(1.福建江夏学院电子信息科学学院,福建 福州 350108; 2.厦门大学信息科学与技术学院,福建 厦门 361005)
(1.College of Electronics and Information Science,Fujian Jiangxia University,Fuzhou 350108,China; 2.School of Information Science and Engineering,Xiamen University,Xiamen 361005,China)
wireless sensor networks(WSN); solar energy; harvesting; maximum power point tracking circuit; adaptive algorithm
DOI: 10.6043/j.issn.0438-0479.201805017
备注
针对无线传感器网络(WSN)节点太阳能收集效率低的问题,提出了一种WSN节点的太阳能高效收集方案,最大功率点跟踪(MPPT)电路由微功耗的可控制光伏电压的闭合环路实现,初始功率跟踪点由通过扫描光伏功率曲线的幅值搜索算法提供,利用简化的梯度上升算法来跟踪随环境变化的最大功率,使其最大化地传输到充电电池.实验结果表明,自适应系统的能量转换效率高达86.7%,在光伏电压低至0.8 V的超低光照强度下仍能有效地收集能量,能有效延长WSN节点的生存周期,可适用于其他应用场合的微小功率太阳能收集.
To solve the problem of the low efficiency of solar energy harvesting in wireless sensor network(WSN)nodes,we propose an adaptive solar energy harvesting system for WSN nodes.The maximum power point tracking(MPPT)circuit is implemented by a closed loop circuit that can control the photovoltaic voltage with micro power consumption.The initial operating point is provided by the amplitude search algorithm of the scanning power curve.The simplified gradient-ascend algorithm tracks the maximum power that varies with the environment and maximizes energy transfer to the battery.Experimental results show that the energy-conversion efficiency of the adaptive system increases to 86.7%.Furthermore,energy can continue to be harvested effectively under the ultra-low light intensity with the photovoltaic voltage down to 0.8 V,effectively prolonging the lifetime of these WSN nodes.Our proposed strategy is suitable for small power solar energy harvested in other applications.
引言
无线传感器网络(WSN)节点分布范围广、所处环境复杂、数量多、体积小,对其补充能量存在很大困难.太阳能作为可再生能源成为了节点能量补充的主要来源,如何充分有效地收集光伏能量直接关系到WSN的应用范围和生存周期[1-2].现有的太阳能收集方案不适用于WSN节点这种微小功率光伏能量的收集,原因主要有3点:1)最大功率点跟踪(MPPT)电路自身功耗较大[3-4],对于由尺寸必须尽可能小的太阳能电池板供电的WSN节点来说,会出现电路自身功耗大于所获取功率的情况,太阳能供电将失去意义; 2)DC/DC转换器的启动电压较高[5-8],在光照弱时(如阴天或早晨、傍晚等)光伏输出电压低会导致DC/DC转换器无法工作,节点将无法收集这部分持续时间较长的能量,无法实现能量的充分收集; 3)控制策略主要用来控制MPPT[9-10],且没有考虑算法的复杂性对功耗的影响,关于确保节点长期高效收集以及光照强度突变时对最大功率点及时有效跟踪方面的算法几乎没有涉及.只有同时解决这3个方面的问题,才能使WSN节点充分、高效和长期稳定地收集光伏能量,从而达到延长节点生存周期的目的.
本文中提出一种用于WSN节点的太阳能自适应高效收集方案,MPPT电路均由微功耗元器件组成,DC/DC转换器启动电压低至0.7 V,使系统可以充分地收集低光照强度下的能量,控制策略由可确保系统长期高效收集的自适应算法实现,系统只有在光伏能量大于电路功耗的情况下才进行能量转换,保证能量收集的有效性.
1 MPPT电路
图1为系统结构图,太阳能电池(电压为VP)通过DC/DC转换器对充电电池BT(电压为VB)充电或直接给节点提供能量,单片机(MCU)可以向节点CPU提供与节点能量相关的信息,为WSN的能量感知提供便利.MPPT电路由位于电流检测点之前的“VDD”供电,这样,电流IB就是流入充电电池或节点的净电流(光伏提供的电流减去给MPPT电路供电的电流),系统输出功率PB(VB和IB的乘积)就是实际流向充电电池或节点的净功率(光伏提供的功率减去MPPT电路消耗的功率).
