3.13)

Ngoài ra, giới hạn dung sai cần được điều chỉnh, để các cá thể có khả
năng tìm kiếm các cơ hội khác tối ưu hơn trong không gian với một số lần
lặp tối thiểu nhất định. Bên cạnh đó, sự nhiễu loạn vận tốc có thể được thực
hiện với một số lần nhất định. Nói cách khác, sự nhiễu loạn trong vectơ vận
tốc của mỗi cá thể cho phép các cá thể tiếp tục khám phá không gian tìm kiếm
để thoát khỏi cực đại cục bộ. Một mô hình mô tả điển hình của mỗi cá thể
tương ứng với chiều dài tăng dần của mũi tên của các cá thể bị nhiễu loạn vận
tốc (PP) được thể hiện trong Hình 3.11.

IP: Initialized Particle
PP: Perturbed Particle
LCP: Locally Converged Particle
Arrow: Represents direction of move
Length of arrow: Values of velocity

IP4
PP4
Local optimum
IP5
PP3

PP5

Global optimum
IP4

LCP4

LCP3

IP1
LCP5

LCP1

LCP2

IP2
IP3

PP1

PP3

Hình 3.11 Cơ chế tìm kiếm của PPSO trong không gian đa chiều

Thuật toán MPPT dựa trên PPSO ( MPPT-PPSO)
Lưu đồ thuật toán của phương pháp MPPT-PPSO được đề xuất như
Hình 3.12.
Đầu tiên, giá trị chu kỳ xung D của bộ chuyển đổi DC/DC được chọn
làm vị trí của cá thể trong không gian tìm kiếm. Trong khi đó, công suất đầu
ra của dãy PV được định nghĩa là giá trị hàm mục tiêu. Cần lưu ý rằng số
lượng của các cá thể nên được chọn là số lượng các mô đun kết nối nối tiếp
trong dãy PV. Tiếp theo, thuật toán PPSO sẽ bắt đầu quá trình tối ưu hóa từ
một giá trị ban đầu ngẫu nhiên được chọn trong phạm vi sau:
Dik = [D1, D2, D3, … DN]


16
Đặt giá trị w , c1 , c2,c3 , n

Khởi tạo vị trí và vận tốc ban đầu của mỗi cá thể d=d0;
v=0.1*d0

Xác định V(i), I(i). Tính toán giá trị hàm mục tiêu của
mỗi cá thể: P(i)=V(i)*I(i)

Đánh giá hàm mục tiêu của mỗi cá thể,
chọn Pbest và Gbest

Đặt số lần lặp k =1

Cập nhật giá trị vận tốc và vị trí của mỗi cá thể

Đánh giá hàm mục tiêu của mỗi cá thể
và cập nhật Pbest, Gbest

If tol
Yes

tol=1

No
tol = Fbk - Fb1k+1

k = k+1

Đúng

V=Pbest

If k <= Maxite ?

Sai
In giá trị tối ưu của chu kỳ xung, Gbest

Hình 3.12 Lưu đồ thuật toán MPPT-PPSO

Trong đó N là số cá thể và k là số lần lặp. Nói cách khác, các cá thể
được khởi tạo bởi các vị trí ngẫu nhiên trong không gian tìm kiếm [Dmin,
Dmax]. Dmax và Dmin lần lượt là chu kỳ xung tối đa và tối thiểu của bộ chuyển
đổi DC/DC được sử dụng trong nghiên cứu. Sau đó, bộ điều khiển kỹ thuật
số gửi tín hiệu điều khiển PWM theo chu kỳ xung (tín hiệu này đại diện cho


