基于多策略改进的人工蜂群算法的光伏MPPT控制方法

技术特征：
1.基于多策略改进的人工蜂群算法的光伏mppt控制方法，其特征在于包括以下步骤：步骤1：对光伏电池等效电路数学模型简化，得到光伏电池数学模型，搭建光伏阵列模型；步骤2：搭建光伏mppt控制模块、升压电路模块与pwm发生器模块，组成光伏发电mppt控制系统模型；步骤3：光伏mppt控制模块采集光伏阵列的输出电压与电流，通过多策略改进的人工蜂群算法进行实时搜索，找到最大输出功率点对应的最优占空比；步骤4：基于多策略改进的人工蜂群算法的光伏mppt控制模块输出搜索到的最优占空比，通过pwm发生器模块生成相应脉冲信号，驱动升压电路模块，使光伏发电系统输出最大功率；步骤5：判断环境是否发生变化，若是，返回步骤2，重启算法；若否，保持步骤3保存最大输出功率。2.根据权利要求1所述基于多策略改进的人工蜂群算法的光伏mppt控制方法，其特征在于：所述步骤1中，光伏电池等效电路数学模型表达式为：式中，i
sc
为光生电流；i
d
为流过二极管vd的电流；i0为二极管反向饱和电流；q为电子电荷常数；v为负载端电压；i
l
为负载工作电流；a为二极管品质因数；r
s
为等效串联电阻；r
sh
为等效并联电阻；i
rsh
为流过等效并联电阻的电流；k为玻尔兹曼常数；t为光伏电池温度；对光伏电池等效电路数学模型做出如下两点简化：
①
：通常情况下项的值远小于光生电流，因此忽略该项；
②
：通常情况下r
s
远小于二极管正向导通电阻，设定i
l
＝i
sc
；并且定义如下情况：a、开路状态下：i
l
＝0，v＝v
oc
；b、最大功率点处：v＝v
m
，i
l
＝i
m
；此时，光伏电池等效电路数学模型能够简化为：式中，i
m
为最佳工作电流电流，v
m
为最佳工作电压，v
oc
为开路电压；因此，只需要i
sc
、v
oc
、i
m
和v
m
四个参数，就能够以较高精度复现光伏电池的特性。3.根据权利要求1所述基于多策略改进的人工蜂群算法的光伏mppt控制方法，其特征在于：所述步骤2中，光伏mppt控制模块，用于搜索最大输出功率所对应的最优占空比；升压电路模块，用于升高光伏阵列输出电压；pwm发生器模块，用于生成与最优占空比相应的脉冲信号驱动升压电路模块；
上述模块与光伏阵列共同组成光伏发电mppt控制系统模型，以实现最大功率输出。4.根据权利要求1所述基于多策略改进的人工蜂群算法的光伏mppt控制方法，其特征在于：所述步骤3中，多策略改进的人工蜂群算法搜索最大功率点所对应占空比，包括如下步骤：s3.1、定义参数：蜜源位置代表控制升压电路模块电压的占空比；蜜源花蜜量即为光伏阵列输出的功率p；算法搜索到的最优蜜源为花蜜量最多的蜜源，即为光伏阵列输出最大功率时控制升压电路模块电压的最优占空比；s3.2、初始化基本参数：设置蜜源数目sn，蜜源空间维度d，迭代次数t
max
；s3.3、更新枯竭参数阈值limit：蜜源空间维数与蜜源数量共同决定了limit的取值，具体表达式如下：limit＝sn
×
d；s3.4、初始化蜜源位置：首先将蜜源x
ij
中第j维度区间均匀划分为与蜜源数sn相同的子区间，初始化操作时首先选定子区间，然后在子区间内随机生成初始蜜源，均匀化与随机化相结合的初始化表达式如下：式中，i＝1，2，
…
，sn，sn为蜜源(雇佣峰、跟随蜂)的数目；j＝1，2，
…
,d，d为蜜源空间的维数；α
ij
为(0,1)间的随机值；和分别为第j维分量的最小值和最大值；s3.5、计算初始蜜源花蜜量，选择出花蜜量最多的蜜源，将其设置为精英个体gbests3.6、更新权重因子ω(t)：ω(t)为随着迭代次数t非线性变化的权重因子，ω(t)的数学表达式为：式中，ω
max
和ω
min
分别为惯性权重ω的最大值与最小值，t为当前搜索次数，t
max
为最大搜索次数；s3.7、雇佣蜂搜索：每只雇佣蜂均拥有一个相对于的蜜源，雇佣蜂采用精英个体引导和非线性权重因子协同搜索策略，搜索新蜜源，数学表达式如下：x
ij
'＝x
ij
ω(t)(x
ij-x
kj
) (1-ω(t))(gbest-x
ij
)；式中，x
ij
'为新蜜源位置，x
kj
为随机选择的蜜源，k＝1,2
…
,sn，且k≠i，gbest为精英个体；s3.8、雇佣蜂对搜索到的新蜜源与原有旧蜜源进行贪婪选择，保留花蜜较多的蜜源，贪婪选择的数学表达式为：式中，fit(x
ij
')、fit(x
ij
)分别表示新旧蜜源的花蜜量，v
ij
为贪婪选择后的优质蜜源；
式中：r
l
为外部电路负载。6.根据权利要求1所述基于多策略改进的人工蜂群算法的光伏mppt控制方法，其特征在于：所述步骤5中，判断环境变化的依据为：当环境变化后，光伏阵列输出功率会发生变化，导致最大输出功率丢失，需要重启算法，通过检测输出功率变化率δp来实现，故算法重启条件设置为：式中，p
t
表示t时刻光伏阵列输出功率，p
max
代表追踪到的最大功率。

技术总结
基于多策略改进的人工蜂群算法的光伏MPPT控制方法，包括以下步骤：搭建光伏阵列模型；搭建光伏发电MPPT控制系统模型；采集光伏电池模型的输出电压与电流，通过多策略改进的人工蜂群算法进行实时搜索，找到最大输出功率点对应的最优占空比；基于多策略改进的人工蜂群算法的光伏MPPT控制模块输出搜索到的最优占空比，通过PWM发生器模块生成相应脉冲信号，调节升压电路模块电压，使光伏发电系统输出最大功率；判断环境是否发生变化，若是，返回重启算法；若否，保持保存最大输出功率。本发明提供的基于多策略融合的人工蜂群算法的MPPT方法，对于静态和动态阴影环境下光伏阵列的最大功率追踪问题，能够保证较高跟踪精度的同时具有更快的跟踪速度以及较少的功率波动。更快的跟踪速度以及较少的功率波动。更快的跟踪速度以及较少的功率波动。


技术研发人员：张玉文 张韬 熊子轩 徐世泽 过慈伟
受保护的技术使用者：三峡大学
技术研发日：2022.09.01
技术公布日：2022/12/5