电动汽车充电系统中使用Z源集成升压-SEPIC变换器与Type-3模糊MPPT控制的增强型功率管理

《Journal of Energy Storage》：Enhanced power management in electric vehicle charging systems using a Z-source integrated boost-SEPIC converter with Type 3 fuzzy MPPT control

　　•基于光伏的电动汽车充电，采用Z源升压- SEPIC拓扑实现高效电压提升
•Type-3模糊MPPT确保在变化条件下快速、精准的功率追踪
•能量转换效率达99.1%，峰值变换器效率达96.5%
•输出稳定，总谐波失真（THD）低（3.33%），适合并网应用
•硬件测试验证了实时性能和平滑的功率管理

引言
受日益严峻的生态挑战、飙升的化石燃料成本以及储能系统突破的驱动，全球向电动汽车的转型在交通运输领域已获得显著势头[1]。电动汽车无尾气排放，且减少了对石油的依赖，因此成为一种更清洁、更高效的交通选择。然而，只有当用于充电的电能来自可再生能源（RES）时，电动汽车的环保效益才能完全实现[2]，[3]。在各种可再生能源中，光伏（PV）能源因其模块化、丰富性和易于集成而尤其具有优势。基于光伏的电动汽车充电系统可实现就地发电、减少电网依赖以及零碳排放运行，从而契合全球可持续发展目标[4]。为确保有效充电，光伏系统需在太阳辐照度和温度固有变化的情况下提供稳定的电压水平。由于光伏面板电压具有不稳定性、不一致性和功率不足的特点，因此必须采用高性能DC-DC变换器来满足电动汽车电池的充电需求[5]，[6]。DC-DC变换器在提升光伏电压、调节功率流以及确保系统在快速变化条件下稳定运行方面发挥着重要作用[7]，[8]，[9]。光伏系统通常使用基本的变换器拓扑，如升压（Boost）、升降压（Buck-Boost）、SEPIC和Cuk变换器。每种拓扑都有自己的优点，例如升压变换器简单且具有升压能力，而Buck-Boost和SEPIC变换器可实现双向电压转换。另一方面，Cuk变换器以其连续的电流波形和双向电压转换能力而著称。然而，这些变换器存在一些缺点，包括高开关应力、极端占空比下效率低以及无源元件体积庞大[10]，[11]。

为了克服这些挑战，近年来研究人员提出了各种高性能变换器拓扑，专门用于满足基于光伏的电动汽车充电需求。表1所列的这些变换器旨在实现高电压增益、更高效率、降低元件应力和紧凑性。

这些变换器拓扑为光伏供电的电动汽车充电面临的挑战提供了专门解决方案。通过改进设计和集成，它们能够从太阳能资源中传输最佳能量，并即使在日照不均匀的情况下也能高效运行。对于空间和可靠性至关重要的电动汽车充电站，交错式和开关电感拓扑的高增益能力尤为适用。本研究提出了一种独特的Z源集成升压- SEPIC变换器，以更有效地解决这些问题。该变换器设计中嵌入了Z源阻抗网络，同时结合了升压和SEPIC拓扑的特点。通过允许直通（shoot-through）操作，Z源结构提高了电压增益并增强了对输入波动的抵抗能力。此外，升压与SEPIC的组合实现了双向操作、连续输入电流和降低的元件应力。

MPPT确保光伏系统持续适应，以在天气波动下达到峰值效率[18]。传统MPPT方法因其设计简单、部署容易和计算要求低而被广泛使用[19]。然而，这些方法往往在最大功率点（MPP）附近产生振荡，对快速环境变化响应迟缓，并且在部分遮蔽条件下常常无法准确追踪MPP。为克服这些限制，已开发出多种先进MPPT技术。进化算法和元启发式算法，如粒子群优化（PSO）[20]、遗传算法（GA）[21]、蚁群优化（ACO）[22]和灰狼优化器（GWO）[23]，提供了更好的全局搜索能力和更快的真实MPP收敛速度。这些方法特别适合处理部分遮蔽时出现的不可预测、多模态的功率-电压特性。然而，它们需要更大的参数调整和计算复杂度，这使嵌入式系统的实时实现更加困难。为了在无振荡的情况下可靠预测MPP，基于人工神经网络（ANN）[24]和支持向量机（SVM）[25]的智能MPPT技术也已得到普及。这些方法利用实时学习和历史数据。尽管这些AI驱动的方法相当准确且灵活，但它们需要大量训练数据，且容易受噪声和数据质量差的影响。混合技术，如ANN-INC[26]和PSO-Fuzzy[27]，结合了传统和智能算法，试图在算法效率和追踪精度之间保持平衡。基于模糊逻辑的MPPT算法通过提供灵活性、噪声容忍和基于规则的推理，已成为非常成功的解决方案，无需光伏阵列的显式数学模型。这些系统使用语言变量和推理方法来确定控制动作，因此适用于各种气象条件下的实时追踪。增强型模糊系统，如Type-2 [28]和Type-3 [29]模糊逻辑（FL），通过引入额外的不确定性建模层和隶属函数细化，进一步提高了决策粒度和鲁棒性。

