一种自适应位置调节的粒子群光伏MPPT控制方法与流程

一种自适应位置调节的粒子群光伏mppt控制方法
技术领域
1.本发明涉及光伏系统追踪最大功率点技术领域，具体涉及一种自适应位置调节的粒子群光伏mppt控制方法。


背景技术：

2.太阳能具有安全、环保、资源充足等优点，是一种清洁能源。光伏发电是太阳能利用的一种主要形式。随着光伏发电技术的日益成熟，对发电效率的要求也愈发提高，其中，最大功率点是表征发电效率的一个关键指标。然而，当光照强度发生变化时，将导致光伏阵列输出电压、输出电流发生改变，呈现非线性的输出特性，光伏系统易陷入局部最优状态，严重影响光伏系统对最大功率点的追踪效率，因此，对最大功率点的追踪变得尤为重要。
3.最大功率点追踪的传统方法包括扰动观测法、电导增量法、模糊控制法等。manoharan premkumar、subramaniam umashankar等学者采用直接占空比技术，提出一种变步长扰动观测法，有利于光伏系统的稳态性能；li tongying、zhu hongbo等学者使用自适应占空比，提出一种改进的电导增量法，在追踪最大功率点时响应速度快；dziwinski piotr、bartczuk lukasz等学者结合模糊控制和粒子群算法，提出一种模糊自适应粒子群算法，提高了最大功率点追踪精度；dursun emre hasan、koyuncu hasan等学者通过引入加速度系数，提出一种改进惯性权重的混沌粒子群算法，降低了在最大功率点附近的震荡。上述所提出的mppt算法也能获取mpp，但是不能同时兼顾追踪速度、响应时间、稳态性能的要求。因此，需要研究一种综合性能良好的mppt控制方法。


