-
利用MATLAB/Simulink软件搭建的能源管理系统的模型如图 1所示。该模型由激光光伏阵列、降压电路、储能锂电池和智能控制模块等部分组成。智能控制模块包含MPPT模块、锂电池充电控制模块和闭环控制模块。MPPT模块利用扰动观察法实现;锂电池充电控制模块采用了多阶段恒流充电策略;闭环控制模块将充电所需能量和激光光伏阵列接收到的激光能量联系起来,做到“按需索要”,大大减少能量浪费。激光光伏阵列、降压电路、储能锂电池模块和智能控制模块将在下面展开详细论述。图中, PWM(pulse width modulation)表示脉冲宽度调制。
-
光伏电池的输出特性不仅与其内部结构相关,还会受到负载的大小、温度的高低、光照的强弱等外部环境的影响,见图 2[15]和图 3。由图 2可知, 温度对于某一特定入射激光功率密度下激光光伏电池的影响主要体现在随着温度的升高其开路电压和最大功率点处功率、工作电压等参量线性下降,其原因是温度升高使得光伏电池的禁带宽度变窄,耗尽层复合率增加,输出电压下降。因此在激光光伏电池工作时,要保持其工作温度的稳定性,避免因温度过高而造成的功率损失。而由图 3可知, 激光光伏电池的短路电流和最大功率点处的工作电流受温度影响不大,而是由入射激光功率密度所决定的。在不同外界条件下,光伏电池对应着不同的最大功率点,因此, 使光伏系统始终保持最大功率输出的控制方法称为MPPT。常用的MPPT算法有开环控制的电压跟踪法、插值计算法等,以及闭环控制的扰动观察法(perturbation and observation, P&O)、电导增量法(incremental conductance, INC)、粒子群算法(particle swarm optimization, PSO)及模糊控制算法(fuzzy control, FC)等[16]。
本文中利用P&O算法实现MPPT,将追踪到的最大功率点对应的占空比D通过PWM生成器产生控制MOSFET管的开关信号,最后通过降压电路实现MPPT[17]。
P&O算法的原理是通过改变开关信号的占空比使激光光伏阵列的输出电压发生改变,根据改变后光伏阵列输出功率的变化决定下一步占空比改变方向来实现功率最大化[18]。该控制算法仅需采样激光光伏阵列的输出电压和输出电流值,算法复杂度低,易于实现,从而多为工程采用, 其算法流程见图 4。图中K表示迭代次数。
P&O算法模型在Simulink软件中利用相应的模块搭建,详情可见图 5。
用来实现激光光伏阵列MPPT[19-21]算法的电路拓扑结构主要有降压型(buck)、升压型(boost)和升降压型(buck-boost)[22-23]等。基于电路损耗方面考虑,buck电路拓扑结构用以实现输入端的高电压和低电流输入,输出端低电压和大电流的输出,即减小流经buck电路中的电流值,从而减少电路结构中的各种阻性器件的电流热效应损耗[24]。因此本文中选用buck电路拓扑结构来实现激光光伏阵列的MPPT,其电路模型结构见图 1。该电路包含一个MOSFET功率开关管,一个高电感值的电感,两个防止电流反向流通的二极管,输入输出端的两个电容。当MOSFET管在不同的开关状态下对应的电路拓扑结构如图 6所示。
buck电路中的电感L和电容C的取值取决于下面两个公式:
$ L=\frac{V_{\mathrm{LPV}}(1-D) D}{f_{\mathrm{s}} \Delta I_{\mathrm{o}}} $
(1) $ C=\frac{V_{\mathrm{LPV}} D(1-D)}{8 L f_{\mathrm{s}}^{2} \Delta U_{\mathrm{o}}} $
(2) 式中,ΔIo为输出电流Io的纹波电流;fs =1/T,为开关频率, T为周期时间; ΔVo为输出电压Vo的纹波电压; VLPV为激光光伏电压。
通过(1)式和(2)式确定ΔIo、ΔVo和开关频率fs,即可根据输出电压和输出电流的具体需求计算电感和电容的取值。
-
锂电池充电控制算法模块采用了多阶段恒流充电策略,旨在优化恒流恒压充电策略中恒压阶段,减少充电时间。充电过程示意图如图 7所示。
在充电初始阶段,锂电池充电接受能力强,此时用高倍率恒流充电,等达到设定条件,结束该阶段充电。然后逐阶段减小充电电流重复上述步骤直至充电结束[25]。常用的充电设定条件有电池剩余电量(state of charge, SOC)和电池端电压两种,出于安全性和算法简化考虑,本文中采取锂电池端电压作为各阶段充电截止条件,以达到预定SOC作为结束充电标志。
图 8为按照上述算法搭建的仿真模型。该模型的两个输入分别为MPPT模块输出的占空比信号和锂电池的实时状态信息,SOC状态、电流和端电压;其输出为控制buck电路中MOS开关管所需的PWM信号。模型中的float condition模块用作监测锂电池SOC状态,基于安全考虑,将99.8%SOC作为充电结束标志,cutoff voltage模块用作监测锂电池端电压是否达到截止电压56V,其输入信号为锂电池的实时端电压值;其输出是达到条件的次数,即多阶段恒流充电的阶段次序,开始时输出0,表示第一阶段是MPPT模式下PWM输出。multi_condition switch模块的输入为阶段次序,用作判断多阶段恒流充电状态。两个输出是:(1)内部的比例-积分-微分(proportional-integral-differential, PID)电流环依据输入端的实时电流值计算出的占空比信号D;(2)MPPT模式和多阶段恒流充电模式切换信号judgement signal。图中, DC(direct current)表示直流,CC(constant current)表示恒流。
-
目前绝大多数的LWPT系统都是开环系统,在不同负载条件下,很难保证激光器光能输出和激光光伏阵列后续电能消耗得到充分匹配,从而造成了极大的浪费[14]。因此,作者基于激光光伏阵列的输出特点和锂电池的多阶段恒流充电方法提出了一种激光闭环控制方法。
