TWI706629B

TWI706629B - 一種太陽能電池之全域最大功率追蹤方法

Info

Publication number: TWI706629B
Application number: TW108124743A
Authority: TW
Inventors: 王順忠; 劉益華
Original assignee: 龍華科技大學
Priority date: 2019-07-12
Filing date: 2019-07-12
Publication date: 2020-10-01
Also published as: TW202103435A

Abstract

一種太陽能電池之全域最大功率追蹤方法，其係利用一控制電路實現，該最大功率追蹤方法包括以下步驟：設定N個遮蔭樣式取樣區段，在所述N個遮蔭樣式取樣區段各量測一取樣點之一取樣電流值及一取樣電壓值，N為正整數；依一基準電壓值計算各所述取樣電壓值之電壓標么值及計算各所述遮蔭樣式取樣區段的所述取樣電流值與所述電壓標么值之乘積以得到N個乘積，選取與所述N個乘積中最大的前兩個相對應的兩個所述取樣點做為兩個起始操作點；以及依兩個所述起始操作點分別進行一α因子擾動觀察法運算以得到二候選最大功率點，以所述二候選最大功率點中具有較大功率值者做為最大功率點以決定一電壓命令。

Description

一種太陽能電池之全域最大功率追蹤方法

本發明係有關於一種太陽能電池最大功率追蹤方法，特別是一種適用於部分遮蔭和均勻照度之太陽能電池全域最大功率追蹤方法。

能源是國家發展中不可或缺的基礎，大多數的產業皆仰賴能源做為生產動力之來源，而隨著科技的進步，能源的需求也逐年增加，由2017年全球能源消耗分配比例可知，目前能源消耗以非再生能源為主，比例高達73.5%，而再生能源26.5%次之。近年環境變遷及全球暖化問題，使得環保意識備受重視，因此再生能源成為人們關注的焦點，而再生能源包括水力、風能、太陽能、生質能、地熱及潮汐等。由近年全球再生能源發展趨勢可知，太陽能所產生的電力容量僅次於水力，且在2017年再生能源所產生的電力容量高達了21950億瓦。因為其來源豐富、無燃料成本及對環境影響低等優點，太陽能是目前備受矚目的再生能源之一，由2007-2017年全球光伏機組與年度新增裝機情況可知，太陽能發電已成為能源發展的主要趨勢。

再生能源當中，由於太陽能乾淨、對環境破壞力低且資源量豐富，使得太陽能已成為未來主要能源之一，但目前市售太陽能電池光電轉換效率大多低於20%，其電氣特性為一非線性曲線並存在一最大功率點(Maximum Power Point,MPP)，且此曲線會受到照度與溫度影響。因此如何從太陽能電池擷取最大的功率來提升整體效率，便是一重要課題。太陽能發電系統一般須將太陽能電池操作在最大功率點，此技術被稱為最大功率追蹤(Maximum Power Point Tracking,MPPT)技術。

在實際應用上，太陽能發電系統並非由單一太陽能電池組成，而是由多個太陽能電池串聯或並聯來滿足電壓或電流的需求，此外太陽能發電系統通常設置於戶外，容易受到灰塵、樹蔭及周遭建築物等影響，使得太陽能板所受到的照度不均勻，導致太陽能電池之功率-電壓特性曲線產生多峰且最大功率點位置不固定，這種情形稱為部分遮蔭情形(Partial Shading Conditions,PSCs)，而適用於部分遮蔭情形之最大功率追蹤技術稱為全域最大功率追蹤(Global Maximum Power Point Tracking,GMPPT)技術。

太陽能最大功率追蹤演算法的相關研究可分成兩大重點：

當太陽能發電系統追蹤至最大功率點前，會產生暫態追蹤損失，為減少暫態追蹤損失並因應外在環境之變化，如何擁有理想之暫態響應為重要課題。

當太陽能發電系統長時間處於穩態時，為避免工作點於最大功率點附近振盪而產生穩態追蹤損失，如何使太陽能發電系統於穩態時具有良好的追蹤精確度，亦為太陽能發電系統中不可或缺之一環。

習知技術之最大功率追蹤法，包含開路電壓法(Open Circuit Voltage,OCV)、短路電流法(Short Circuit Current,SCI)、擾動觀察法(Perturb and Observe,P&O)、增量電導法(Incremental Conductance,INC)、模糊控制(Fuzzy Logic Control,FLC)法、類神經網路(Artificial Neural Network,ANN)法及漣波修正控制(Ripple Correlated Control,RCC)法，上述方法在單一均勻照度與溫度下能有效追蹤到最大功率點，且可降低硬體複雜度，改善最大功率追蹤成效。但是當操作環境出現部分遮蔭時，這些最大功率追蹤法的效能會降低，甚至無法追到最大功率點，為了解決部分遮蔭的問題而提出的文獻，主要分為硬體與軟體兩種主要類型：

一、硬體式最大功率點追蹤法：

將集中式的功率電路架構改變成分散型功率電路架構，或透過可重組的電路架構解決部分遮蔭情況的問題。包含：根據部分遮蔭情況立即排列太陽能電池模組陣列架構型、多階功率轉換器獨立轉換太陽能電池模組電能型、模組整合型、自適型平衡電能型等。由於此法大部分都是分散型架構，每個分散的個體皆可獨立控制，因此能保證追蹤到全域最大功率點，但具有較高的成本與複雜度。