17

vị trí của cá thể thứ i), điện áp và dòng điện đầu ra của dãy pin, VPV và IPV
được xác định, từ đó tính được công suất đầu ra của dãy pin (giá trị hàm mục
tiêu), theo công thức: PPV = VPV*IPV. Giá trị hàm mục tiêu của từng cá thể
được đánh giá theo công thức: Fpk = f(Xpk) ∀p, để tìm chỉ số cá thể tốt nhất b.
Cuối cùng, thuật toán PPSO cập nhật Pbest, Gbest cho đến khi đạt được giá
trị tối ưu của chu kỳ xung, được gọi là Gbest. Cần lưu ý rằng bất cứ khi nào
tol 3.5 Kết luận chương 3
Trong hệ thống PV người ta luôn mong muốn cho dù ở bất kỳ điều
kiện thời tiết như thế nào thì dòng công suất phát từ dàn PV tới tải luôn là cực
đại, đó là mục tiêu của bài toán điều khiển MPPT. Chương 3 tác giả nghiên
cứu các thuật toán điều khiển công suất cực đại thông dụng và đưa ra các cải
tiến phát triển cho thuật toán để áp dụng trong điều khiển MPPT của hệ thống
PV làm cho hệ thống hoạt động hiệu suất tốt hơn.
Chương 3 tác giả giới thiệu một số thuật toán cho bộ điều khiển
MPPT và nghiên cứu thuật toán INC và đưa ra các cải tiến phát triển cho
thuật toán INC làm cho hệ thống đạt điểm công suất cực đại nhanh hơn, dao
động quanh điểm công suất cực đại hẹp và ít hơn, giảm thiểu được hao tổn
công suất phát do dao động quanh điểm công suất cực đại. Trong chương 3
này tác giả cũng chú trọng nghiên cứu thuật toán PSO áp dụng trong điều
khiển MPPT và đã đề xuất ra các thuật toán mới bằng cách phát triển dựa trên

thuật toán PSO cổ điển đó là thuật toán DPSO và thuật toán PPSO để cải thiện
hiệu quả hoạt động của hệ thống PV.
CHƯƠNG 4
MÔ PHỎNG KIỂM CHỨNG CÁC THUẬT TOÁN MPPT PHÁT
TRIỂN CHO HỆ THỐNG NĂNG LƯỢNG ĐIỆN MẶT TRỜI
4.1. Kết quả mô phỏng thuật toán INC các phát triển của thuật toán INC
4.1.1. Sơ đồ mô phỏng

Hình 4.1. Sơ đồ mô phỏng thuật toán INC


18

4.1.2 Kết quả mô phỏng
4.1.2.2 Thuật toán phát triển INC nhằm đạt MPP nhanh
Tác giả tiến hành mô phỏng theo lý thuyết đã đề xuất thì thu được kết
quả các đáp ứng của hệ thống PV so với trường hợp INC truyền thống như
hình 4.2.
CURRENT
Traditional I
Variable I

25

I(A)

20

15

10

5

0

0

2

4

6

8

10

12

14

Time(s)

So sánh đáp ứng dòng điện

a)

VOLTAGE
400

Traditional V
Variable V

350
300

V(V)

250
200
150
100
50
0

0

2

4

6

8

10

12

14

Time(s)

So sánh đáp ứng điện áp

b)

POWER
8000
7000
6000

P(W)

5000
4000
3000
2000
Theory P
Traditional P
Variable P

1000
0

0

2

4

6

8

10

12

14

Time(s)

c) So sánh đáp ứng công suất
Hình 4.2. So sánh các đáp ứng của thuật toán INC truyền thống
và bước nhảy thay đổi
DUTY CYCLE
0.6
Traditional D
Variable D

0.55
0.5
0.45

Duty

0.4
0.35
0.3

0.25
0.2
0.15
0.1

0

0.5

1

1.5

2
Time(s)

2.5

3

3.5

4

Hình 4.3 Đáp ứng D của INC truyền thống và bước nhảy thay đổi lúc khởi động


19
POWER
7000

6000

5000

P(W)

4000

3000

2000
Theory P
Traditional P
Variable P

1000

0

0

0.5

1

1.5

2
Time(s)

2.5

3

3.5

4

Hình 4.4 Đáp ứng công suất của INC truyền thống và bước nhảy
thay đổi lúc khởi động
POWER
7800
7600
7400
7200

P(W)

7000
6800
6600
6400
6200

Theory P
Traditional P
Variable P

6000

5800

4

4.05

4.1

4.15

4.2

4.25
Time(s)

4.3

4.35

4.4

4.45

4.5

Hình 4.5 Đáp ứng công suất của INC truyền thống và bước nhảy thay đổi lúc
bức xạ thay đổi từ 700W/m2 lên 900W/m2.