图1中,VB是由充电电池的充放电状态确定的,并不依赖于VP,而VP可以通过误差放大器调节,以将功率ηPP传递到充电电池(PP是太阳能电池功率,η是系统转换器效率).由于可以控制VP,所以控制的目标是将VP设置为传输功率最大时的电压Vm.
MPPT电路主要由两个逻辑块组成:1)输入电压可控的DC/DC转换器,用于将光伏能量传输到充电电池; 2)控制环路,用于保持太阳能电池工作在功率最大点.如图2所示,DC/DC转换器是对由微功耗同步升压芯片TPS61220所构建的升压转换器[11]进行修改而成,TPS61220、电流检测电路、MCU和模拟控制电路组成了一个闭合控制回路.
TPS61220的启动电压低至0.7 V,具有超载、欠压、过压和过热保护等特点,其典型的应用是将其输出电压通过分压电阻接入反馈端FB,并将反馈电压VF与芯片内部的参考电压(0.5 V)相比较,通过调整电感电流来稳定输出电压,当VF小于0.5 V时芯片升压,否则不升压.
本文中通过引入一个由低通滤波器F1和误差放大器A1组成的模拟控制电路来产生VF,即MCU送出的脉冲宽度调制(PWM)信号通过二阶无源低通滤波器滤波后形成模拟参考电压VS,经误差放大器放大后的电压VK(VS-VP)作为VF(K为放大倍数),这样,VP就会跟随VS并可通过更新VS使VP保持在最佳参考点电压Vm.
误差放大器TLV2381具有极低的功耗、高输入阻抗和合适的带宽(GBP=160 kHz)[12].此外,同步升压芯片TPS61220内部自带有一个二极管,在光照强度过强即光伏电压大于充电电池电压时导通,保证芯片工作于安全电压.MCU通过控制信号可以打开或关闭DC/DC转换器.
为了对DC/DC转换器进行控制,需要测量VB和IB.VB可直接由A/D获得,为了滤除升压型DC/DC转换器输出电流中的开关频率和因控制回路延时而引起的突发振荡,电流检测电路采用基于运算放大器A2(低功耗运放LPV511[13])和二阶无源低通滤波器F2的高压侧μА级电流/电压转换器.
综上所述,MPPT 电路提供了一个极低功耗的最大功率点控制环路,为控制策略的实施提供了硬件基础.MCU根据采集到的系统输出功率,按控制算法相应地调整PWM信号的占空比(即VS,为了叙述的方便,下文都用VS表示)即可实现光伏最大功率的捕获与跟踪.
2 控制策略
相关文献[14-15]指出,无论太阳能电池是由无机还是有机的材料构成,其功率相对于光伏电压的曲线P(VP)都具有凸起的特性,如图3中不同光照强度下的功率曲线Ⅰ和Ⅱ.
如前所述,MPPT的控制环路旨在将光伏电压VP保持在最佳参考电压VS=Vm,使太阳能电池到充电电池的传输功率最大化.MCU执行的控制算法必须识别传输功率最大化的最佳电压Vm,并在环境条件变化时对其进行跟踪,模拟控制电路给出的参考电压VS能自适应地收敛于随时间变化的Vm.另外,控制算法必须尽可能简单以满足功耗要求.
设太阳能电池功率为PP,系统转换效率为η,系统输出功率为PB,由于在一个控制周期内η和VB可以假定为常数,所以在控制周期内光伏功率PP与系统输出电流IB成正比.即
PP=(PB)/η=(VB·IB)/η∝IB.(1)
为了降低功耗和保证系统的长期自适应工作,提出的自适应算法包含幅值搜索算法和简化的梯度上升算法,控制时有两种工作模式与其对应,即功率幅值搜索模式和最大功率跟踪模式,这两种工作模式可以相互切换.