二、軟體式最大功率點追蹤法：

一般應用於集中型太陽能發電系統架構，僅需一組功率轉換器，並透過軟體對部分遮蔭情況下的P-V特性曲線多個峰值點進行定位，以進行全域最大功率點追蹤。有文獻採用以數值理論為基礎的搜尋方法，逐漸縮小搜尋範圍找尋全域最大功率點，亦有文獻以費氏搜尋演算法(Fibonacci Search Algorithm,FSA)為基礎來縮小搜尋範圍，又有文獻提出以窗型搜尋演算法(Window Search Algorithm,WSA)為基礎的搜尋方法，其利用開路電壓與短路電流於功率-電壓特性曲線上所構成的三角範圍，並根據操作點所對應到的電流進行操作，藉由逐漸縮小操作範圍以追蹤全域最大功率點，上述方法雖能提高追蹤精確度與命中率，並縮短追蹤時間，但演算法複雜度較高，需要具備強大計算能力的微處理器，因此與舊有的太陽能發電系統韌體整合困難度較高。

一個優良的最大功率追蹤法除了追蹤速度快追蹤損失小外，還必須具備實現成本(軟硬體複雜度)低、系統相容性佳、和容易擴充等特性，其中實現成本低包含演算法簡單可以低成本微控制器來實現，不需額外的感測裝置和電路(如照度計、感溫計、和轉換電路)等。對於商用之太陽能發電系統，基於成本與體積的考量下，太陽能電池的利用率和轉換效率的改善變得極其重要，但太陽能電池的輸出功率會依據當時的日照量與溫度的不同而改變，因此，必須發展一最大功率追蹤法則，能在不同的操作環境條件下仍然可使太陽能陣列保持最大功率輸出，並具有快速且準確的追蹤響應。習知技術在穩定的天氣狀態下能發揮高效能表現，但在部分遮蔭情況下，因為功率-電壓之特性曲線變得更加複雜，其呈現多個峰值的情況而產生多個局部的最大功率點，由於習知技術的最大功率追蹤法在追尋到峰值時便會停止搜尋，因此其在搜索全域最大功率點時會遭遇困難，這會造成太陽能發電系統的追蹤效率下降。由於部分遮蔭的情形對大型太陽能發電系統而言相當常見，因此本領域亟需一新穎的全域最大功率追蹤演算法。

本案之一目的在於揭露一種太陽能電池之全域最大功率追蹤方法，其藉由區段取樣追蹤至最大功率點附近，再以α因子擾動觀察法改善追蹤之精確度，以達到將操作點穩定控制在最大功率點之目的。

本案之另一目的在於揭露一種太陽能電池之全域最大功率追蹤方法，其能以低成本微控制器來實現，不需額外感測裝置及電路，進而能實現軟、硬體之複雜度低、系統相容性佳、和容易擴充等特性。

本案之又一目的在於揭露一種太陽能電池之全域最大功率追蹤方法，相較於習知技術之決定型杜鵑鳥搜尋法在上升時間改善了34.67%，在穩定時間改善了25.18%，在平均追蹤電能損失減少35.68%，且穩態追蹤精確度可達99.99%。

本案之再一目的在於揭露一種太陽能電池之全域最大功率追蹤方法，其在不同遮蔭樣式下皆能追蹤到全域最大功率點，且在所測試的五種遮蔭樣式下其穩態追蹤精確度皆高於99.00%。

為達前述目的，一種太陽能電池之全域最大功率追蹤方法乃被提出，其係利用一控制電路實現，該最大功率追蹤方法包括以下步驟：設定N個遮蔭樣式取樣區段，在所述N個遮蔭樣式取樣區段各量測一取樣點之一取樣電流值及一取樣電壓值，N為正整數；依一基準電壓值計算各所述取樣電壓值之電壓標么值及計算各所述遮蔭樣式取樣區段的所述取樣電流值與所述電壓標么值之乘積以得到N個乘積，選取與所述N個乘積中最大的前兩個相對應的兩個所述取樣點做為兩個起始操作點；以及依兩個所述起始操作點分別進行一α因子擾動觀察法運算以得到二候選最大功率點，以所述二候選最大功率點中具有較大功率值者做為最大功率點以決定一電壓命令，該α因子擾動觀察法運算包括：△V _pv(n)=α×△V _pv(n-1),P(n-2)<P(n-1)且P(n)<P(n-1)， 其中，△V _pv (n)為目前之電壓擾動量，△V _pV (n-1)為前一次之電壓擾動量，α為小於1之常數以降低穩態振盪，P(n)為目前功率值，P(n-1)為前一次取樣之功率值，P(n-2)為前兩次取樣之功率值。

在一實施例中，所述基準電壓值等於一太陽能電池開路電壓值。

在一實施例中，所述N個遮蔭樣式取樣區段之照度變化最小幅度為100W/m²。

在一實施例中，該控制電路包括：一升壓轉換器，具有一輸入端、一控制端及一輸出端，該輸入端係用以與一太陽能電池系統耦接，該控制端係用以接收一脈衝寬度調變信號，且該輸出端係用以與一負載耦接；以及一微控制器，用以產生該電壓命令及依該電壓命令提供該脈衝寬度調變信號。

在一實施例中，該微控制器具有一數位信號處理器，用以對該目前電壓及該目前電流分別進行一類比至數位轉換運算及一數位濾波運算，及依該電壓命令執行一比例-積分-微分控制運算及一脈衝寬度調變運算以輸出該脈衝寬度調變信號。

為使貴審查委員能進一步瞭解本案之結構、特徵及其目的，茲附以圖式及較佳具體實施例之詳細說明如後。

100‧‧‧太陽能電池系統

200‧‧‧升壓式轉換器

300‧‧‧微控制器

400‧‧‧負載

步驟a‧‧‧設定N個遮蔭樣式取樣區段，在所述N個遮蔭樣式取樣區段各量測一取樣點之一取樣電流值及一取樣電壓值，N為正整數

步驟b‧‧‧依一基準電壓值計算各所述取樣電壓值之電壓標么值及計算各所述遮蔭樣式取樣區段的所述取樣電流值與所述電壓標么值之乘積以得到N個乘積，選取與所述N個乘積中最大的前兩個相對應的兩個所述取樣點做為兩個起始操作點