由图 3中激光光伏阵列在温度25℃下不同激光功率密度照射输出的I-V和P-V曲线可知,在阵列输出未达到最大功率点之前,其输出电流基本保持恒定;不同光照下阵列最大功率不同,但其不同最大功率点处电压变化幅度很小,不同的最大输出功率取决于不同的输出电流。
如图 7所示,结合锂电池的多阶段恒流充电方法,若是将充电阶段细分为多个阶段,则每个阶段的端电压变化幅度很小,因此, 可以将每个阶段的充电过程近似为恒定功率充电[26]。
在所搭建的能源管理系统模型中,锂电池多阶段恒流充电过程中每阶段所需的电能由激光光伏阵列提供;而激光光伏阵列所提供的电能多少则是由其接收到的激光功率密度的值来决定。因此, 可将锂电池多阶段恒流充电方法中每阶段所需的电能和激光光伏阵列接收到的激光功率密度值对应起来,即根据锂电池充电所需电能多少来对激光光伏阵列需要的激光功率密度进行调节,从而实现了系统的闭环控制。
基于上述论据,本文中搭建了如图 9所示的基于激光闭环控制的新型锂电池多阶段恒流充电仿真模型。相较于图 8中传统锂电池多阶段恒流充电仿真模型,用对应的激光功率密度信号将multi_condition switch模块及其后续需要的配套模块取代,简化了控制结构,并且实现了激光输出端光能和激光光伏阵列后续消耗电能的闭环控制,减少了能量浪费,提升了激光无线能量传输系统的总体效率。
-
作者在MATLAB/Simulink仿真环境下搭建了激光无线能量传输系统的子系统——能源管理系统, 并通过该模型验证分析了系统仿真结果。系统仿真结果分为以下3个方面详细讨论:MPPT模块、锂电池的多阶段恒流充电模块和闭环控制模块的各自执行效果。
-
该模型中的激光光伏阵列是基于商用模块设置的,该阵列由两串并联,其中每串由4个模块串联而成,单个模块在标准激光功率密度1000W/m2照射下最大功率点电压为30.9V,电流为8.1A,开路电压为36.6V,短路电流为8.75A,最大功率250.29W,可知阵列总功率为2kW。模块温度设置为25℃。MPPT扰动步长ΔD设置为10-6。为验证P&O算法在激光功率密度发生突变时对激光光伏阵列最大功率点的MPPT追踪效果,将入射的激光功率密度信号设置为如图 10a所示,仿真结果见图 10b。
从图 10可知, 每种激光功率密度下都可以实现追踪效果。从图 11可知, 其中启动时完成追踪用时最久,但时长小于0.5s,特别是激光功率密度信号有极大突变时其追踪完成时间也为超过0.1s。从图 12可知, 其中在启动时最大功率点处扰动值最大,其扰动范围约为8W,其总功率占比约2.15%,扰动值最小时仅为1W,总功率占比仅约0.5%。图 13为不同激光功率密度下激光光伏阵列运行在MPPT模式时的转换效率图。可知在不同的激光功率密度下其转换效率变化幅度很小,保证了MPPT的有效性。
Figure 11. P&O algorithm MPPT tracking effect annotation details (1, 2, 3, 4 in Fig. 10)
Figure 12. P&O algorithm MPPT stabilization effect annotation details (Ⅰ, Ⅱ, Ⅲ, Ⅳ in Fig. 10)
-
锂电池的多阶段恒流充电是通过按照MPPT时的大电流充电,接下来通过PID电流环的控制,在每次达到充电截止电压后依次减小电流的方式对锂电池电池充电。仿真环境参量设置如表 1所示。
Table 1. Simulation environment parameter settings
parameter category value lithium battery standard/cut-off voltage 48/56V standard capacity of lithium battery 100A·h lithium battery start/stop SOC 99.6%/99.8% laser power density 1000W/m2 switching frequency 1000Hz simulation duration 60s 传统锂电池多阶段恒流充电模块性能如图 14所示。可知在第一阶段即MPPT模式下充电电流约为35A,在约6s时第1次达到充电截止电压;第二阶段约从5s持续到16s,此阶段开始后,激光光伏阵列不再运行在MPPT模式下,其输出受锂电池多阶段恒流充电模块内的PID电流环控制,此时充电电流为15A,锂电池SOC状态增长变缓;第三阶段约从16s持续到48s,充电电流为10A。该电流值下锂电池端电压呈现出先下降后上升的趋势,这是因为充电速率为10A·h,此阶段开始进入涓流充电状态,但锂电池SOC状态仍在缓慢增长;第四阶段约从48s持续到57s,充电电流为5A。此阶段下锂电池端电压状态和锂电池SOC状态较第三阶段变化更为缓慢,并在57s时由于锂电池SOC状态达到设定值后结束;最后进入充电截止阶段,此时充电结束,充电电流强行置零,锂电池端电压由于“浮充”特性,开始恢复到实际电压值,锂电池SOC状态保持在设定值99.8%不变,完成设定充电过程。
-
该模块运行环境中,基于闭环控制除激光功率密度信号外其余参量设置均与传统锂电池多阶段恒流充电模块保持一致,从图 15中的结果可知:通过该闭环控制模块可以高度复现传统方法的充电效果。为了验证闭环控制的优势,将两次仿真过程中的激光功率密度信号、激光光伏阵列输出功率以及锂电池充电功率按时间积分后求出其总量进行对比。将利用Simulink中的积分模块得到的值列于表 2中,其中激光光伏阵列MPPT输出由图 10中不同激光功率密度下MPPT输出功率计算得来。
表 2 Total amount of signal integration in simulation results