幅值搜索算法是在DC/DC转换器由关断状态切换到工作状态时或因其他原因导致跟踪失败时的算法,其工作原理是通过快速扫描光伏P-V曲线来识别初始工作点(功率次优点),即采用相对较大的固定步长使VS从最大值线性减小到最小值,测量并找出这期间IB的最大值,根据式(1),IB最大值时的功率就是光伏的次优功率(由于扫描采用的步长较大,所以这时得到的功率未必是最大功率),与IB最大值相关的电压VS作为简化的梯度上升算法的起始电压.
简化的梯度上升算法是从已识别的功率次优点开始,将VS更新为向最优点收敛,一旦达到最佳点则通过修改VS来跟踪环境变化.为了尽可能地降低功耗,简化的梯度上升算法只考虑梯度的符号而将梯度设为一个相对较小的值λ,因为只要梯度足够小,迭代算法就能收敛到正确的值[16-18].其原理如下:
设VS(i)、VS(i+1)分别为i,i+1时刻的参考电压,现已知VS(i),需要确定i+1时刻的VS(i+1).
首先在当前控制变量VS(i)上依次叠加n个扰动信号ΔVS,ΔVS可分别取λ,-λ,2λ,-2λ,…,并测得相应的ΔIB,然后按式(2)求出相关算子D,
D=∑ni=1((|ΔVS(i)|)/(ΔVS(i))·(|ΔIB(i)|)/(ΔIB(i))),(2)
k为设定的阈值,则i+1时刻MCU应提供的参考电压VS(i+1)为
VS(i+1)={VS(i)+λ,D≥k,
VS(i)-λ,D≤-k,
VS(i),其他.(3)
这里,n越大时,判别越准确,但系统功耗也将越大; k的取值应小于等于n,k越大,最大功率的判定范围变大,系统效率将降低.
如对图3中曲线Ⅰ来说,跟踪时在工作点处进行n个扰动并计算出相关算子D,当D≥k时表示ΔVS和ΔIB为正相关(正梯度),说明当前工作点处在功率曲线的上升阶段(如A点),应增大VS到C点; 当D≤-k时表示ΔVS和ΔIB为负相关(负梯度),说明当前工作点处于功率曲线的下降阶段(如A'点),应减小VS到B'点; 否则认为当前工作点处于最大功率点处(如P点),VS应保持不变.
图4给出了自适应控制的流程图.在没有功率传输的情况下(例如夜间)DC/DC转换器关闭,这期间,MCU通过定时轮询机制每隔TON时间打开转换器进入功率幅值搜索模式,快速地搜索次优功率,若搜索到次优功率且该功率有效(如IB>0),则进入最大功率跟踪模式,
否则MCU将关闭转换器并等待下一个唤醒信号.进入最大功率跟踪模式后,反复按式(2)和(3)更新VS,确定最优工作点和跟踪随光照条件变化的最大功率点.同样地,在跟踪模式下如果发现没有足够的能量来自太阳能电池板(如IB≤0),则放弃最大功率跟踪模式且关闭DC/DC转换器,等待再次进入功率幅值搜索模式.运行中若光照强度骤减,如图3,在功率曲线ⅠP点工作时光照强度突然变得很弱(即功率曲线由Ⅰ跳变到Ⅱ),则可能出现因VP来不及更新,VP附近(P点左右侧)的功率均为零的情况,这时若是采用传统的算法就找不到最大功率点,无法实现最大功率点跟踪,而采用本文中提出的控制策略就会先返回功率幅值搜索模式重新找到功率次优点,然后再进入最大功率跟踪模式,确保系统长期稳定工作.因此,该控制策略还具有故障预防的功能.
3 实验结果
实验中,MCU采用8位单片机PIC16F676,其以超低功耗的时钟频率32.768 kHz运行; 光伏电池选用尺寸约为4 cm×8 cm的光伏板; 充电电池选用Panasonic HHR-4MRC实测电压为5.14 V(4节串联)的可充电镍氢电池; 自适应算法中的λ取2倍的PWM分辨率(约10 mV),n=4,k=3; 示波器型号为DSO-X 2002A.
3.1 MPPT电路图5是在一定光照条件下,VS从小到大以及从大到小变化时VP、IB以及VF的工作波形.由图可看出,光伏电压VP会随着参考
电压VS的变化而变化.IB在VP上升或下降过程中都存在最大电流(即最大净功率),如图5中的P1、P2处,且最大功率附近的功率曲线相对平坦,这为鲁棒控制提供了条件.