步驟c‧‧‧依兩個所述起始操作點分別進行一α因子擾動觀察法運算以得到二候選最大功率點，以所述二候選最大功率點中具有較大功率值者做為最大功率點以決定一電壓命令

圖1繪示本案之太陽能電池之全域最大功率追蹤方法之一實施例步驟流程圖。

圖2繪示太陽能電池之單二極體等效電路圖。

圖3a繪示太陽能電池在不同照度值下之輸出電流-電壓曲線。

圖3b繪示太陽能電池在不同照度值下之輸出功率-電壓曲線。

圖4a繪示太陽能電池在滿照度1000W/m²不同溫度值下電流-電壓曲線。

圖4b繪示太陽能電池在滿照度1000W/m²在不同溫度值下功率-電壓曲線。

圖5a繪示太陽能電池在有遮蔭情況下之輸出電流-電壓曲線圖。

圖5b繪示太陽能電池在有遮蔭情況下之輸出功率-電壓曲線圖。

圖6繪示本案所採之全域最大功率追蹤系統硬體架構示意圖。

圖7繪示太陽能發電系統7串1並之架構示意圖。

圖8a繪示120種遮蔭樣式示意圖。

圖8b繪示120種遮蔭樣式下輸出電流-電壓曲線圖示意圖。

圖8c繪示120種遮蔭樣式下輸出功率-電壓曲線圖示意圖。

圖8d繪示120種照度樣式之全域最大功率點區間分布圖。

圖9繪示本案之太陽能電池輸出電流-電壓曲線之取樣示意圖。

圖10a繪示功率-電壓曲線由左半平面跨越最大功率點後追蹤至右半平面之示意圖。

圖10b繪示功率-電壓曲線由右半平面跨越最大功率點後追蹤至左半平面之示意圖。

圖11繪示α因子擾動觀察法之流程圖。

圖12繪示本案之全域最大功率追蹤法之韌體主程式流程圖。

圖13繪示本案之全域最大功率追蹤法之實驗系統設置圖。

圖14繪示本案之全域最大功率追蹤法之性能評量標準定義之示意圖。

圖15a繪示遮蔭樣式1之功率-電壓曲線圖。

圖15b繪示遮蔭樣式1之模擬之功率及電壓追蹤波形圖。

圖15c繪示遮蔭樣式2之功率-電壓曲線圖。

圖15d繪示遮蔭樣式2之模擬之功率及電壓追蹤波形圖。

圖16a繪示習知技術之決定型杜鵑鳥搜尋法不同變動因子β之成功追到最大功率命中率。

圖16b繪示習知技術之決定型杜鵑鳥搜尋法模擬之遮蔭樣式1之功率-電壓曲線圖及電壓追蹤波形圖。

圖16c繪示習知技術之決定型杜鵑鳥搜尋法模擬之遮蔭樣式2之功率-電壓曲線圖及電壓追蹤波形圖。

圖17a繪示7slp系統於均勻照度(1000W/m²)下之功率-電壓曲線圖。

圖17b繪示本案於標準測試條件下之功率及電壓追蹤波形模擬圖。

圖17c繪示習知技術之變動步階擾動觀察法於標準測試條件下之功率及電壓追蹤波形模擬圖。

圖17d繪示習知技術之決定型杜鵑鳥搜尋法於標準測試條件下之功率及電壓追蹤波形模擬圖。

圖18a繪示本案於遮蔭樣式1之模擬機實測圖。

圖18b繪示本案於遮蔭樣式1之實測追蹤波形圖。

圖18c繪示本案於遮蔭樣式2之模擬機實測圖。

圖18d繪示本案於遮蔭樣式2之實測追蹤波形圖。

請參照圖1，其繪示本案之太陽能電池之全域最大功率追蹤方法之一實施例步驟流程圖。

如圖所示，本案之太陽能電池之全域最大功率追蹤方法，其係利用一控制電路實現，該最大功率追蹤方法包括以下步驟：設定N個遮蔭樣式取樣區段，在所述N個遮蔭樣式取樣區段各量測一取樣點之一取樣電流值及一取樣電壓值，N為正整數；(步驟a)；依一基準電壓值計算各所述取樣電壓值之電壓標么值及計算各所述遮蔭樣式取樣區段的所述取樣電流值與所述電壓標么值之乘積以得到N個乘積，選取與所述N個乘積中最大的前兩個相對應的兩個所述取樣點做為兩個起始操作點；(步驟b)；以及依兩個所述起始操作點分別進行一α因子擾動觀察法運算以得到二候選最大功率點，以所述二候選最大功率點中具有較大功率值者做為最大功率點以決定一電壓命令，該α因子擾動觀察法運算包括：△V _pv(n)=α×△V _pv(n-1),P(n-2)<P(n-1)且P(n)<P(n-1)，其中，△V _pv (n)為目前之電壓擾動量，△V _pv (n-1)為前一次之電壓擾動量，α為小於1之常數以降低穩態振盪，P(n)為目前功率值，P(n-1)為前一次取樣之功率值，P(n-2)為前兩次取樣之功率值；(步驟c)。

其中，所述基準電壓值例如但不限於等於一太陽能電池開路電壓值；所述N個遮蔭樣式取樣區段之照度變化最小幅度例如但不限於為100W/m²。

該控制電路例如但不限於包括：一升壓轉換器，具有一輸入端、一控制端及一輸出端，該輸入端係用以與一太陽能電池系統耦接，該控制端係用以接收一脈衝寬度調變信號，且該輸出端係用以與一負載耦接；以及一微控制器，用以產生該電壓命令及依該電壓命令提供該脈衝寬度調變信號。

其中，該微控制器具有一數位訊號處理器，用以對該目前電壓及該目前電流分別進行一類比至數位轉換運算及一數位濾波運算，及依該電壓命令執行一比例-積分控制運算及一脈衝寬度調變運算以輸出該脈衝寬度調變信號。

