当前位置: 首页 > 专利查询>湘潭大学专利>正文

一种光伏阵列多峰最大功率群搜索优化跟踪方法技术

技术编号:14930794 阅读:218 留言:0更新日期:2017-03-31 12:42
本发明专利技术公开了一种光伏阵列多峰最大功率群搜索优化跟踪方法,包括以下步骤:测量光伏阵列的输出电压、输出电流,根据光伏阵列组件及阴影情况得到峰值数目n;调用IGSO算法,对光伏最大功率所对应电压进行跟踪;脉冲发生器根据所得电压,产生PWM信号使光伏阵列运行于更新后的阵列电压点,为光伏阵列最大输出功率;当功率变化率大于0.015时,重启搜索过程。本发明专利技术提出的基于IGSO在光伏阵列MPPT问题的跟踪方法,根据阵列结构设置IGSO算法中的成员生产者个数,提高了跟踪效率;根据最大功率点与电压之间的规律关系,改进了初始位置与搜索策略并略去漫游者,避免陷入局部极值点,提高了算法的精度与稳定性。

【技术实现步骤摘要】

本专利技术涉及光伏发电领域,特别涉及一种光伏阵列多峰最大功率群搜索优化跟踪方法
技术介绍
光伏发电具有储量巨大、取之不尽、安全便利等特点,因此成为目前世界各国普遍关注和重点发展的新兴产业。但光伏发电在发展中也有许多问题亟需解决,其中包括选择合适的光伏阵列多峰最大功率跟踪(MaximumPowerPointTracking,MPPT)算法提高光伏系统效率。光伏阵列的最大功率点跟踪是指在太阳光照强度、外界温度等外界环境条件发生变化时,系统通过改变光伏电池阵列的输出电流或电压等方法,使阵列始终在最大功率点上工作。常规的MPPT算法(如爬山法、扰动观察法等)对于单峰功率具有较好的跟踪控制效果,然而在局部阴影情况下,光伏阵列的功率-电压(P-U)曲线呈现为多个功率极值点的多峰问题,导致常规的MPPT算法容易陷入局部极值点。人工智能方法(如神经网络、粒子群法等)对局部阴影情况时有一定效果,但神经网络法对于不同的光伏阵列系统需要进行长时间有针对性的训练;粒子群法可以提高结果的精度,但实现过程较为复杂,且会导致硬件设备成本的增加。功率跟踪中群搜索算法(GroupSearchOptimization,GSO)是一种模拟动物觅食行为的优化算法。GSO算法中,每一代的成员分成生产者(Producer)、觅食者(Scroungers)、漫游者(Rangers)三组,其中生产者通常为一个,觅食者占每代成员总数的比例为80%,其余为漫游者。其成员具体特性是:成员一:生产者是每一代中拥有最好适应度函数的成员,它也是觅食者的风向标,负责引领觅食者进行搜索。另一方面,生产者根据扫描搜索机理在三个方向进行搜索,满足式(1):式中,分别代表生产者向正前方、右侧和左侧搜索后的位置,(k代表第k代生产者,Pr表示生产者)代表第k代生产者的位置,lPr-max代表生产者的最大搜索距离,代表第k代生产者的头角度,θmax为最大搜索角度,r1是平均值为0、标准差为1的正态随机数,r2是均匀分布于(0,1)内的n-1维向量,是由头角度确定的搜索方向,它根据通过笛卡尔坐标变换获得。生产者如果经过扫描搜索找到了更好的目标函数值,则第k+1代进入该位置,否则,保持在原有的位置,扫描结束后进行一次迭代。即此时第k+1代生产者位置满足式(2):式中,max代表取括号内的最佳位置。根据第k代生产者的头角度下一代(k+1代)生产者的头角度根据式(3)移动到一个新的角度式中,αmax是最大旋转角度。如果经过a代之后,生产者依然没有找到更好的资源,那么第a代之后头角度恢复到a代之前的值即有式(4):式中,a为算法使用者自行确定的一个常量。成员二:觅食者认为在它与生产者之间的范围可以找到食物,因此跟着生产者后面搜索,具有趋优性,第k+1代觅食者的位置(k+1代表第k+1代觅食者,s代表觅食者)由第k代位置,利用式(5)获得:式中,代表第k代觅食者的位置,操作符代表Hadamard乘法或者Schur乘法,r3是均匀分布于(0,1)内的n维向量。GSO算法为了模拟觅食者其他的觅食行为,在使觅食者趋优的同时,随机旋转头角度。根据第k代觅食者的头角度下一代(k+1代)觅食者的头角度按照式(6)移动到一个新的角度成员三:漫游者不采用生产者和觅食者的信息,在环境中随机行走,当发现最优解时漫游者转换为生产者,这是寻找未知资源最有效的方式之一。其中第k+1代漫游者的位置(k+1代表第k+1代漫游者,r代表漫游者)由第k代漫游者位置利用式(7)搜索方式来寻找食物:式中,lr代表漫游者一个随机移动距离,lr-max代表漫游者的最大搜索距离,代表第k代漫游者的头角度,代表第k代漫游者随机行走的方向。
