基于蚁群算法和电导增量法的多峰值MPPT算法的制作方法

本发明属于光伏发电技术领域，具体涉及一种基于蚁群算法和电导增量法的多峰值mppt算法。

背景技术：

光伏发电是有效利用太阳能资源的途径之一，近年来受到了世界各国的高度重视并得到了快速的发展。如今，光伏发电面临的主要问题之一就是转换效率低，解决这一问题的途径之一就是在光伏发电过程中进行最大功率点跟踪(mppt)。

目前常用的光伏阵列mppt控制算法是基于扰动的自寻优算法，包括扰动观察法、电导增量法。这类方法不依赖外界环境的变化，根据光伏阵列输出电压和电流的采样值对最大功率点进行跟踪。在局部遮阴条件下，由于各光伏电池输出的差异，会造成光伏阵列输出电压出现多个峰值，这时上述方法易陷入局部最大功率点。基于智能处理方法和相关非线性控制策略的mppt控制算法是目前较为新颖的研究方向。此类控制方法以现代控制理论为出发点，在人工智能算法的基础上提出优化算法。比如模糊逻辑控制法、蚁群算法，但不足之处在于控制复杂，对芯片处理能力要求较高。

公开号为cn105955394a的专利公开了一种基于蚁群优化与变步长扰动观察算法的光伏系统mppt方法，利用蚁群算法结合pi控制器搜索全局最大功率点处的电压，在该电压处采用变步长扰动观察法跟踪光伏阵列的全局最大功率点。该方法由于使用了pi控制器，因此参数调节困难，计算量大；还采用了变步长扰动观察法，虽然收敛速度较定步长扰动观察法快，但实际效果不明显。

因此，在实际使用过程中，需要一个效果更好的全局最大功率点跟踪算法来提高光伏阵列的最大发电效能。

技术实现要素：

本发明的目的在于提供一种基于蚁群算法和电导增量法的多峰值mppt算法，用以在光伏系统局部遮阴出现多峰值情况下快速、准确解决搜索全局最大功率点的问题。

实现本发明目的的技术方案为：一种基于蚁群算法和电导增量法的多峰值mppt算法，包括如下步骤：

步骤1，基于蚁群算法搜索光伏阵列工作于全局最大功率点处的电压；

步骤2，采用电导增量法继续跟踪光伏阵列的全局最大功率点，得到所寻的最佳电压；

步骤3，通过pwm控制连接光伏阵列的boost电路，使光伏阵列运行在所寻最佳电压，即工作于全局最大功率点处。

与现有技术相比，本发明的显著优点为：

本发明采用十进制寻优地图实现蚁群算法，结合电导增量法可以克服常规算法陷入局部最大功率点的缺点，实现快速、准确的跟踪，解决具有多峰输出特性的光伏阵列最大功率点跟踪问题。

附图说明

图1是本发明的应用实例图。

图2是本发明的等效电路图。

图3是本发明的蚁群算法流程图。

图4是本发明的十进制数寻优地图。

图5是本发明的电导增量法流程图。

图6是本发明的应用实例中光伏阵列输出电压仿真曲线图。

图7是本发明的应用实例中光伏阵列输出功率仿真曲线图。

具体实施方式

本发明的一种基于蚁群算法和电导增量法的多峰值mppt算法，包括如下步骤：

步骤1，基于蚁群算法搜索光伏阵列工作于全局最大功率点处的电压；

步骤2，采用电导增量法继续跟踪光伏阵列的全局最大功率点，得到所寻的最佳电压；

步骤3，通过pwm控制连接光伏阵列的boost电路，使光伏阵列运行在所寻最佳电压，即工作于全局最大功率点处。

进一步的，步骤1具体为：

(1-1)初始化蚁群算法参数，确定蚂蚁个数及电压位数，并构造十进制数寻优地图；

(1-2)通过十进制数寻优地图实现蚁群算法生成各蚂蚁所寻电压；

(1-3)判断是否满足终止迭代条件，若不满足，则执行步骤3；若满足，执行下一步；

(1-4)比较各蚂蚁的输出功率，更新目前最大功率及对应电压，更新十进制数寻优地图中的信息素和期望值；判断是否满足终止迭代条件，若满足，则执行步骤2，若不满足则返回步骤(1-2)。

进一步的，蚁群算法参数包括信息素重要程度、期望值重要程度、信息素挥发系数、信息素增强系数、信息素上限、信息素下限。

进一步的，步骤2具体为：

(2-1)计算光伏阵列前后时刻电压、电流偏差量；

(2-2)根据电导增量法的判据公式，施加占空比扰动量，跟踪光伏阵列的全局最大功率点；得到所寻的最佳电压。

进一步的，步骤3具体为：通过pwm占空比控制量控制boost电路，使光伏阵列输出电压稳定在参考值处。

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1、图2所示，本发明是基于蚁群算法和电导增量法的结合，在光伏阵列局部遮阴出现多峰值输出特性的情况下，解决搜素全局最大功率点的问题。