以下將針對本案的原理進行說明：

太陽能電池電氣特性：

請參照圖2，其繪示太陽能電池之單二極體等效電路圖。

如圖所示，太陽能電池之電氣特性為一非線性電源，且不允許逆向電流，其電壓與電流呈現一指數曲線關係，因此當太陽能電池輸出電壓變動時，其輸出電流也會隨之變動。依據等效電路可得知太陽能電池輸出電壓與電流之關係式如方程式(1)所示。

其中，I _pv為太陽能電池之輸出電流、I _ph為光電轉換電流、I _Ｓ為二極體逆向飽和電流、q為載子電荷量(1.60×10^-19C)、V _pv為太陽能電池之輸出電壓、R _S為等效串聯電阻、k為波茲曼常數(1.38065×10^-23J/°K)、A為理想因子(1~2之間)、T為絕對溫度值、N為太陽能電池串聯數、R _P為等效並聯電阻。

而光電轉換電流I _ph與照度值關係式如方程式(2)所示。

其中，S為照度值，單位為W/m²，I _SC為太陽能電池之短路電流。

由方程式(2)得知，當照度值S上升時，半導體因為照射之光能量增加使得輸出之電能隨之增加，太陽能電池之光電轉換電流I _ph亦隨之增加。

一般而言，由於太陽能電池並聯電阻值遠大於串聯電阻值，可利用方程式(1)與方程式(2)整理出方程式(3)。

為了觀察照度值與環境溫度值改變時對太陽能電池輸出特性曲線之影響，可將方程式式(3)改寫成方程式(4)。

由方程式(4)得知，因存在自然對數關係，故太陽能電池輸出電壓V _pv於照度上升時只有些微變化。當照度值S上升時，半導體因為照射之光能量增加使得輸出之電能隨之增加，太陽能電池之光電轉換電流I _ph亦隨之增加。又因為輸出短路電流I _SC與照度值S幾乎成正比，使太陽能電池之短路電流明顯增加，而使得操作點下之輸出電流I _pv亦隨著增加。

請一併參照圖3a及3b，其中圖3a其繪示太陽能電池在不同照度值下之輸出電流-電壓曲線圖；圖3b其繪示太陽能電池在不同照度值下之輸出功率-電壓曲線圖。

其中，環境溫度值係固定於25℃，不同照度值分別為200W/m²、400W/m²、600W/m²、800W/m²及1000W/m²，如圖所示，這五種照度值係使用方程式(3)運算後繪製之五條太陽能電池輸出曲線，所述特性曲線會隨照度值變化而改變。

為了利於觀察照度或環境溫度變化時對太陽能電池輸出特性曲線之影響，可將方程式(4)重新整理為方程式(5)。

請一併參照圖4a及4b，其中圖4a其繪示太陽能電池在滿照度1000W/m²不同溫度值下電流-電壓曲線；圖4b其繪示太陽能電池在滿照度1000W/m²在不同溫度值下功率-電壓曲線。

根據太陽能電池模組標準測試條件(Standard Test Condition,STC)，將溫度和照度分別設定為25°C以及滿照度(1000W/m²)，利用MATLAB數學軟體與式(3)畫出於標準測試條件下之太陽能電池模組輸出電流-電壓和功率-電壓特性曲線圖。如圖所示，太陽能電池輸出特性曲線也會受到環境溫度值影響，由方程式(5)得知，當環境溫度值上升時，因其等效二極體之特性造成轉換電流減少使太陽能電池輸出電流I _pv略為上升；且由方程式(3)得知，環境溫度值與太陽能電池輸出電壓V _pv成正比關係，但太陽能電池輸出電流I _pv亦會隨溫度值上升而上升，且其所受影響遠大於輸出電壓V _pv，因此環境溫度值對太陽能電池輸出電壓V _pv影響不大，反而等效串聯電阻跨壓衰減量因輸出電流I _pv略微提升而隨之增加，使太陽能電池之輸出電壓V _pv造成明顯下降，故當太陽能電池溫度上升時，其輸出功率也下降。

前面所述之特性曲線均是針對單一太陽能電池進行介紹，然而在實際應用上，單一太陽能電池所能供給之輸出功率有限，因此會將多個太陽能電池以串聯或並聯的方式組成太陽能電池模組來符合所需之規格。由於不再是由單一太陽能電池提供電能，因此當遮蔭情形發生時，受遮蔭之太陽能電池非但無法正常提供能量甚至形同一負載以發熱形式來消耗能量，也就是所稱之熱點，此時會藉由太陽能電池之旁路二極體將太陽能電池短路，也因此太陽能特性曲線會呈現多峰之情形。

請一併參照圖5a及5b，其中圖5a其繪示太陽能電池在有遮蔭情況下之輸出電流-電壓曲線圖；圖5b其繪示太陽能電池在有遮蔭情況下之輸出功率-電壓曲線圖。

以7串1並之太陽能電池模組為例，當遮蔭情形發生，且太陽能電池之照度分別為100W/m²、200W/m²、300W/m²、400W/m²、500W/m²、600W/m²與700W/m²，溫度為25℃時，如圖5a所示，因為是7串1並之系統，所以曲線會呈現7個峰之情形，意謂著幾串的系統最多就會產生幾個峰值。如圖5b所示，最大功率點位置出現在曲線第四峰，但最大功率點之位置會隨著照度不同而改變，由此可說明習知技術之最大功率追蹤方法不適用於遮蔭情形之原因。

本案之太陽能電池所採之全域最大功率追蹤系統硬體架構：

請參照圖6，其繪示本案所採之全域最大功率追蹤系統硬體架構示意圖。

太陽能電池輸出特性曲線為一非線性指數函數曲線，並存在一個最大功率點，且太陽能電池會隨當時環境溫度與日照強度的不同而產生出不一樣的特性曲線，因此能輸出最大功率的操作點亦隨之不同。為隨時能擷取最大之功率輸出，必須將操作點操作於太陽能電池特性曲線上之最大功率點處，以發揮其最大能量，此種控制方式被稱為最大功率追蹤技術。