尽管表1中列出的变换器拓扑提供了更高的效率和电压增益，但仍存在一些限制。电压升压通常通过高增益变换器实现，但代价是元件更多、控制需求增加和开关应力增大。此外，许多现有设计需要高开关频率才能达到所需增益，这增加了开关损耗并降低了实际效率。从控制模型角度看，传统的MPPT方法（如P&O和INC）在辐照度快速变化条件下收敛延迟，并在最大功率点附近产生振荡。虽然基于优化和AI的MPPT技术提高了追踪精度，但其高计算复杂度和相当大的参数调整可能限制其在电动汽车充电应用中的实时实现。仍然需要一种集成解决方案，能够同时提供高电压增益、降低元件应力、最小实现复杂度以及在动态运行条件下极高的MPPT性能。

尽管取得了显著进展，但基于光伏的电动汽车充电系统仍存在许多问题。当前的高增益DC-DC变换器通常需要大量元件，这增加了实现成本、开关应力和电路复杂度。此外，许多传统变换器拓扑在电压增益较大时效率会降低。在MPPT方面，传统方法如P&O和INC在快速变化的环境条件下表现出缓慢的追踪性能和稳态振荡。虽然智能和基于优化的MPPT技术提高了追踪精度，但它们常常具有相当大的计算复杂度和实现挑战。因此，本文开发了一种Z源集成升压- SEPIC变换器，并结合Type-3模糊逻辑MPPT控制器，以克服上述缺点。该方法在快速变化的温度和辐照度条件下，同时提高了MPPT精度、降低了元件应力、增强了电压升压能力。

与传统模糊逻辑系统相比，本研究采用基于Type-3模糊逻辑的MPPT，通过增加更多隶属函数和推理层来改善决策。在快速变化的环境条件下，Type-3模糊MPPT提供了更高的效率、减少的振荡和更快的MPP追踪。其处理多个模糊输入的更高粒度带来了更好的功率提取效果，这对于要求高稳定性和可靠性的电动汽车充电基础设施至关重要。本研究包含一系列核心贡献：
•开发了一种新型Z源集成升压- SEPIC变换器，用于基于光伏的电动汽车充电应用，提供高电压增益和连续电流操作。
•提出了一种Type-3模糊逻辑MPPT算法，以增强实时太阳条件下的追踪精度和动态响应。
•系统通过双向DC-DC变换器支持双模式操作，确保高效能量利用。
•MATLAB/Simulink仿真研究验证了系统性能，展示了高效率、可靠的MPPT操作和有效的电网功率交换。

这种先进的能量调节方法有助于构建环境友好和智能的电动汽车充电框架，促进绿色交通系统的更广泛部署。

章节片段
系统描述
能量流动始于光伏，它将太阳辐照度转换为可用的电能。光伏输出电压VPV和电流IPV被连续感测并传输到基于T3FL的MPPT控制器，如图1所示。该智能控制器采用先进的多层模糊逻辑方法，在时变辐照度和负载需求下动态追踪光伏系统的最大功率点。T3FL MPPT控制器生成优化的占空比信号，该信号被发送到脉冲宽度调制（PWM）发生器，以驱动功率开关。

光伏系统建模
为了准确表征光伏电池的电学行为，通常使用称为单二极管模型的等效电路。该模型通过结合理想电流源和半导体二极管的非线性特性，以及串联和并联电阻引起的电阻损耗，有效地模拟了太阳能电池的实时运行。光生电流Ipvh与入射太阳辐照度成正比，由理想电流源表示。

结果与讨论
为了评估带有Type-3模糊逻辑MPPT的ZSIBSC光伏充电系统的适用性和多功能性，使用MATLAB进行了多项全面仿真。系统性能在多种环境条件下进行评估，包括温度曲线以及恒定和变化的辐照度。为确保系统连续性，还检查了系统对不可预测转变（如光伏关闭并依赖电池备用）的响应。为了确保精确建模，所有参数和条件均根据实际系统规格设置。

结论
本研究通过提供高增益、低应力的ZSIBSC变换器以及先进的Type-3模糊逻辑MPPT控制，为电动汽车充电中的高效功率管理做出了重要贡献。仿真结果表明，该变换器在恒定和动态变化的环境条件下都能提供显著改善的电压增益和稳定输出。ZSIBSC有效抑制了输入电流纹波，维持了连续电流流动，并最小化了开关应力。

CRediT作者贡献声明
T. Shalini: 写作 – 初稿，数据管理，概念化。B. Jyothi: 写作 – 审阅与编辑，验证，监督，项目管理。

资金
作者未获得本研究的任何特定资助。

利益冲突声明
作者声明，他们没有任何已知的竞争性经济利益或个人关系，可能影响本论文所报告的工作。

T. Shalini|B. Jyothi