Qua mô phỏng ta dễ dàng quan sát được tốc độ đạt MPP lúc bắt đầu
hoạt động của INC bước nhảy thay đổi nhanh hơn INC truyền thống rất nhiều

được thể hiện ở hình 4.4. Ngay cả trong trường hợp bức xạ thay đổi từ G =
700W/m2 lên G = 900W/m2 thuật toán INC bước nhảy thay đổi bám điểm
công suất tốt hơn, được thể hiện ở hình 4.5, qua đây có thể thấy INC bước
nhảy thay đổi dao động quanh MPP nhẹ hơn so với INC truyền thống.
4.1.2.3 Thuật toán phát triển INC nhằm giảm dao động tại MPP
Kết quả thu được từ mô phỏng phần mềm Matlab như hình 4.6 ta thấy
được phương án đề xuất này có tốc độ hội tụ nhanh và giảm dao động tại
MPP đáng kể.
CURRENT
Traditional I
Modify Variable I

25

I(A)

20

15

10

5

0

0

2

4

6

8
Time(s)

a)

So sánh đáp ứng dòng điện

10

12

14


20
VOLTAGE
400
Traditional V
Modify Variable V

350
300

V(V)

250

200
150
100
50
0

0

2

4

6

8

10

12

14

Time(s)

So sánh đáp ứng điện áp

b)

POWER
8000

Theory P
Modify Variable P

7000
6000

P(W)

5000
4000
3000
2000
1000
0

0

2

4

6

8
Time(s)

10

12

14

16

c) So sánh đáp ứng công suất
Hình 4.6. So sánh thuật toán INC truyền thống và giảm dao động tại MPP
DUTY CYCLE
0.6
Traditional D
Modify Variable D

0.55
0.5
0.45

Duty

0.4
0.35
0.3
0.25
0.2
0.15
0.1

0

0.5

1

a)
3.9
0.46

3.95

4

1.5

2
Time(s)

2.5

3

3.5

4

Đáp ứng D quá trình khởi động
4.05

4.1

Time(s)
4.15

4.2

4.25

4.3

4.35

4.4

0.47
0.48
0.49

ytuD

0.5
0.51
0.52
0.53
0.54

Modify Variable D
Traditional D

0.55
DUTY CYCLE

b) Đáp ứng D ở thời điểm gia tăng bức xạ
Hình 4.7. Đồ thị D khi quá độ và tăng bức xạ

Từ hình 4.7 a) ta nhận thấy rằng, với một giá trị bước nhảy thay đổi,
hệ thống sẽ nhiễu loạn những bước dài hơn, được giới hạn 10%, và càng gần


21

giá trị công suất cực đại, giá trị bước nhảy nhỏ dần và tiến gần đến 0, trong
đó giá trị giảm dần α được chọn là 2, có nghĩa là thuật toán sẽ liên tục giảm
giá trị bước nhảy cho 2 cho đến khi đạt giá trị gần 0. Việc này cải thiện được
độ giao động công suất ở trạng thái xác lập.
Để so sánh được hiệu quả giữa các phương pháp, tác giả vẽ lại các
đường công suất tại thời điểm khởi động như hình 4.8 a), gia tăng ánh nắng
như hình 4.8 b) và hệ thống ổn định hình 4.8 c).
POWER
7000

6000

5000

P(W)

4000

3000

2000
Theory P
Traditional P

Variable P
Modify Variable P

1000

0

0

0.5

1

a)

1.5

2
Time(s)

2.5

3

3.5

4

Đáp ứng P ở quá trình khởi động
POWER

7800
7600
7400
7200

P(W)

7000
6800
6600
6400
Theory P
Traditional P
Variable P
Modify Variable P

6200
6000
5800

4

4.1

4.2

4.3

4.4

4.5
Time(s)

4.6

4.7

4.8

4.9

5

Đáp ứng P ở quá trình thay đổi bức xạ

b)