如圖所示，本案所採之太陽能最大功率追蹤系統硬體架構包含太陽能電池系統100、升壓式轉換器200及微控制器300。

該升壓轉換器200具有一輸入端、一控制端及一輸出端，該輸入端係用以與該太陽能電池系統100耦接，該控制端係用以接收一脈衝寬度調變信號，且該輸出端係用以與一負載400耦接。

該微控制器300具有一數位訊號處理器用以對太陽能電池系統100輸出之電壓及電流分別進行一取樣、一類比至數位轉換運算及一數位濾波運算，再進行最大功率追蹤法之運算進而產生一電壓命令，該電壓命令經由一比例-積分-微分控制運算及一脈衝寬度調變運算產生一責任週期用以控制該升壓式轉換器200達到最大功率追蹤之目的。

其中，由於習知技術的太陽能電池系統100的輸出電壓普遍過低，該升壓式轉換器200係用以提升該太陽能電池系統100之輸出電壓，該升壓式轉換器200例如但不限為一升壓型直流-直流轉換器；該微控制器300例如但不限為採用一低成本的數位訊號處理器來實現。本案選用美商Microchip公司所推出之低價位dsPIC33FJ16GS502數位訊號處理器作為最大功率追蹤之數位控制核心。

請參照圖7，其繪示太陽能發電系統7串1並之架構示意圖。

本案採用7片LDK Solar公司所製造型號為LDK-85之太陽能電池模組串聯做為系統輸入源，即7串1並之架構，以7slp表示，如圖7a所示，太陽能電池模組之電氣規格如表1所示。

如前所述之太陽能電池電氣特性，太陽能電池模組輸出功率-電壓曲線會受到照度與環境溫度影響，但些微照度變化對功率-電壓曲線造成之影響並不明顯，且不同照度對功率-電壓曲線之影響程度遠大於環境溫度之影響，因此本案假設所有太陽能電池模組皆操作於平均環境溫度25℃，將標準測試條件(Standard Test Condition,STC)之照度1000W/m²視為滿照度，並將照度自0W/m²至1000W/m²依固定幅度變化。

如果照度變化之幅度設定太大，會使得模擬資料不夠完全；反之若照度變化之幅度設定太小，會使得模擬資料過於龐大，為兼顧資料完整性與資料量的大小，並提高不同照度的鑑別度，本案選定100W/m²為照度變化之最小幅度，在測試照度變化範圍內，以100W/m²作為測試時之最小照度，以1000W/m²作為測試時之最大照度，也就是總共有10種照度。

而7slp之太陽能發電系統為一串聯架構，而相同的照度以不同方式排列將有相同的遮蔭效果，因此計算可能產生之遮蔭樣式僅單純考慮組合數而非排列數，不重複照度之遮蔭樣式計算以方程式(6)表示。

其中，n代表所有可能出現的照度總數，m則代表在太陽能發電系統中所出現的照度總數。

請一併參照圖8a~8d，其中圖8a其繪示120種遮蔭樣式示意圖，圖8b其繪示120種遮蔭樣式下輸出電流-電壓曲線圖示意圖，圖8c其繪示120 種遮蔭樣式下輸出功率-電壓曲線圖示意圖，圖8d其繪示120種照度樣式之全域最大功率點區間分布圖。

若每一個太陽能電池模組之照度皆不重複，對於本案所採用之7slp架構，將會產生C(10,7)=120種不同的遮蔭樣式。因為本案係根據7slp太陽能發電系統受到不重複照度之遮蔭樣式進行模擬，如圖8a所示。遮蔭樣式下之e照度組合為(400W/m²、500W/m²、600W/m²、700W/m²、800W/m²、900W/m²，1000W/m²)，由圖8b、圖8c可知，太陽能電池之輸出特性曲線上存在多個區域最大功率點與一全域最大功率點，而且不同遮蔭樣式所構成之特性曲線也會有所差異。

本案係透過MATLAB軟體模擬各種遮蔭樣式之全域最大功率點所在區間分布情形，同時也記錄各遮蔭樣式下之最大功率點電壓值，其結果統計如圖8d所示。能得知全域最大功率點(GMPP)出現在各區間之次數，GMPP在7slp之架構下以出現在第五區間的機率最高，達到47.5%，其次為第四區間，達到35%，第三區間和第六區間的機率則分別為13.33%和3.33%，第二區間機率為0.833%，而第一區間和第七區間的機率則為0。

請參照圖9，其繪示本案之太陽能電池輸出電流-電壓曲線之取樣示意圖。

如圖所示，7個標示的圓點為7個取樣點所在位置，星號為此一遮蔭樣式下之全域最大功率點所在位置，而遮蔭樣式之照度組合同樣為(400W/m²、500W/m²、600W/m²、700W/m²、800W/m²、900W/m²，1000W/m²)。圖中有7個平滑區段，在此7個平滑區段各進行取樣，再將7個取樣點之電壓與電流值代入方程式(7)即可推得遮蔭樣式下之7個照度。

由於太陽能電池之並聯電阻值遠大於串聯電阻值，可將方程式(5)簡化成方程式(8)。

且在平滑區段取樣時溫度的變化對估測照度之影響不大，故可再將方程式(8)簡化成方程式(9)，並推得照度之計算式如所述方程式(7)。

關於如何在7個平滑區段選取取樣點，本案係利用MATLAB模擬各種遮蔭樣式下之7個區段間可選取範圍並取其結果之交集，起始點即為各區間之平滑區段開始位置，而終止點判斷條件為電流變化量對電壓變化量之絕對值小於設定值，當電流變化量對電壓變化量絕對值大於設定值時，即代表電流變化量過大，取樣點已不在該平滑區段內，7個區段可選取範圍如表2所示。