3.2 自适应控制图6为自适应算法运行过程中光伏电压VP和收集功率(系统输出功率PB)的波形图.由图可见,激活DC/DC转换器后,系统进入功率幅值搜索模式(图中A点),通过光伏电压VP(即VS)从最大值按一定幅度逐渐减小到最小值来识别初始工作点,一旦完成幅值搜索,算法确定初始工作点并切换到最大功率跟踪模式进行跟踪(B点),然后通过调整VS来向最优点收敛(B点以后),在C点更新到最大功率点,并通过修改VS来跟踪环境变化.图中还可看到加扰动确定梯度符号的情况.
3.3 转换效率与功耗系统的转换效率定义为:
ηcon=(PB-MPP)/(PP-MPP),(4)
其中,PP-MPP是光伏工作在最大功率点时提供的功率(即DC/DC转换器输入功率),PB-MPP是光伏工作在最大功率点时系统输出功率.
将6 d跟踪过程中记录的各组数据按PB-MPP从小到大排序,并按式(4)计算出对应的转换效率ηcon,作出转换效率与系统输出功率的关系如图7中实线所示,系统的最高转换效率可达86.7%,转换效率基本上随着自适应系统输出功率的增大而增大,这与理论上的分析基本吻合,因为影响系统转换效率主要因素是MPPT电路中DC/DC转换器的转换效率(转换产生的功耗),DC/DC转换器的转换效率是随输出功率的增大而增大的,如图7中虚线所示(输入电压为2.4 V时DC/DC转换器的转换效率[11]),而MPPT电路中其他电路的功耗则相对小且比较固定(如表1中的动态最大功耗).
设转换期间MPPT电路某时刻的总功耗为PC,则有PP-MPP=PB-MPP+PC,根据式(4)可得到式(5),PC与系统输出功率的关系如图7中点划线所示,由图可见,转换期间PC是动态变化的,如收集1 mW功率时PC约为0.9 mW,收集10 mW功率时PC约为1.8 mW.
PC=(PB-MPP(1-ηcon))/(ηcon).(5)
根据控制策略,只有在PB-MPP有效(即IB>0)时才转换,所以节点(充电电池)无需支出这个动态功耗,避免出现能量“入不敷出”的情况.在光照很弱即没有有效的输出功率时DC/DC转换器将关闭,关闭期间MPPT电路的功耗主要是由芯片MCU、LPV511和TLV2381(TPS61220由光伏电池供电而不是“VDD”)产生的,是个固定的静态功耗.如表1所示,总的静态功耗约50 μW,静态功耗是WSN节点采用自适应收集系统后的额外开销,但这个功耗相当微小且仅存在于DC/DC变换器关闭期间,综合自适应系统收集(转换)期间给节点补充的能量,这个静态功耗完全可以忽略不计.
图7 转换效率及总功耗与输出功率的关系
Fig.7 Efficiency and PC vs generated power3.4 结果比较将自适应系统与传统的基于单个二极管的光伏收集电路[15](为了便于比较,传统方案选用2.57 V充电电池)同时放在距200 W灯泡几个不同的距离处,测试不同光照强度下两者的收集功率.图8为实验结果,图中的实线为自适应系统的收集功率,虚线为传统二极管方案的收集功率.
由图8可以看出,传统方案只有在光伏电压大于充电电池电压(加上肖特基二极管压降)时才有功率输出,而自适应系统在光照强度很低即VP为0.8 V左右时即可收集到有效功率.而这样低或超低的光照环境(如阴天、早晨、傍晚等)维持的时间又较长,这段时间收集到的能量可满足WSN节点执行基本操作的能量需要,对延长节点的生存周期具有重要的意义.另一面,在光照强度较强的环境中,自适应系统收集到的功率也比传统方案平均多10 mW左右.
与传统的主要由分立元件构成的MPPT电路不同,本文提出的MPPT电路主要由微功率的芯片构成,元器件少且全部采用贴片封装,其中DC/DC转换器芯片TPS61220面积只有2 mm×2 mm(SC-70封装),实验电路板尺寸约为2 cm×4 cm,在体积和质量上都远小于传统的MPPT电路,适合用于WSN节点中.