技术实现要素：

4.本发明的目的在于克服现有技术的不足，提供一种自适应位置调节的粒子群光伏mppt控制方法，能够大幅度提高追踪速度、响应时间、稳态性能。
5.本发明解决其技术问题采取的技术方案是：提供一种自适应位置调节的粒子群光伏mppt控制方法，包括以下步骤：步骤（1）：采用tent映射产生混沌序列，生成粒子群；步骤（2）：设置粒子群规模、速度、位置；步骤（3）：以光伏阵列输出电压为参考量，将所有粒子的位置x
t
作为光伏阵列输出电压u
t
，飞行速度v
t
作为对参考电压的扰动，并记录所有粒子的输出功率pi（i=1,2,3
…
n）；步骤（4）：粒子根据输出功率选择聚类中心p
t
，将粒子群划分为若干个子群，在聚类中心处，给定粒子速度一个趋于0的扰动增量，的数量级为10-3
，动态更新聚类中心，避免光伏系统陷入局部最优状态；步骤（5）：粒子在前往聚类中心时，通过调整惯性权重ω的取值，改变粒子群的搜索范围；步骤（6）：根据所有粒子的输出功率记录聚类中心p
t
，当达到最大迭代次数后，通过比较所有的聚类中心p
t
，记录最优值g
mpp
。
6.所述步骤（1）中采用tent映射产生混沌序列，生成粒子群，tent映射表达式，随机产生[0,1]内的初值记为y0，代入tent映射表达式进行迭代，当达到最大迭代次数n-1次时，迭代停止，产生混沌序列，yi、y
i 1
分别表示迭代i-1次、i次的映射值。
[0007]
所述步骤（2）中设置粒子群的规模为共有n个粒子，搜索空间为d维，粒子群速度、位置表达式为：，为粒子更新迭代次数；、分别为粒子t-1代、t代时的速度；、为粒子t-1代、t代时的位置；为惯性权重；、为加速因子；、为介于[0，1]之间的随机分布数； pbest为个体最优解，gbest为全局最优解。
[0008]
所述步骤（3）中将粒子群位置替换为输出电压、粒子群速度替换为扰动电压，输出电压表达式为：，、为粒子t-1代、t-2代时的输出电压；为t-1代时的扰动电压。
[0009]
所述步骤（4）中粒子间比较输出功率，选择聚类中心p
t
，将粒子群划分为若干个子群，在聚类中心附近均为，确定聚类中心后，经过每次迭代，均给定粒子速度一个趋于0的扰动增量，的数量级为10-3
，粒子速度更新表达式为，、分别为粒子更新前、后的速度，观察聚类中心pt是否变化，若出现，则将pi确定为新的聚类中心p
t
，通过动态更新聚类中心，避免光伏系统陷入局部最优状态。
[0010]
所述步骤（5）中各个粒子在前往聚类中心时，增加惯性权重的取值，提高粒子对局部最优的搜索能力，当各个聚类中心前往全局最优解时，减小惯性权重的取值，提高聚类中心对全局最优的搜索能力。
[0011]
所述步骤（5）中当光伏系统检测到外界环境发生变化时，在算法中将该种情况认为是捕食者，捕食者为抢夺粒子食物及捕杀粒子的鸟类，设捕食者位置（m1，n1），粒子位置（m2，n2），m1、n1为捕食者位置在坐标轴中的分量；m2、n2为粒子位置在坐标轴中的分量；根据粒子与捕食者的相对距离对粒子位置进行更新，相对距离表达式为；粒子自动更新表达式为；表示为第i（i=1,2,3，
…
n）个粒子在第t代第d（d=1，2,3，
…
,d）维的位置；为（0，1]中的随机数；为一个标准正态分布随机数；为最大迭代次数；为报警值。
[0012]
所述步骤（6）根据输出功率表达式，其中pi表示输出功率，u
t
表示输出电压，i表示输出电流，记录所有粒子的输出功率pi，并记录聚类中心p
t
为最优输出功率，当达到最大迭代次数时，比较所有的最优输出功率p
t
，并记录最优值g
mpp
。
[0013]
采用上述技术方案，本发明与现有技术相比，具有以下优点和积极效果：运用tent映射产生粒子群序列，提高算法的遍历性，降低了光伏系统在最大功率点处的震荡；检测出外界环境对光伏系统的干扰，防止输出电压失真；加入聚类中心，将粒子群分为若干个子群，有利于寻找全局最优解；对粒子速度添加一个趋于0的扰动增量，避免光伏系统陷入局部最优状态。该算法无需选择变量的最优取值，提高了系统的准确性与快速性。本发明在光照强度变化剧烈的条件下有良好的适应能力，可以应用在环境变化剧烈的地区。
附图说明
[0014]
图1是本发明的控制流程图；图2是粒子状态图；图3是现有技术的粒子群mppt在不同光照强度的功率输出曲线；图4是本发明在不同光照强度的功率输出曲线。
具体实施方式
[0015]