其中，表2中括號內之數值是以LDK-85太陽能電池開路電壓值21.6V計算所得。

有了先前模擬所得之120種遮蔭樣式於各區段內之分布情形，紀錄各區段內不同遮蔭樣式之最大功率點電壓，再將各區段內不同遮蔭樣式之最大功率點電壓值進行平均，如表3所示。

其中，表3之標么值(Per-unit value)是以LDK-85太陽能電池開路電壓值21.6V為基準值計算所得。

由圖8d得知，沒有遮蔭樣式之最大功率點落在第一區間與第七區間，但為了方便後續計算，表3中之第一區間與第七區間數據為利用最佳與最差遮蔭樣式下兩區間之區域最大功率點電壓平均值作為兩區間之最大功率點電壓平均值，而最佳照度組合為400W/m²、500W/m²、600W/m²、700W/m²、800W/m²、900W/m²與1000W/m²，最差照度組合則為100W/m²、200W/m²、300W/m²、400W/m²、500W/m²、600W/m²與700W/m²，而其他區間之數據為配合圖8d各區段相對應次數之全域最大功率點電壓取平均值即可獲得。

透過取樣之7組電壓值與電流值，可推得某一遮蔭樣式下之照度組合，將7組電流值由大到小排序，再分別與表4中之最大功率點電壓標么值做乘積(P=I×V)，亦即最大之電流值與0.80相乘，而第二大之電流值與1.62相乘，因此會得到7組乘積結果，從中挑選最大之兩組，再將其所對應之電壓標么值與開路電壓值乘積，作為第二階段α因子擾動觀察法之兩組參考電壓值，透過α因子擾動觀察法將操作點分別控制在最大功率點上，最後選取功率追蹤值較大者即為最大功率點，而此處挑選乘積結果最大兩組之用意為避免乘積結果過於接近而誤判最大功率點之情形。

α因子擾動觀察法：

α因子擾動觀察法其工作原理與擾動觀察法相似，為了改善固定步階擾動觀察法在最大功率點附近振盪的問題，文獻中已提出許多變動步階擾動觀察法，但其牽涉之參數較多且演算法較為複雜，故本案基於變動步階擾動觀察法之精神，使用α因子擾動觀察法，如方程式(10)所示。

△D(n)=α×△D(n-1) (10)

其中，△D(n)為目前之責任週期擾動量，△D(n-1)為前一次之責任週期擾動量，α為所設定之α因子。

由此可知，目前之責任週期擾動量△D(n)僅與前一次之責任週期擾動量△D(n-1)及α因子有關，且其關係式簡單，而式中之α因子需小於1以縮小責任週期擾動量來降低穩態振盪問題。為了確保系統響應快速，此方法需滿足以下兩個條件式才能執行方程式(10)。

P(n-1)>P(n) (11)

P(n-1)>P(n-2) (12)

其中，P(n)為目前之功率值，P(n-1)為前一次之功率取樣值，P(n-2)為前兩次之功率取樣值。

請一併參照圖10a~10b，其中圖10a其繪示功率-電壓曲線由左半平面跨越最大功率點後追蹤至右半平面之示意圖，圖10b其繪示功率-電壓曲線由右半平面跨越最大功率點後追蹤至左半平面之示意圖。

如圖所示，兩者之共同點均為跨越最大功率點，而跨越最大功率點即操作點位於最大功率點附近，為消除固定步階擾動觀察法於最大功率點附近之振盪問題，該方法將責任週期擾動量乘上α因子來縮小擾動程度，進而達到提升穩態追蹤精確度之功效，此條件設計不管是由開路電壓端或短路電流端開始追蹤均能兼顧，而當條件未符合時，表示目前操作點與最大功率點間仍有一段距離，此時可使用較大之責任週期擾動量以縮短暫態追蹤時間。

請參照圖11，其繪示α因子擾動觀察法之流程圖。

如圖所示，首先取樣太陽能電池電壓與電流值，並計算其功率值大小，接著判斷條件式(11)與條件式(12)是否成立，透過結果決定責任週期擾動量之大小，再利用擾動觀察法原理與目前操作點位置計算所需之責任週期擾動量，再更新責任週期數值，反覆上述流程便可達到最大功率追蹤之目的。

請參照圖12，其繪示本案之全域最大功率追蹤法之韌體主程式流程圖。

如圖所示，韌體主程式架構主要包含數位訊號處理器周邊腳位之功能設定、內部工作環境設定、暫存器設定、中斷設定、計時器設定、類比/數位轉換器及脈波寬度調變等周邊設定。先提供電源給數位訊號處理器，接著初始化使用之變數，並對內部振盪器進行設定、設定計時器、選擇輸入輸出埠、進行類比/數位轉換器和脈波寬度調變模組設定與致能及中斷向量設定，接著主程式進入無窮迴圈等待中斷發生。而中斷部分本案僅使用ADC中斷，其可分為取樣、濾波及最大功率追蹤演算法三部分，取樣部分透過類比/數位轉換器將訊號送入數位信號處理器，為了防止高頻雜訊之影響，本案使用了有限脈衝響應濾波器(Finite Impulse Response Filter,FIR Filter)消除雜訊。由於實際日照變化較為緩慢，因此電壓命令更新時間不須太快，此處設計0.2秒為電壓命令變更時間，因ADC模組每1ms進入中斷一次，當計數未達0.2秒時，則僅對太陽能電池模組輸入電壓及電流進行FIR濾波並利用PID運算追隨上次最大功率追蹤演算法所提供之電壓命令，而當計數到達條件時，則進入最大功率追蹤副程式，反覆上述之動作，即可完成最大功率追蹤。