signal category open-loop mode closed-loop mode lithium battery charging power consumption/J 40241 40246 laser light energy per unit area/(J·m-2) 56748 21050 LPV array MPPT output power/J 113129 40845 LPV array actual output power/J 40820 40845 由表 2中数据知:在给锂电池完成同等电能充电的情况下,相较于传统式开环模式,本文中提出的闭环控制可减少62.9%的光能浪费;从系统转换效率(锂电池充电耗电量/激光光伏阵列MPPT输出电量)的角度考虑,开环模式下效率仅为35.57%,闭环模式下效率高达98.53%,提高了62.96%。以上数据充分说明了本文中提出的闭环控制模式的高效性。
高效率激光无线能量传输系统闭环控制研究
Research on closed-loop control of high-efficiency laser wireless power transmission system
-
摘要: 为了实现高效率激光无线能量传输系统的研究,基于Simulink建立了激光无线能量传输系统的闭环控制仿真模型,实现了激光光伏阵列的最大功率点追踪、降压电路搭建和锂电池智能充电控制,并结合激光光伏阵列的输出特性和锂电池多阶段恒流充电方法的特性,提出了一种基于激光功率密度闭环信号控制的新型锂电池多阶段恒流充电方法。结果表明,该方法不仅可以实现传统锂电池多阶段恒流充电效果,而且节省了62.9%的光能,系统转换效率提高了62.96%。该结果对研究高效率激光无线能量传输系统是有帮助的。Abstract: In order to achieve the research of high-efficiency laser wireless energy transmission system, a closed-loop control simulation model of laser wireless energy transmission system was established based on Simulink. In this model, the maximum power point tracking of laser photovoltaic array, the construction of voltage reduction circuit, and the intelligent charging control of lithium battery were realized. Combining the output characteristics of the laser photovoltaic array and the characteristics of the lithium battery multi-stage constant current charging method, a new type of lithium battery multi-stage constant current charging method based on the laser power density closed-loop signal control was proposed. The simulation results show that this method can not only realize the multi-stage constant current charging effect of traditional lithium batteries, but also save about 62.9% of the light energy and increase the conversion efficiency of the system by 62.96%. The study is helpful for the research of high efficiency laser wireless energy transmission system.
-
Figure 11. P&O algorithm MPPT tracking effect annotation details (1, 2, 3, 4 in Fig. 10)
Figure 12. P&O algorithm MPPT stabilization effect annotation details (Ⅰ, Ⅱ, Ⅲ, Ⅳ in Fig. 10)
Table 1. Simulation environment parameter settings
parameter category value lithium battery standard/cut-off voltage 48/56V standard capacity of lithium battery 100A·h lithium battery start/stop SOC 99.6%/99.8% laser power density 1000W/m2 switching frequency 1000Hz simulation duration 60s 表 2 Total amount of signal integration in simulation results
signal category open-loop mode closed-loop mode lithium battery charging power consumption/J 40241 40246 laser light energy per unit area/(J·m-2) 56748 21050 LPV array MPPT output power/J 113129 40845 LPV array actual output power/J 40820 40845 -
