一种光伏阵列全局最大功率点跟踪方法
【技术领域】
[0001] 本发明涉及一种光伏阵列最大功率点跟踪算法，尤其是涉及一种光伏阵列全局最 大功率点跟踪方法。
【背景技术】
[0002] 老化、局部阴影和制造工艺不同等引起的电池电气特性不同，使光伏阵列ρ-u曲 线出现多个功率峰值点。传统单峰值最大功率点跟踪方法，无法区分局部最大功率点和全 局最大功率点。若无法正确跟踪全局最大功率点，不仅造成大量能量损失，还增加光伏阵列 调度复杂性。
[0003] 光伏阵列组态优化法和超级电容补偿法均可削弱局部阴影条件影响，使Ρ-U曲线 与正常时单峰值输出特性相似。但组态优化法需要开关器件和传感器数量多，系统结构复 杂，应用有局限性。而超级电容补偿法只能短期补偿，对电池脏污等造成的中长期局部阴影 条件影响作用有限。目前大容量光伏阵列采用光伏组件数多，易受局部阴影条件影响，采用 现有全局最大功率点跟踪算法效果较差。群体智能算法可分布并行搜索，为传统方法难以 处理、没有精确数学模型的问题提供了解决方案，用于多峰值全局最大功率点跟踪可提高 跟踪效率。在文献《粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用》就研究了 粒子群算法在光伏阵列全局最大功率点跟踪中的应用。粒子群算法全局收敛速度很快，但 没有跳出局部最大功率点的方法，局部阴影条件改变后需要重启算法。
【发明内容】
[0004] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种动态局部阴影 条件下无需重启、不易陷入局部最大功率点、跟踪重复出现全局最大功率点更快的基于免 疫细菌觅食算法的大容量光伏阵列全局最大功率点跟踪算法。
[0005] 本发明的目的可以通过以下技术方案来实现：一种光伏阵列全局最大功率点跟踪 方法，该方法将人工免疫算法与细菌觅食算法相结合提出了免疫细菌觅食算法。
[0006] 利用细菌觅食算法的随机选取方向特性实现时变环境下不重启算法即可动态跟 踪全局最大功率点；
[0007] 利用人工免疫算法的免疫选择算子和免疫记忆算子提高在动态和重复出现局部 阴影条件下全局最大功率点的跟踪定位能力。
[0008] 所述的免疫细菌觅食算法是一种群体智能算法，适用于局部阴影条件下大容量光 伏阵列难以建立数学模型的情况，它包括趋化子程序、繁殖子程序、迀移子程序、更新记忆 池子程序，具体步骤如下：
[0009] (1)用全局最大功率点记忆池初始化群体；
[0010] (2)运行趋化子程序；
[0011] (3)判断趋化次数是否大于最大趋化次数，如果是，则执行步骤（4);否则返回步 骤⑵；
[0012] (4)运行繁殖子程序；
[0013] (5)判断繁殖次数是否大于最大繁殖次数，如果是，则执行步骤（6);否则返回步 骤⑵；
[0014] (6)运行迀移子程序；
[0015] (7)判断迀移次数是否大于最大迀移次数，如果是，则执行步骤（8);否则返回步 骤⑵；
[0016] (8)运行更新记忆池子程序；
[0017] (9)输出全局最大功率点。
[0018] 所述的趋化子程序用于及时选择新的跟踪方向，缩短适应度变差方向上的跟踪时 间，不断改变免疫细菌觅食算法输出的参考电压，以跟踪功率损失最小的全局最大功率点， 趋化子程序包括翻转和游动2个步骤。利用rand〇函数生成0~1之间的随机数，此随机 数小于0. 5时游动方向为输出参考电压减小方向，此随机数大于0. 5时游动方向为输出参 考电压增大方向。翻转后，个体开始游动，直到游动前后适应度不再改善时再进行翻转，确 定游动新方向。游动公式如下：
[0019] Θ^j+^k, 1) =Θ 1)+C(i)Φ(j)
[0020] 式中，j为趋化次数，k为繁殖次数，1为迀移次数，θ1 (j，k, 1)为个体i在j次趋 化，k次繁殖，1次迀移后的位置，C(i)为个体i的游动步长，Φ(j)为个体i随机翻转得到 的方向。
[0021] 所述的繁殖子程序不考虑变异，新个体继承原个体一切属性，为提高全局最大功 率点跟踪速度，使用使适应度好且浓度低的个体繁殖最快的免疫选择算子确定待繁殖个体 及其繁殖数目，既能保证个体多样性，又能加快全局收敛速度，有助于动态跟踪全局最大功 率点；所述的免疫选择算子，按如下公式计算选择概率Ps，以确定个体繁殖数目；
