发明名称 基于自适应果蝇搜索的光伏阵列最大功率点跟踪方法
摘要 本发明公开了一种基于自适应果蝇搜索的光伏阵列最大功率点跟踪方法。光伏阵列工作时遮挡现象较为普遍,遮挡后光伏阵列的P‑V输出特性呈现多峰特性,导致最大功率点跟踪容易陷入局部极值点。本发明采用自适应果蝇搜索与扰动观察法相结合,可实现遮挡条件下的光伏阵列最大功率点跟踪。首先采用自适应果蝇算法,搜索全局最大功率点,再用小步长扰动观察法监测外部环境是否改变,若改变,则再次执行果蝇搜索重新进行最大功率点跟踪,否则保持现有输出功率不变。本发明最大功率点跟踪方法通过采用新型的生物群智能算法,实现全局寻优,克服了传统的电导增量法、扰动观察法等只能对无遮挡情况下的最大功率点进行跟踪,易陷入局部极值,且当外界环境发生突变时,容易引起误判断等现象。此方法可有效提高光伏系统最大功率点跟踪的稳定性及输出效率。
申请公布号 CN106325354A 申请公布日期 2017.01.11
申请号 CN201611039614.6 申请日期 2016.11.21
申请人 国网辽宁省电力有限公司锦州供电公司;国家电网公司 发明人 崔吉生;王涛;刚宏;邱鹏
分类号 G05F1/67(2006.01)I 主分类号 G05F1/67(2006.01)I
代理机构 锦州辽西专利事务所 21225 代理人 李辉
主权项 一种基于自适应果蝇搜索的光伏阵列最大功率点跟踪方法,其特征在于,包括如下步骤:S1.首先对果蝇种群位置、果蝇规模及最大迭代次数进行初始化;基于恒定电压法,采用光伏阵列开路电压的0.78倍和对应的光伏阵列输出电流值作为果蝇种群初始位置(V<sub>‑axis</sub>,I<sub>‑axis</sub>);确定初始果蝇规模sizepop和算法最大迭代次数maxgen;S2.根据初始步长值L<sub>0</sub>和当前觅食代数g确定出随机步长L并进行自适应步长嗅觉搜索;其中随机步长L值由初始步长值L<sub>0</sub>,最大迭代次数maxgen及当前觅食代数g求得,光伏阵列输出电压V<sub>i</sub>和输出电流I<sub>i</sub>由果蝇种群初始位置(V<sub>‑axis</sub>,I<sub>‑axis</sub>)和随机步长L求得;采用自适应步长嗅觉搜索,提高最大功率点全局搜索效率和寻优精度;具体求法如下:<maths num="0001"><math><![CDATA[<mrow><mi>L</mi><mo>=</mo><msub><mi>L</mi><mn>0</mn></msub><mo>-</mo><mfrac><mrow><msub><mi>L</mi><mn>0</mn></msub><mrow><mo>(</mo><mi>g</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow><mrow><mi>max</mi><mi> </mi><mi>g</mi><mi>e</mi><mi>n</mi></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001158161110000011.GIF" wi="902" he="142" /></maths> V<sub>i</sub>=V<sub>‑axis</sub>+L                   (2) I<sub>i</sub>=I<sub>‑axi</sub>+L                    (3)S3.进行初步计算,通过光伏系统控制器采集的光伏阵列实时输出电压V<sub>i</sub>和输出电流I<sub>i</sub>,计算个体距坐标原点的距离Dist<sub>i</sub>,从而确定果蝇个体的味道浓度判定值C<sub>i</sub>,并以味道浓度判定值C<sub>i</sub>作为全局最大功率点搜索方向判定参数,以改善全局寻优能力;具体公式如下:<maths num="0002"><math><![CDATA[<mrow><msub><mi>Dist</mi><mi>i</mi></msub><mo>=</mo><msqrt><mrow><mo>(</mo><msubsup><mi>V</mi><mi>i</mi><mn>2</mn></msubsup><mo>+</mo><msubsup><mi>I</mi><mi>i</mi><mn>2</mn></msubsup><mo>)</mo></mrow></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001158161110000012.GIF" wi="950" he="101" /></maths> C<sub>i</sub>=1/(Dist<sub>i</sub>+α)+β               (5)其中,为确定更加准确的味道浓度判定值C<sub>i</sub>,使α&gt;0,β分为两种:<img file="FDA0001158161110000013.GIF" wi="988" he="159" />第一类避免局部最优因子g×Dist<sub>i</sub>中,g服从均匀分布;第二类避免局部最优因子K×V<sub>‑axis</sub>或K×I<sub>‑axis</sub>中,K为设定常数,取值为0.8;S4.根据味道浓度的判定值,将其代入味道浓度和判断函数,判断函数是光照强度S<sub>i</sub>和环境温度T<sub>i</sub>的函数,计算当前每个果蝇个体的气味浓度值,即光伏系统中光伏阵列的输出功率P<sub>i</sub>; P<sub>i</sub>=U<sub>m</sub>I<sub>m</sub>(1+aΔT)(1+bΔS)(1‑dΔT)=V<sub>i</sub>I<sub>i</sub>      (7)其中U<sub>m</sub>,I<sub>m</sub>是光伏阵列标准情况下最大功率点处的电压值和电流值,a、d采用典型值:a=0.0025/℃;d=0.00288/℃;b采用优化后的参数值:b=‑0.194+7.056×10<sup>‑4</sup>×S,ΔT=T<sub>i</sub>‑T,ΔS=S<sub>i</sub>‑S,T<sub>i</sub>为光伏阵列实际温度,T为标况下光伏阵列温度,S<sub>i</sub>为当前实际光照强度,S为标况下的光照强度1kW/m<sup>2</sup>;S5.根据气味浓度值即光伏阵列的输出功率P<sub>i</sub>,找出当前种群中气味浓度最高的果蝇个体,即此时的最大功率值bestP,并记录此时的最佳坐标位置bestindex; [bestP,bestindex]=max(P<sub>i</sub>)                 (8)S6.基于果蝇算法中视觉定位原理,记录并保留bestP和此时的最优果蝇个体坐标(V,I),V、I分别为光伏阵列最大功率点对应的光伏阵列输出电压和输出电流值;同时,整个果蝇种群利用敏锐的视觉飞往最优个体位置,即系统控制器以此为依据,调节PWM的占空比D,从而控制Boost电路的输出电压: Pbest=bestP                       (9) V=V(bestindex)                    (10) I=I(bestindex)                      (11)S7.进行迭代寻优。首先判断是否达到终止条件g=maxgen;当g&lt;maxgen时,重复步骤S2~S5,并判断此时的最佳味道浓度是否优于前一次迭代的最佳味道浓度值,若是则执行步骤S6,循环该过程,直到g=maxgen时,执行步骤S8;S8:迭代搜索终止,扰动判断外界条件是否发生改变,分别对输出电压值进行正、负向扰动,得到V<sub>+</sub>与V<sub>‑</sub>,求出对应的功率值P<sub>+</sub>与P<sub>‑</sub>,并与原有功率P相比,若P>P<sub>+</sub>且P>P<sub>‑</sub>,说明此时的工作点仍为系统的最大功率点,则保持原输出功率不变,否则说明最大功率点位置改变,返回步骤S2,重新进行全局最大功率点搜索。
地址 121000 辽宁省锦州市古塔区解放路三段9号