[1] MARINCIC A S. Nikola tesla and the wireless transmission of energy[J]. IEEE Transactions on Power Apparatus & Systems, 1982, PAS-101(10): 4064-4068. [2] HUANG H, HUANG X L, TAN L L, et al. Research on transmitter and receiver of wireless power transmission based on magnetic resonance coupling[J]. Advanced Technology of Electrical Engineering & Energy, 2011, 30(1): 32-35. [3] PANI C, RAY O, GHOSH A, et al. Wireless power transfer using free space photonics[C]//2016 2nd International Conference on Advances in Computing, Communication, & Automation (ICACCA) (Fall). Bareilly, India: IEEE, 2016: 92-96. [4] ZHAO Ch M, WANG Y Sh, GUO L D, et al. Development of laser wireless energy transmission technology[J]. Laser Technology, 2020, 44(5): 538-45(in Chinese). [5] QIAO L, YANG Y N. Experimental research on laser wireless energy transmission efficiency[J]. Laser Technology, 2014, 38(5): 590-594(in Chinese). [6] BLACKWELL T. Recent demonstrations of laser power beaming at DFRC and MSFC[J]. AIP Conference Proceedings, 2005, 766: 73-85. doi: 10.1063/1.1925133 [7] BECKER D E, CHIANG R, KEYS C C, et al. Photovoltaic-concentrator based power beaming for space elevator application[J]. AIP Conference Proceedings, 2010, 1230: 271-281. [8] NORRIS G. UAV demonstrates utility of laser power[J]. International Air, 2013(1): 50-51. [9] ISHIGAKI M, FAFARD S, MASSON D P, et al. A new optically-isolated power converter for 12V gate drive power supplies applied to high voltage and high speed switching devices[C]//2017 Thirty Second Annual IEEE Applied Power Electronics Conference and Exposition (APEC). New York, USA: IEEE, 2017: 2312-2316. [10] HAID M, ARMBRUSTER C, DERIX D, et al. 5W optical power link with generic voltage output and modulated data signal[C]//The 1st Optical Wireless and Fiber Power Transmission Conference. Yokohama, Japan: Optical Wireless Power Transmission Committee, 2019: 37-54. [11] HE T, YANG S H, ZHANG H Y, et al. High-efficiency laser wireless energy transmission and conversion experiment[J]. Chinese Journal of Lasers, 2013, 40(3): 0317001(in Chinese). doi: 10.3788/CJL201340.0317001 [12] HE T, YANG S H, ZHANG H Y, et al. High-power high-efficiency laser power transmission at 100m using optimized multi-Cell GaAs converter[J]. Chinese Physics Letler, 2014, 31(10): 65-69. [13] ZHOU W, JIN K. Optimal photovoltaic array configuration under gaussian laser beam condition for wireless power transmission[J]. IEEE Transactions on Power