如图3所示，本发明基于蚁群算法和电导增量法的多峰值mppt算法包括以下步骤：

步骤1，基于蚁群算法搜索光伏阵列工作于全局最大功率点处的电压；

(1-1)初始化各参数，包括蚂蚁个数m＝15，信息素重要程度α＝2，期望值重要程度β＝1.5，信息素挥发系数ρ＝0.05，信息素增强系数q＝0.5e-6，信息素上限τmax＝20，信息素下限τmin＝1，十进制位数d＝4。

(1-2)根据图4所示构造十进制数寻优地图，横轴为十进制位数d，纵轴为自然数0～9，十进制数包含三位整数位及一位小数位。每次迭代时，各蚂蚁在图中生成爬行路径，得到各电压解。根据爬行路径得出电压解的公式为：

其中nd表示蚂蚁第d步所在位置对应的自然数；b表示十进制数的整数位数，b＝3。

在十进制数寻优地图上实现蚁群算法是依靠概率公式实现的，概率公式为：

其中表示每次迭代中第m只蚂蚁从第d-1步的i点到第d步的j点的概率，1≤m≤m，0≤i≤9，0≤j≤9；τd(i,j)表示第d-1步的i点到第d步的j点之间的信息素；ηd(j)表示第d步的j点的期望值，等于(10-|jd-jd_best|)/10，jd表示当前蚂蚁第d步的j点，jd_best表示当前最佳路径第d步的j点。

接着通过概率累加和随机方法得到当前蚂蚁第d步的点，从而可以得出每次迭代中各蚂蚁的爬行路径，得到电压解。此概率公式可使蚂蚁倾向于选择信息素更高的路径。

(1-3)判断是否满足终止迭代条件，当迭代次数大于最大迭代次数smax，且|ppv-fmax|/fmax≤0.2，即输出功率与当前最大输出功率之间的偏差小于0.2时，则判定蚁群算法停止运行；

当不满足蚁群算法终止条件时，把每次迭代中各蚂蚁电压解输入pwm与三角载波信号比较产生占空比，实现光伏阵列输出参考电压；当满足蚁群算法终止条件时，执行下一步；

(1-4)通过反馈光伏阵列的输出电压和输出电流，得到各蚂蚁电压解所对应的输出功率。通过比较各输出功率，得到每次迭代中的最大功率，以及对应的最佳路径和电压解。

信息素增量公式为：

δτd(i,j)＝q*fmax(3)

其中δτd(i,j)表示从第d-1步的i点到第d步的j点之间的信息素增量；q表示信息素增强系数；fmax表示上一次迭代中比较各蚂蚁电压解对应输出功率所得到的最大输出功率。由此可以得到信息素更新公式为：

其中表示本次迭代从第d-1步的i点到第d步的j点之间的信息素；表示上一次迭代从第d-1步的i点到第d步的j点之间的信息素；ρ表示信息素挥发系数。

为防止蚁群算法出现不再扩散、过早停滞的现象，利用公式(5)限制各路段信息素的值域。

其中τd(i,j)表示每次迭代中各路段的信息素；τmin表示信息素下限；τmax表示信息素上限。

判断是否满足终止迭代条件，若满足，则执行步骤2，若不满足则返回步骤(1-2)进行下一次迭代。

步骤2，采用电导增量法继续跟踪光伏阵列的全局最大功率点，得到所寻的最佳电压；

蚁群算法搜索到的电压可能是光伏阵列全局最大功率点所对应的电压，也可能是全局最大功率点附近的电压，采用电导增量法对最大功率点进行准确跟踪，具体方法如图5所示。

(2-1)采样此时刻和前一时刻的光伏阵列输出电压和电流upv、upv_b、ipv、ipv_b，得到电压偏差量du，电流偏差量di。设置占空比扰动量δd＝0.002。

(2-2)判断du是否等于0。若du＝0，则再判断di，当di＝0时，说明此时光伏阵列输出电压就是全局最大功率点的电压；当di>0时，则减去占空比扰动量δd，减小占空比；当di<0时，则加上占空比扰动量δd，增大占空比。通过pwm占空比控制量控制boost电路，使光伏阵列输出电压稳定在参考值处。

若du≠0，则再判断di/du，当di/du＝-i/u时，此时光伏阵列输出电压就是全局最大功率点的电压，其中i＝ipv，u＝upv；当di/du＞-i/u时，则减去占空比扰动量δd，减小占空比；当di/du＜-i/u时，则加上占空比扰动量δd，增大占空比。通过pwm占空比控制量控制boost电路，使光伏阵列输出电压稳定在参考值处。

如图6和图7所示，由于外界环境的快速变化，光伏阵列的输出特性也发生快速变化，本发明通过蚁群算法和电导增量法相结合的优点，在0.27s左右跟踪到了全局最大功率点，最大功率点电压为480v，最大功率为3.89mw。相比于变步长扰动观察法等改进方法，跟踪速度更快，更精确。本发明实现了快速准确地跟踪全局最大功率点，充分利用了光伏阵列最大发电效能。