能导致电网电压调整设备异常响应，甚至导致 换效率较低，且输出功率受两个参数（结温、 电压不稳定而引起电力系统崩溃，进而引发大 光强)及负载的影响而非线性变化，因此，采 面积停电事故：另一方面，光伏发电系统的输 用最大功率跟踪MPPT(Maximum Power Point 出功率的波动性会对电网的频率造成扰动。要 Tracking)控制来提高光伏系统的能量利用是 使得电网能够适应光伏发电系统随机波动会 非常必须的。 加大电网规划和调度的难度，即便能实现也会 3.1.2模糊最大功率跟踪 导致电网调度设备频繁动作。 在设计模糊控制系统中，分别对模糊控制 (3)光伏发电系统的大量并网会导致电网 规则、控制变量的选取（几个输入和输出）、控 动态特性变差。光伏发电系统与传统发电方式 制变量论域及隶属函数形式（三角形、高斯型、 一个较大的区别在于接口电路的不同。火电、 梯形等)、量化因子进行了设计。 水电等都通过同步发电机实现能量转换，其转 (1)模糊控制器的输入量，输出量 子具有较大的惯性，这使得其具有较好的组网 光伏系统的目标函数选取输出功率及电 特性，由此类发电装置组成的电网具有一定的 流，控制变量为占空比。把光伏系统第n时 抗扰动能力，在电网负荷波动初期，一次调频 刻的电压变化量△V、第n时刻功率的变化量 作用前，同步发电机的表现出的惯性可以动态 △P作为模糊控制器的第n时刻的输入量： 分担负荷，起到维持功率平衡进而支撑频率的 第n时刻的占空比步长△D作为第n时刻的 作用：然而光伏发电系统通过电力电子变换电 输出量。 路实现光伏阵列输出电能的转换，其响应快 (2)确定输入量和输出量的模糊子集和论 速，目前常用控制策略均结合锁相环以严格跟 域 踪电网频率，从而实时保持系统与光伏阵列输 对功率变化量△P和电压变化量△V的 出功率的平衡，然而，这也使得光伏发电系统 实际值，模糊集合论域EP和EI分别由量化 不具有惯性，无法跟踪负荷的变化，随着其在 因子量化映射。将其都定义为4个模糊子集。 电网渗透率的增加会使得电网动态特性发生 改变，抗扰动能力减弱，尤其当应用于微电网 Ep=NB,NS,PS,PB 这种容量较小的系统中，会增加微电网的控制 难度，降低其稳定裕度。 E=(NB,NS,PS,PB} (4)蓄电池充电效率低，导致整体能量利 Ep ={NB,NS,PS,PB} 用率与效率降低。 其中，B、NS、PS、PB分别表示负大、 3.解决问题的方法 负小、正小、正大等模糊概念。采用离散化的 数字集合表示模糊论集合论域EP和EI: 基于上述问题，我们将从光伏阵列本身进 行分析，得出模糊MPPT算法：接下来，我们 Ep={-2,-1,1,2} 将分析蓄电池的特性并获得高效的蓄电池充 电算法：之后我们将讨论并网点电压越限、畸 E1={-2,-1,1,2} 变、低电压穿越等与电网相关的问题： 3.1光伏阵列建模及其模糊最大功率跟踪 3.1.1光伏阵列概述 (3)隶属度函数 光伏电池安装实验成本高、对安装场地及 根据扰动观察算法的特点，本文模糊控 实验环境依赖性强。预测光伏电池在不同光照 制设定16条控制规则。 和温度下的输出特性以及当光伏电池串并联 参见下图模糊规则表。 组成光伏列阵后特有的输出特性显得极为重 要。随着能源及环境问题的日益突出，可再生 的太阳能受到越来越多的关注。光伏电池的转能导致电网电压调整设备异常响应，甚至导致 电压不稳定而引起电力系统崩溃，进而引发大 面积停电事故；另一方面，光伏发电系统的输 出功率的波动性会对电网的频率造成扰动。要 使得电网能够适应光伏发电系统随机波动会 加大电网规划和调度的难度，即便能实现也会 导致电网调度设备频繁动作。 (3)光伏发电系统的大量并网会导致电网 动态特性变差。光伏发电系统与传统发电方式 一个较大的区别在于接口电路的不同。火电、 水电等都通过同步发电机实现能量转换，其转 子具有较大的惯性，这使得其具有较好的组网 特性，由此类发电装置组成的电网具有一定的 抗扰动能力，在电网负荷波动初期，一次调频 作用前，同步发电机的表现出的惯性可以动态 分担负荷，起到维持功率平衡进而支撑频率的 作用；然而光伏发电系统通过电力电子变换电 路实现光伏阵列输出电能的转换，其响应快 速，目前常用控制策略均结合锁相环以严格跟 踪电网频率，从而实时保持系统与光伏阵列输 出功率的平衡，然而，这也使得光伏发电系统 不具有惯性，无法跟踪负荷的变化，随着其在 电网渗透率的增加会使得电网动态特性发生 改变，抗扰动能力减弱，尤其当应用于微电网 这种容量较小的系统中，会增加微电网的控制 难度，降低其稳定裕度。 (4)蓄电池充电效率低，导致整体能量利 用率与效率降低。 3．解决问题的方法 基于上述问题，我们将从光伏阵列本身进 行分析，得出模糊 MPPT 算法；接下来，我们 将分析蓄电池的特性并获得高效的蓄电池充 电算法；之后我们将讨论并网点电压越限、畸 变、低电压穿越等与电网相关的问题； 3.1 光伏阵列建模及其模糊最大功率跟踪 3.1.1 光伏阵列概述 光伏电池安装实验成本高、对安装场地及 实验环境依赖性强。预测光伏电池在不同光照 和温度下的输出特性以及当光伏电池串并联 组成光伏列阵后特有的输出特性显得极为重 要。随着能源及环境问题的日益突出，可再生 的太阳能受到越来越多的关注。光伏电池的转 换效率较低，且输出功率受两个参数（结温、 光强）及负载的影响而非线性变化，因此，采 用最大功率跟踪 MPPT（Maximum Power Point Tracking）控制来提高光伏系统的能量利用是 非常必须的。 3.1.2 模糊最大功率跟踪 在设计模糊控制系统中,分别对模糊控制 规则、控制变量的选取(几个输入和输出)、控 制变量论域及隶属函数形式(三角形、高斯型、 梯形等)、量化因子进行了设计。 (1)模糊控制器的输入量,输出量 光伏系统的目标函数选取输出功率及电 流，控制变量为占空比。把光伏系统第 n 时 刻的电压变化量ΔV、第 n 时刻功率的变化量 ΔP 作为模糊控制器的第 n 时刻的输入量； 第 n 时刻的占空比步长ΔD 作为第 n 时刻的 输出量。 (2)确定输入量和输出量的模糊子集和论 域 对功率变化量 ΔP 和电压变化量ΔV 的 实际值，模糊集合论域 EP 和 EI 分别由量化 因子量化映射。将其都定义为 4 个模糊子集。 其中, NB、NS、PS、PB 分别表示负大、 负小、正小、正大等模糊概念。采用离散化的 数字集合表示模糊论集合论域 EP 和 EI： (3)隶属度函数 根据扰动观察算法的特点，本文模糊控 制设定 16 条控制规则。 参见下图模糊规则表