以下结合附图对本发明实施方式做进一步详述：运用tent映射产生粒子群序列，提高算法的遍历性，降低了光伏系统在最大功率点处的震荡；检测出外界环境对光伏系统的干扰，防止输出电压失真；加入聚类中心，将粒子群分为若干个子群，有利于寻找全局最优解；对粒子速度添加一个趋于0的增量扰动，避免光伏系统陷入局部最优状态。如图1所示，具体步骤如下：生成粒子群。采用tent映射，在[0,1]区间内随机产生一个y0作为第一个粒子，将其代入tent映射表达式 ，yi、y
i 1
分别表示迭代i-1次、i次的映射值。
[0016]
设置粒子群规模、速度、位置。对tent映射表达式进行n-1次迭代，共有n个粒子，每个粒子的搜索范围为d维，各个粒子的速度、位置随机赋值，表达式为：，为粒子更新迭代次数；、分别为粒子t-1代、t代时的速度；、为粒子t-1代、t代时的位置；为惯性权重；、为加速因子；、为介于[0，1]之间的随机分布数；pbest为个体最优解，gbest为全局最优解。
[0017]
粒子根据与捕食者相对距离，自动更新位置。为了保证粒子群数量的完整性，赋予各个粒子具有反捕食的能力，设捕食者位置（m1，n1），粒子位置（m2，n2），根据粒子与捕食者的相对距离对粒子位置进行更新，相对距离表达式为：，m1、n1为捕食者位置在坐标轴中的分量；m2、n2为粒子位置在坐标轴中的分量。
[0018]
粒子自动更新表达式为；表示为第i（i=1,2,3，
…
n）个粒子在第t代第d（d=1，2,3，
…
,d）维的位置，为（0，1]中的随机数；为一个标准正态分布随机数；为最大迭代次数；为报警值。
[0019]
将粒子群位置替换为输出电压、粒子群速度替换为扰动电压，输出电压表达式为：，、为粒子t-1代、t-2代时的输出电压；为t-1代时的扰动电压。
[0020]
粒子间比较输出功率，选择聚类中心p
t
，将粒子群划分为若干个子群，在聚类中心附近均为，确定聚类中心后，经过每次迭代，均给定粒子速度一个趋于0的扰动增量，的数量级为10-3
，粒子速度更新表达式为，、分别为粒子更新前、后的速度，观察聚类中心pt是否变化，若出现，则将pi确定为新的聚类中心p
t
，通过动态更新聚类中心，避免光伏系统陷入局部最优状态。
[0021]
各个粒子在前往聚类中心时，增加惯性权重的取值，取提高粒子对局部最优的搜索能力，当各个聚类中心前往全局最优解时，减小惯性权重的取值，取，提高聚类中心对全局最优的搜索能力，在聚类中心处，给定粒子速度一个趋于0的扰动增量，的数量级为10-3
，粒子速度更新表达式为，、分别为粒子更新前、后的速度，动态更新聚类中心，避免光伏系统陷入局部最优状态。
[0022]
根据输出功率表达式，其中pi表示输出功率，u
t
表示输出电压，i表示输出电流，记录所有粒子的输出功率pi，并记录聚类中心p
t
为最优输出功率，当达到最大迭代次数时，比较所有的最优输出功率p
t
，并记录最优值g
mpp
。
[0023]
如图2所示，以x1、x2为聚类中心，根据x3与聚类中心的距离，判断粒子的飞行方向，因此可以将数目为n的粒子群分为n/n个子群，距离公式为：，（x1，y1），（x3，y3）分别为粒子x1、x3在坐标轴中的分量。
[0024]
图3和图4为温度在25℃恒定时，光照强度每隔0.2秒变化一次，依次为600w/
㎡
、800w/
㎡
、1000w/
㎡
下传统粒子群算法和本发明的功率输出曲线图，t1、t2、t3分别表示光伏系统在600w/
㎡
、800w/
㎡
、1000w/
㎡
光照强度下达到稳定状态的时间。
[0025]
如图3所示，在0-0.2秒阶段，传统粒子群算法追踪时间为0.12秒，0.2-0.5秒内测试了两种算法在光照强度连续上升条件下的追踪能力。传统粒子群算法的追踪时间分别为0.08秒和0.06秒，可以看出，在光照强度变化的条件下，传统粒子群算法响应速度慢，追踪时间长，增加了功率损失。
[0026]
如图4所示，在0-0.2秒阶段，本发明的算法追踪时间为0.07秒，与传统粒子群算法相比，追踪时间提高了40%，0.2-0.5秒内测试了两种算法在光照强度连续上升条件下的追踪能力。本发明的算法追踪时间约为0.05秒和0.04秒，响应时间更快，在光照强度变化时，算法中加入了反捕食能力和聚类中心，因此，响应速度和追踪精度得到大幅度提升，减少了功率损失。
[0027]
本发明的mppt算法相较于传统的mppt粒子群算法在光照强度变化时具有快速的
适应能力和追踪能力，增加了光伏系统的输出功率，提高了发电量。在0-0.2秒内，使用本发明的mppt算法输出功率比传统的mppt粒子群算法提高了35%。
[0028]
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。