Electronics, 2017, 32(5): 3662-3672. doi: 10.1109/TPEL.2016.2583502 [14] ZHOU W Y. Research on key technologies of laser wireless power transmission system[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2018: 45-56(in Chinese). [15] HAN M Zh. Research on photoelectric conversion efficiency of GaAs concentrated cell under laser irradiation[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2018: 55-59(in Chin-ese). [16] CHEN K. Research and hardware implementation of MPPT algorithm based on voltage closed-loop control and fuzzy control[D]. Chengdu: Southwest Jiaotong University, 2017: 45-56(in Chinese). [17] TAN R H G, ER C K, SOLANKI S G. Modeling of photovoltaic MPPT lead acid battery charge controller for standalone system applications[J]. E3S Web of Conferences, 2020, 182: 03005. doi: 10.1051/e3sconf/202018203005 [18] WANG X N. Research on independent photovoltaic power generation system and its MPPT[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2008: 45-56(in Chinese). [19] CHEN J Y, LIAO X Zh. Application of single neuron in PV maximum power tracking control[J]. Microcomputer Information, 2006, 22(28): 13-15(in Chinese). [20] LI J, DOU W, XU Zh G, et al. Research on maximum power point tracking algorithm in photovoltaic power generation system[J]. Acta Solar Energy, 2007, 28(3): 268-73(in Chinese). [21] LIU G Q, YOU X K, YANG Y X, et al. Research review of maximum power point tracking methods for photovoltaic power generation systems[J]. Shanxi Electric Power, 2012, 29(2): 24-8(in Chin-ese). [22] NAYAK B, MOHAPATRA A, MOHANTY K B. Selection criteria of DC-DC converter and control variable for MPPT of PV system utilized in heating and cooking applications[J]. Cogent Engineering, 2017, 4(1): 1363357. doi: 10.1080/23311916.2017.1363357 [23] TAGHVAEE M H, RADZI M, MOOSAVAIN S M, et al. A current and future study on non-isolated DC-DC converters for photovoltaic applications[J]. Renewable & Sustainable Energy Reviews, 2013, 17(1): 216-227. [24] GLASNER I, APPELBAUM J. Advantage of boost vs. buck topology for maximum power point tracker in photovoltaic systems[C]//The Electrical & Electronics Engineers in Israel. New York, USA: IEEE, 1996: 355-358. [25] WANG F. Research on segmented intelligent charging strategy of Li-ion power battery[D]. Ji'nan: Shandong University, 2017: 33-46(in Chinese). [26] GAO T. Electric vehicle charging/swap station planning and orderly charging and discharging strategy research[D]. Harbin: Harbin Institute of Technology, 2016: 21-35(in Chinese).