本案與習知技術之比較與分析：

接著透過模擬軟體MATLAB來實現本案之全域最大功率追蹤法，並針對7串1並太陽電池模組所生成的各種照度樣式進行模擬並記錄其追蹤性能，並將模擬結果實際進行最大功率追蹤實驗，最後將實驗結果進行分析與比較。

請參照圖13，其繪示本案之全域最大功率追蹤法之實驗系統設置圖。

如圖所示，本案進行實驗時，輸入源使用AMETEK公司所推出之TerraSAS ETS 600X8 D-PVE太陽能電池模擬機來模擬LDK Solar公司所推出型號為LDK-85之太陽能電池，功率級為升壓式轉換器，負載端使用Chroma公司所推出之63108A電子式負載並將其操作於定電壓模式穩壓至200V進行實驗，控制級則選用Microchip公司所推出之數位訊號處理器dsPIC33FJ16GS502配合所撰寫之MPPT追蹤演算法進行全域最大功率追蹤，波形量測部分則選用Tektronix公司所推出之DPO4054示波器。

TerraSAS ETS 600X8 D-PVE在模擬太陽能電池之特性曲線時，內部程式使用1024個電壓及電流點並利用內插法來繪製出太陽能電池之電流-電壓特性曲線，使用者也可直接提供1024個點之電壓電流資料或使用內建之繪圖方案，於人機操作界面上輸入太陽能電池之開路電壓V _oc、短路電流I _sc、最大功率點電壓V _mpp、最大功率點電流I _mpp、填充係數(Fill Factor,FF)及溫度係數等相關資訊，即可建立出相對應之太陽能電池電流-電壓特性曲線，本案採用串聯7個LDK Solar公司所製造型號為LDK-85太陽能電池模組做為系統輸入源，而單片太陽能電池模組之電氣規格如表1所示，經7串1並後其對應之規格則如表4所示。

性能評估參數之定義：

請一併參照圖14及表5，其繪示本案之全域最大功率追蹤法之性能評量標準定義之示意圖。

模擬前必須先定義性能評量標準，方可達到比較之公正性與準確性，如圖14所示之灰色面積部分為追蹤電能損失，而10秒之設定主要依據模擬結果，各方法之穩定時間最大值約為5秒，將其乘以2以兼顧評估暫態響應及穩態響應之追蹤電能損失。

遮蔭情形之模擬與比較：

由圖8d可知，本案7slp太陽能發電系統之全域最大功率點並不會出現於第1峰與第7峰兩區間，而為了驗證本案所提之最大功率追蹤技術於不同遮蔭樣式下均能追蹤到全域最大功率點，從120種遮蔭樣式中挑選5種全域最大功率點分布於不同區間之遮蔭樣式進行模擬，5種遮蔭樣式之照度組合如表6所示。

在進行不同遮蔭樣式與比較方法之模擬時，以步階(step)來表示最大功率追蹤命令變動時間，並將一個步階定義為0.2秒，且模擬時間最大值設定為10秒，亦即步階最多為50步。在進行所提方法於遮蔭情形之模擬時，將α因子擾動觀察法之α因子設定為0.5。

請一併參照圖15a~15d，其中圖15a其繪示遮蔭樣式1之功率-電壓曲線圖，圖15b其繪示遮蔭樣式1之模擬之功率及電壓追蹤波形圖，圖15c其繪示遮蔭樣式2之功率-電壓曲線圖，圖15d其繪示遮蔭樣式2之模擬之功率及電壓追蹤波形圖。

如圖15a及15c所示，圖中均標示出全域最大功率點位置及其數值，如圖15b及15d所示，橫座標之單位為步階(step)數，由圖得知本案所用之α因子擾動觀察法有效地改變電壓步階大小，也因此所需之上升時間及穩定時間較短，亦能大幅減少追蹤功率損失，5種遮蔭樣式之各項量測標準模擬結果整理如表7所示。

請一併參照圖16a~16c，其中圖16a其繪示習知技術之決定型杜鵑鳥搜尋法不同變動因子β之成功追到最大功率命中率，圖16b其繪示習知技術之決定型杜鵑鳥搜尋法模擬之遮蔭樣式1之功率-電壓曲線圖及電壓追蹤波形圖，圖16c其繪示習知技術之決定型杜鵑鳥搜尋法模擬之遮蔭樣式2之功率-電壓曲線圖及電壓追蹤波形圖。

接著以習知技術之決定型杜鵑鳥搜尋法與本案所提方法進行比較，習知技術之決定型杜鵑鳥搜尋法中提到變動因子β之選擇會影響到遮蔭情形下之成功命中率，故本案也將變動因子β分成16等分，並針對120種不同之遮蔭情形進行模擬，再挑選命中率高者與本案所提方法進行比較。如圖16a所示，當變動因子β為1/16至3/16時，其命中率皆高達119次以上，但這三種變動因子情況下之穩定時間以及追蹤電能損失皆較高，因此權衡命中率與追蹤電能損失等原因，本案選擇變動因子β為6/16之習知技術之決定型杜鵑鳥搜尋法與本案進行模擬比較，而5種遮蔭樣式之照度組合也與表6相同，而習知技術之決定型杜鵑鳥搜尋法5種遮蔭樣式之各項量測標準模擬結果整理如表8所示。

最後統整本案與習知技術之決定型杜鵑鳥搜尋法於120種遮蔭樣式下之執行結果總平均整理如表9所示。

由上表可知，本案在上升時間及穩定時間方面分別改善了34.67%與25.18%，在追蹤電能損失方面減少了35.68%，且穩態追蹤精確度可達99.99%。

請一併參照圖17a~17d，其中圖17a其繪示7slp系統於均勻照度(1000W/m²)下之功率-電壓曲線圖，圖17b其繪示本案於標準測試條件下之功率及電壓追蹤波形模擬圖，圖17c其繪示習知技術之變動步階擾動觀察法於標準測試條件下之功率及電壓追蹤波形模擬圖，圖17d其繪示習知技術之決定型杜鵑鳥搜尋法於標準測試條件下之功率及電壓追蹤波形模擬圖。