技术实现思路
为了解决上述技术问题,本专利技术提供一种不易陷入局部最优、在无阴影和有阴影下均能有效追踪到最大功率点的光伏阵列多峰最大功率群搜索优化跟踪方法。本专利技术解决上述问题的技术方案是:一种光伏阵列多峰最大功率群搜索优化跟踪方法,包括以下步骤:步骤1:测量光伏阵列的输出电压、输出电流,根据光伏阵列组件及阴影情况得到峰值数目n。步骤2:调用IGSO算法,对光伏最大功率所对应电压进行跟踪。步骤3:脉冲发生器根据所得电压,产生PWM信号使光伏阵列运行于更新后的阵列电压点,为光伏阵列最大输出功率。步骤4:当功率变化率Δp大于0.015时,重启搜索过程,返回步骤1。上述光伏阵列多峰最大功率群搜索优化跟踪方法,所述步骤2具体包括2-1:建立光伏最大功率跟踪模型:2-2:光伏最大功率所对应电压搜索:2-2-1:种群初始化:生成包含与多峰峰数相同的n个生产者的初始种群,最大迭代次数为N,设置生产者初始位置;2-2-2:进入生产者循环:进入第i个生产者Pri(1≤i≤n)的搜索循环,设定第i个生产者Pri会在(i-1)×Uoc_module至i×Uoc_module的范围搜索,其中Uoc_module为组件开路电压,此时第i个生产者Pri的位置为采用生产者搜索策略进行搜索;2-2-3:搜索第i个生产者第k+1代后的最佳位置2-2-4:搜索第k+1代最终全局位置XPr:执行完各个生产者的最大功率点搜索循环后,确定该代生产者的最终位置;2-2-5:获得各代最终位置:完成N次迭代或达到收敛条件后得到各代生产者的最终位置;2-2-6:获得全局最终电压:得到全局最终位置所对应的电压。上述光伏阵列多峰最大功率群搜索优化跟踪方法,所述步骤2-1中,根据光伏阵列特性以及利用群搜索GSO优化算法包含生产者、觅食者、漫游者的成员特征,目标函数为阵列的输出功率,生产者、觅食者位置代表阵列输入电压值。上述光伏阵列多峰最大功率群搜索优化跟踪方法,所述步骤2-2-1中,改变生产者初始位置初始化的方式为:第1个生产者Pr1的初始位置选为0.7UOC_module,第2个生产者Pr2的初始位置则选为0.7UOC_module+0.8UOC_module,以此类推,即第i个生产者的初始位置选为0.7UOC_module+0.8(i-1)UOC_module,第n个生产者Prn可初始化为0.8UOC_array,生产者的搜索范围为0~UOC_array。上述光伏阵列多峰最大功率群搜索优化跟踪方法,所述步骤2-2-2中,生产者搜索策略满足下式:式中,代表第i个生产者Pri第k次迭代时的位置;代表第i个生产者Pri在中间、右边,左边三个方向,第k+1代后所处的位置;lPr-max代表生产者最大搜索距离,考虑到第i个生产者Pri会在(i-1)×UOC_module至i×UOC_module的范围内搜索,lPr-max设定为|UOC_module|;r1是(0,1)之间的随机数。上述光伏阵列多峰最大功率群搜索优化跟踪方法,所述步骤2-2-3中,最佳位置的搜索策略满足下式;上述光伏阵列多峰最大功率群搜索优化跟踪方法,所述步骤2-2-4中,第k+1代最终全局位置XPr的搜索策略满足下式:上述光伏阵列多峰最大功率群搜索优化跟踪方法,所述步骤2-2-5中,收敛条件是指|Pk-Pk-1|≤ε,ε=0.01,其中Pk代表第k次迭代功率值;完成N次迭代的判断方法是:令k=k+1后,判断k是否小于或等于最大迭代次数为N,若是,则没有完成N次迭代,返回步骤2-2-1本文档来自技高网
...
一种光伏阵列多峰最大功率群搜索优化跟踪方法