POWER
6860
6840
6820
6800

P(W)

6780
6760
6740
6720

Theory P
Traditional P
Variable P
Modify Variable P

6700
6680
6660
11

11.2

11.4

11.6

11.8

12
Time(s)

12.2

12.4

12.6

12.8

13

c) Đáp ứng P trong quá trình ổn định
Hình 4.8 So sánh đáp ứng công suất của 3 thuật toán và lý thuyết

Từ những kết quả mô phỏng và so sánh trên, đã chứng minh được rằng
2 thuật toán đề xuất có khả năng cải thiện được hiệu suất của thuật toán INC
truyền thống ở các tiêu chí về thời gian đáp ứng, độ dao động tại MPP và tổn
thất công suất. Điều này chứng minh sự phù hợp của các thuật toán đề xuất
so với thuật toán truyền thống.


22

4.2.

Kết quả mô phỏng thuật toán PSO và các phát triển của thuật
toán PSO
4.2.1
Kết quả mô phỏng thuật toán MPPT-PSO
Dựa vào lưu đồ thuật toán PSO hình 3.8 tác giả mô phỏng được các
đáp ứng công suất đầu ra của hệ thống PV và so sánh với trường hợp không
có bộ điều khiển MPPT như hình 4.9. Từ đáp ứng đầu ra ta thấy với thuật
toán PSO cho kết quả đáp ứng công suất đầu ra không bị giao động như các
phương pháp INC hay P&O.

Hình 4.9 Đáp ứng đầu ra hệ thống PV với thuật toán PSO

4.2.2

Kết quả mô phỏng thuật toán MPPT-DPSO

Trong phần này, tác giả mô phỏng để đánh giá hiệu quả của thuật
toán DPSO trong việc dò tìm điểm công suất cực đại của PV. Trước tiên,
thuật toán PSO và DPSO được thử nghiệm trên năm vấn đề Benchmark để
chứng minh tính hiệu quả của chúng trong việc giải quyết các vấn đề tối ưu
hóa phức tạp. Sau đó, các thuật toán tối ưu hóa này được áp dụng để dò tìm
điểm công suất cực đại của PV.
Hình 4.10 thể hiện thời gian đáp ứng của công suất đầu ra trong điều
kiện môi trường không đổi (với năng lượng bức xạ G = 900 W / m2 và nhiệt
độ T = 25°C) trong ba trường hợp sau: 1) không có bộ điều khiển MPPT, 2)
sử dụng DPSO và 3) các phương pháp truyền thống (P&O and InCond).

Hình 4.10. Đáp ứng của công suất đầu ra trong ba trường hợp: không sử dụng
MPPT, sử dụng DPSO, P&O và InCond


23

Khả năng dò tìm điểm công suất cực đại của phương pháp được đề
xuất tốt hơn thuật toán bầy đàn PSO truyền thống trong việc tối ưu hóa năng
lượng của tấm pin mặt trời. Điều này được thể hiện trong hình 4.11 có thể
thấy rằng cả hai thuật toán thông minh nhân tạo này đều có thể bám theo điểm
công suất cực đại của tấm pin mà không tồn tại dao động xung quanh điểm
MPP. Đây là một ưu điểm nổi bật của phương pháp tối ưu hóa bầy đàn so với
các phương pháp truyền thống như P&O và INC. Trong đó, khả năng dò tìm
của thuật toán DPSO nhanh và chính xác hơn thuật toán PSO cổ điển với thời
gian tối ưu hóa của DPSO là 0,57 giây còn PSO lên tới 2,12 giây.

`
Hình 4.11. So sánh đáp ứng công suất của thuật toán DPSO và PSO

Hình 4.12 cho thấy đặc tính động của công suất đầu ra dưới bức xạ
mặt trời giao động trong khoảng 700 W/m2 đến 800 W/m2 ở nhiệt độ cố định
25 ° C.

Hình 4.12 Đáp ứng của P đầu ra P trong quá trình tăng năng lượng bức xạ

Hình 4.13 Đáp ứng của P ra P trong quá trình giảm năng lượng bức xạ