[0022] Ps=α·Pf+(l-a)·Pd
[0023] 式中，Pf为适应度概率，个体适应度越大，Pf越大；Pd为浓度概率，个体浓度是指相 似个体占群体比例，浓度越大，Pd越小；a为比例系数，决定了适应度与浓度的作用大小； 0 彡a彡l，〇〈Pf，Pd〈l〇
[0024] 所述的迀移子程序利用全局最大功率点记忆池，按迀移概率I\d随机选取适应度 差的个体并指定其新位置，避免免疫细菌觅食算法陷入局部最大功率点。
[0025] 所述的更新记忆池子程序利用对应提高重复出现抗原清除效率的二次免疫应答 的人工免疫算法的免疫记忆算子，将所有跟踪到的全局最大功率点保存到全局最大功率 点记忆池中，并将跟踪到的全局最大功率点取代全局最大功率点记忆池中与其最相似的个 体，提高重复出现全局最大功率点的跟踪效率。
[0026] 所述的免疫细菌觅食算法用个体的位置表示候选全局最大功率点的电压，用群体 和全局最大功率点记忆池中的个体对应的电压差值表示它们的相似程度，用所述的候选全 局最大功率点电压的损失功率百分比表示对应个体的适应度。
[0027] 所述的免疫记忆算子利用全局最大功率点记忆池初始化群体和指定迀移个体的 新位置。
[0028] 因为光伏组件安装角度等稳定因素，会造成一些局部阴影条件重复出现。利用免 疫记忆算子的全局最大功率点记忆池初始化群体并指定迀移子程序中随机选取的适应度 劣于平均值的个体的新位置，能够加快这些重复出现全局最大功率点的跟踪速度。
[0029] 所述的细菌觅食算法的随机选取方向特性在局部阴影条件改变时，及时选择个体 的新跟踪方向，缩短适应度变差方向上的跟踪时间，动态跟踪时变的全局最大功率点。
[0030] 所述的免疫选择算子抑制局部阴影条件改变后适应度变差但浓度仍较大的个体 繁殖，促进新优良个体繁殖，改善群体平均适应度，加快动态跟踪时变的全局最大功率点的 速度。
[0031] 与现有技术相比，本发明具有以下优点：
[0032] (1)利用趋化功能和免疫选择功能实现动态局部阴影条件下免疫细菌觅食算法无 需重启，具有良好的动态跟踪能力；
[0033] (2)利用迀移特性避免全局最大功率点跟踪过程中免疫细菌觅食算法陷入局部最 大功率点；
[0034] (3)利用全局最大功率点记忆池功能显著加快了重复出现全局最大功率点的跟踪 速度。
【附图说明】
[0035] 图1为本申请的免疫细菌觅食算法的主程序流程图；
[0036]图2为本申请的免疫细菌觅食算法的趋化子程序流程图；
[0037]图3为本申请的免疫细菌觅食算法的繁殖子程序流程图；
[0038] 图4为本申请的免疫细菌觅食算法的迀移子程序流程图；
[0039] 图5为本申请的免疫细菌觅食算法的更新记忆池子程序流程图；
[0040] 图6为本申请的全局最大功率点跟踪性能验证总体模型示意图；
[0041] 图7为局部阴影条件下光伏阵列的6峰值P-U曲线；
[0042] 图8为本申请的跟踪重复出现全局最大功率点能力验证仿真图。
【具体实施方式】
[0043] 下面结合附图和具体实施例对本发明进行详细说明。
[0044] 一种光伏阵列全局最大功率点跟踪方法，该方法将人工免疫算法与细菌觅食算法 相结合提出了免疫细菌觅食算法。
[0045] 利用细菌觅食算法的随机选取方向特性实现时变环境下不重启算法即可动态跟 踪全局最大功率点；
[0046] 利用人工免疫算法的免疫选择算子和免疫记忆算子提高在动态和重复出现局部 阴影条件下全局最大功率点的跟踪定位能力。
[0047] 免疫细菌觅食算法是一种群体智能算法，适用于局部阴影条件下大容量光伏阵列 难以建立数学模型的情况，如图1所示，它包括趋化子程序、繁殖子程序、迀移子程序、更新 记忆池子程序，具体步骤如下：
[0048] (1)用全局最大功率点记忆池初始化群体；
[0049] (2)运行趋化子程序；
[0050] (3)判断趋化次数是否大于最大趋化次数，如果是，则执行步骤（4);否则返回步 骤⑵；
[0051] (4)运行繁殖子程序；
[0052] (5)判断繁殖次数是否大于最大繁殖次数，如果是，则执行步骤（6);否则返回步 骤⑵；
[0053]