4 结 论
本文中提出了一种用于为WSN节点供电的微小功率太阳能收集方案,收集系统与所采用的太阳能电池特性以及充电电池类型无关,只有存在净功率时才开启DC/DC转换器,可避免系统能量“入不敷出”的情况,低或超低光照强度下光伏能量的有效收集是节点长期正常运行的能量保障,这是与目前其他收集器相比较最大的不同之处.此外,自适应系统的故障预防机制,可提高WSN节点在复杂环境下的生存能力.
- [1] FREZZETTI A, MANFREDI S, PAGANO M. A design approach of the solar harvesting control system for wireless sensor node[J].Control Engineering Practice,2015,44(11):45-54.
- [2] DEHWAH A H,ELMETENNANI S,CLAUDEL C.UD-WCMA:an energy estimation and forecast scheme for solar powered wireless sensor networks[J].Journal of Network and Computer Applications,2017,90(7):17-25.
- [3] LOUKRIZ A,HADDADI M,MESSALTI S.Simulation and experimental design of a new advanced variable step size incremental conductance MPPT algorithm for PV systems[J].ISA Transactions,2016,62(5):30-38.
- [4] 韩蕾,张小兴,戴宇杰,等.微型光伏系统中的MPPT算法分析与硬件实现[J].中南大学学报(自然科学版),2013,44(10):4124-4129.
- [5] REPAK M,OTCENASOVA A,ALTUS J,et al. Grid-tie power converter for model of photovoltaic power plant[J].Electrical Engineering,2017,99(4):1377-1391.
- [6] LI Y,SHI R.An intelligent solar energy-harvesting system for wireless sensor networks[J].EURASIP Journal on Wireless Communications and Networking,2015,2015(1):1-12.
- [7] 王秀敏,姜利亭,熊日辉,等.基于太阳能光伏发电系统的直流电源分析与设计[J].浙江大学学报(理学版),2016,43(1):103-107,114.
- [8] 李平,刘双建,文玉梅,等.电场能量采集器的最大输出功率追踪电路设计[J].仪器仪表学报,2016,37(2):301-307.
- [9] SAADEH O,RABADY R,MELHEM M B.New effective PV battery charging algorithms[J].Solar Energy,2018,166(5):509-518.
- [10] MOSHKSAR E,GHANBARI T.A model-based algorithm for maximum power point tracking of PV systems using exact analytical solution of single-diode equivalent model[J].Solar Energy,2018,162(3):117-131.
- [11] TEXAS INSTRUMENTS.TPS6122x low input voltage,0.7 V boost converter with 5.5 μА quiescent current,SLVS776B[R].Texas:Texas Instruments,2014.
- [12] TEXAS INSTRUMENTS.Family of micropower rail-to-rail input and output operational amplifier,SLOS377A[R].Texas:Texas Instruments,2003.
- [13] TEXAS INSTRUMENTS.LPV511micropower,rail-to-rail Input and output operational amplifier,SNOSAG7D [R].Texas:Texas Instruments,2016.
- [14] DOU J,LI Y F,XIE F Y,et al.Highly efficient triarylene conjugated dyes for dye-sensitized Zn2SnO4 solar cells[J].Solar Energy,2017,155(10):1-6.
- [15] YUAN J,QIU L X,ZHANG Z G,et al.Tetrafluoroquinoxa-line based polymers for non-fullerene polymer solar cells with efficiency over 9%[J].Nano Energy,2016,30(12):312-320.
- [16] 赵彩云,吴长勤,葛华.基于有效迭代算法的鲁棒L1范数非平行近似支持向量机[J].计算机应用,2017,37(11):3069-3074,3079.
- [17] DUONG T,BECK G,AZZAG H,et al.Nearest neighbour estimators of density derivatives,with application to mean shift clustering[J].Pattern Recognition Letters,2016,80(9):224-230.
- [18] 何英,王贵君.折线模糊神经网络的共轭梯度算法[J].电子学报,2012,40(10):2079-2084.