如圖17a所示，圖中已標示出最大功率點位置且其最大功率為597.558W，如圖17b~17d所示，標準測試條件為環境溫度為25℃，照度為滿照度1000W/m²，

本案於10種均勻照度之各項評量值如表10.1及表10.2所示。

習知技術之變動步階擾動觀察法(M值為1)於10種均勻照度之各項評量值如表11.1及表11.2所示。

習知技術之決定型杜鵑鳥搜尋法(變動因子β=6/16)於10種均勻照度之各項評量值如表12.1及表12.2所示。

其中由表11.1及表11.2可得知，習知技術之變動步階擾動觀察法當照度為400W/m²以下時，其上升時間及穩定時間皆為所設定之模擬時間最大值10s，即在這四種均勻照度情形該方法在設定時間內皆未完成最大功率追蹤，而由表表10.1及表10.2得知本案之各項量測標準則不會發生此問題。再者，觀察表10至表12於照度1000W/m²情形下之穩態平均功率，可驗證三種方法皆能成功追蹤至圖17a之最大功率值。

實測環境條件與模擬實驗皆相同，程式亦以0.2秒更新一次最大功率追蹤命令。同樣的，為了驗證本案於不同遮蔭樣式下皆能追蹤到全域最大功率點，從120種遮蔭樣式中挑選5種全域最大功率點分布於不同區間之遮蔭樣式進行實測，而此5種遮蔭樣式之照度組合已如表6所示。

請一併參照圖18a~18d，其中圖18a其繪示本案於遮蔭樣式1之模擬機實測圖，圖18b其繪示本案於遮蔭樣式1之實測追蹤波形圖，圖18c其繪示本案於遮蔭樣式2之模擬機實測圖，圖18d其繪示本案於遮蔭樣式2之實測追蹤波形圖。

其中，實測追蹤波形圖部分，本案利用數位儲存式示波器記錄太陽能電池之輸出電壓、電流及功率波形資料點，再利用MATLAB軟體進行繪製，以利各項評量值計算，而5種遮蔭樣式之各項實測之評量值結果如表13所示。

藉由前述所揭露的設計，本案乃具有以下的優點：

1.本案揭露之太陽能電池之全域最大功率追蹤方法，其藉由區段取樣追蹤至最大功率點附近，再以α因子擾動觀察法改善追蹤之精確度，以達到將操作點穩定控制在最大功率點之目的。

2.本案揭露之太陽能電池之全域最大功率追蹤方法，其能以低成本微控制器來實現，不需額外感測裝置及電路，進而能實現軟、硬體之複雜度低、系統相容性佳、和容易擴充等特性。

3.本案揭露之太陽能電池之全域最大功率追蹤方法，相較於習知技術之決定型杜鵑鳥搜尋法在上升時間改善了34.67%，在穩定時間改善了25.18%，在平均追蹤電能損失減少35.68%，且穩態追蹤精確度可達99.99%。

4.本案揭露之太陽能電池之全域最大功率追蹤方法，其在不同遮蔭樣式下皆能追蹤到全域最大功率點，且在所測試的五種遮蔭樣式下其穩態追蹤精確度皆高於99.00%。

本案所揭示者，乃較佳實施例，舉凡局部之變更或修飾而源於本案之技術思想而為熟習該項技藝之人所易於推知者，俱不脫本案之專利權範疇。

綜上所陳，本案無論就目的、手段與功效，在在顯示其迥異於習知之技術特徵，且其首先發明合於實用，亦在在符合發明之專利要件，懇請貴審查委員明察，並祈早日賜予專利，俾嘉惠社會，實感德便。

Claims

一種太陽能電池之全域最大功率追蹤方法，其係利用一控制電路實現，該最大功率追蹤方法包括以下步驟：設定N個遮蔭樣式取樣區段，在所述N個遮蔭樣式取樣區段各量測一取樣點之一取樣電流值及一取樣電壓值，N為正整數；依一基準電壓值計算各所述取樣電壓值之電壓標么值及計算各所述遮蔭樣式取樣區段的所述取樣電流值與所述電壓標么值之乘積以得到N個乘積，選取與所述N個乘積中最大的前兩個相對應的兩個所述取樣點做為兩個起始操作點；以及依兩個所述起始操作點分別進行一α因子擾動觀察法運算以得到二候選最大功率點，以所述二候選最大功率點中具有較大功率值者做為最大功率點以決定一電壓命令，該α因子擾動觀察法運算包括：△V _pv(n)=α×△V _pv(n-1),P(n-2)<P(n-1)且P(n)<P(n-1)，其中，△V _pv (n)為目前之電壓擾動量，△V _pv (n-1)為前一次之電壓擾動量，α為小於1之常數以降低穩態振盪，P(n)為目前功率值，P(n-1)為前一次取樣之功率值，P(n-2)為前兩次取樣之功率值；所述基準電壓值等於一太陽能電池開路電壓值；以及該控制電路包括：一升壓轉換器，具有一輸入端、一控制端及一輸出端，該輸入端係用以與一太陽能電池系統耦接，該控制端係用以接收一脈衝寬度調變信號，且該輸出端係用以與一負載耦接；以及一微控制器，用以產生該電壓命令及依該電壓命令提供該脈衝寬度調變信號，其中，該微控制器具有一數位信號處理器，用以對該目前電壓及該目前電流分別進行一類比至數位轉換運算及一數位濾波運算，及依該電壓命令執行一比例-積分-微分控制運算及一脈衝寬度調變運算以輸出該脈衝寬度調變信號。
如申請專利範圍第1項所述太陽能電池之全域最大功率追蹤方法，其中，所述N個遮蔭樣式取樣區段之照度變化最小幅度為100W/m²。