【技术保护点】
一种光伏阵列多峰最大功率群搜索优化跟踪方法,包括以下步骤:步骤1:测量光伏阵列的输出电压、输出电流,根据光伏阵列组件及阴影情况得到峰值数目n;步骤2:调用IGSO算法,对光伏最大功率所对应电压进行跟踪;步骤3:脉冲发生器根据所得电压,产生PWM信号使光伏阵列运行于更新后的阵列电压点,为光伏阵列最大输出功率;步骤4:当功率变化率Δp大于0.015时,重启搜索过程,返回步骤1。

【技术特征摘要】
1.一种光伏阵列多峰最大功率群搜索优化跟踪方法,包括以下步骤:步骤1:测量光伏阵列的输出电压、输出电流,根据光伏阵列组件及阴影情况得到峰值数目n;步骤2:调用IGSO算法,对光伏最大功率所对应电压进行跟踪;步骤3:脉冲发生器根据所得电压,产生PWM信号使光伏阵列运行于更新后的阵列电压点,为光伏阵列最大输出功率;步骤4:当功率变化率Δp大于0.015时,重启搜索过程,返回步骤1。2.根据权利要求1所述的光伏阵列多峰最大功率群搜索优化跟踪方法,其特征在于:所述步骤2具体包括2-1:建立光伏最大功率跟踪模型:2-2:光伏最大功率所对应电压搜索:2-2-1:种群初始化:生成包含与多峰峰数相同的n个生产者的初始种群,最大迭代次数为N,设置生产者初始位置;2-2-2:进入生产者循环:进入第i个生产者Pri(1≤i≤n)的搜索循环,设定第i个生产者Pri会在(i-1)×Uoc_module至i×Uoc_module的范围搜索,其中Uoc_module为组件开路电压,此时第i个生产者Pri的位置为采用生产者搜索策略进行搜索;2-2-3:搜索第i个生产者第k+1代后的最佳位置2-2-4:搜索第k+1代最终全局位置XPr:执行完各个生产者的最大功率点搜索循环后,确定该代生产者的最终位置;2-2-5:获得各代最终位置:完成N次迭代或达到收敛条件后得到各代生产者的最终位置;2-2-6:获得全局最终电压:得到全局最终位置所对应的电压。3.根据权利要求2所述的光伏阵列多峰最大功率群搜索优化跟踪方法,其特征在于:所述步骤2-1中,根据光伏阵列特性以及利用群搜索GSO优化算法包含生产者、觅食者、漫游者的成员特征,目标函数为阵列的输出功率,生产者、觅食者位置代表阵列输入电压值。4.根据权利要求2所述的光伏阵列多峰最大功率群搜索优化跟踪方法,其特征在于:所述步骤2-2-1中,改变生产者初始位置初始化的方式为:第1个生产者Pr1的初始位置选为0.7UOC_module,第2个生产者Pr2的初始位置则选为0.7UOC_module+0.8UOC_module,以此类推,...

【专利技术属性】
技术研发人员:李利娟巩政唐文冰吴军刘梦妮谭貌
申请(专利权)人:湘潭大学
类型:发明
国别省市:湖南;43

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1