基于改进狼群算法的光伏发电系统最大功率点跟踪方法与流程

文档序号:15635308发布日期:2018-10-12 21:24阅读:187来源:国知局

本发明涉及光伏发电技术领域,尤其涉及一种基于改进狼群算法的光伏发电系统最大功率点跟踪方法。



背景技术:

能源不仅是一个社会经济进步的支撑,也是人类生存的必须物质,目前石油、煤炭等传统燃料能源的储存量随着社会发展的开采已经日渐减少,并且释放的有害物质对环境造成了极大的危害。人类为了解决这种境况,把目光投向了可再生能源,通过研究和利用可再生能源去改变现有的能源结构,维持能源的可持续发展。

太阳每秒钟产生的能量相当于5亿桶石油的能量,如果把照射到地球表面0.1%的太阳能转换成电能,转换率10%,则年发电量达到11.2×1012kwh,相当于全球能耗的80倍。太阳能作为一种取之不尽用之不竭的新能源,具有环保、长久、能源质量高、建设周期短和持续等特征,其大规模有效利用已成为应对环境变化、解决能源危机的重要途径之一,有着广阔的发展前景。太阳能利用主要是光伏发电,光伏电池能将太阳能转换为电能。相对于其它能源,太阳能是一种无噪、无污染的能源,具有更加重要的实际应用价值。

目前,与建筑结合的分布式光伏发电并网系统发展趋势越来越明显,不仅使建筑物更时尚,而且可以减少对土地资源的使用。由于光伏阵列露天摆放,经常会受到周围环境(高层建筑,树木以及天空乌云)的影响而使得光伏阵列所受光照不均匀,形成局部阴影,导致阵列输出功率-电压特性曲线上有多峰值现象,使传统的最大功率点跟踪(maximumpowerpointtracking,mppt)算法不再适用。

狼群算法是基于狼群群体智能,模拟狼群捕食行为及其猎物分配方式,抽象出游走、召唤、围攻3种智能行为以及“胜者为王”的头狼产生规则和“强者生存”的狼群更新机制,提出一种新的群体智能算法。但是传统狼群算法中仍存在探狼游走方向固定、游走步长不能动态调节、人工狼之间缺乏信息交流、头狼不参与智能行为等缺点。



技术实现要素:

针对现有技术的缺陷,本发明提供一种基于改进狼群算法的光伏发电系统最大功率点跟踪方法,实现对光伏阵列最大功率点的跟踪。

基于改进狼群算法的光伏发电系统最大功率点跟踪方法,包括以下步骤:

步骤1、狼群初始化;

所述狼群初始化包括初始化人工狼的数量wofl_num以及每只人工狼的位置xi,i=1、2…、wofl_num,待优化参数的个数d和占空比取界[xmin,xmax],迭代次数t=0,最大迭代次数tmax,探狼占比α,游走次数最大值kmax,游走步长stepa,奔袭步长stepb,围攻步长stepc,寻猎步长stepl,距离判定因子ω以及更新比例因子β;所述各步长满足以下关系式:

stepb>stepa>stepc>stepl

步骤2、探狼变步长和变方向游走,具体方法为:

步骤2.1、计算当前所有人工狼所在位置对应的输出功率,选取对应输出功率最高的狼为头狼ylead,位置记为xlead,将除头狼外对应输出功率最好的t_num只人工狼视为探狼,t_num=wolf_num*α;

步骤2.2、所有探狼均以游走步长stepa分别向h个方向各前进一步,并退回原位置,记录下搜索到的h个输出功率并进行比较,然后向对应输出功率最大且大于当前位置输出功率的方向前进一步;若h个方向上的输出功率都小于当前位置的输出功率,则探狼的该次游走为无用游走,探狼保持在原位置,改变游走步长stepa后执行下一次游走;

所述探狼的游走步长stepa的计算如下公式所示:

stepa=stepa/an

其中,为斐波那契数列通项公式,n为探狼无用游走的次数,当n从1开始取值时,an的值分别为1、1、2、3、5、8、13、21、34...;

则第j只探狼按游走步长stepa向第p个方向游走后的位置如下公式所示:

其中,为第j只探狼向第p个方向游走后的位置,j=1、2、…、t_num,m=m(:,p)为矩阵m中第p列向量,m=rand(d,h)为d×h维随机矩阵,d=1,h为探狼游走的方向总数,p为h中的某一方向;

步骤2.3、当所有探狼游走次数达到kmax时,将对应输出功率最高的探狼yj与头狼ylead比较,若yj>ylead,则将探狼作为头狼,即ylead=yj;

步骤3、将除头狼和探狼后剩余的对应输出功率较差的狼称为猛狼,所有猛狼以奔袭步长stepb按照避劣奔袭原则向头狼位置靠拢,快速奔向头狼的位置,经过第k+1次奔袭,第j′只猛狼xj′在空间中所处的位置如下所示:

其中,为第j′只猛狼第k+1次奔袭后在空间中所处的位置,j′=wofl_num-1-t_num,第j′只猛狼第k次奔袭后在空间中所处的位置;

若奔袭途中某只猛狼的对应输出功率yb大于头狼,即yb>ylead,则将该只猛狼作为头狼,即ylead=yb,否则该只猛狼继续奔袭,直至与头狼的距离dj′小于预先设定的阈值dnear;

所述避劣奔袭原则为:猛狼在奔袭过程中与执行完游走行为之后对应输出功率最差的探狼进行信息交流,当猛狼与该探狼的距离小于设定值时,猛狼将以更大步长stepb=v×stepb奔袭,v为大于1的常数,直至猛狼与该探狼的距离大于设定值时恢复原步长,实现快速避开最大功率点存在概率最小的区域;

步骤4、所有猛狼以进攻步长stepc对头狼附近猎物进行围攻,围攻公式如下所示:

其中,xj′为第j′只猛狼围攻前的位置,x′j′为j′只猛狼围攻后的位置,为[-1,1]间均匀分布的随机数;

所有猛狼执行一次围攻后将对应输出功率最大的猛狼与头狼比较,若优于头狼,则替代头狼的地位,成为新的头狼;

步骤5、头狼以寻猎步长stepl执行寻猎行为;

所述寻猎步长stepl的计算如下公式所示:

stepl=stepl/ar

其中,为斐波那契数列通项公式,r为头狼无用寻猎的次数,当r从1开始取值时,ar的值为1、1、2、3、5、8、13、21、34...;

则头狼按寻猎步长stepl向第p个方向寻猎后的位置如下公式所示:

其中,为头狼向第p个方向寻猎后的位置,m=m(:,p)为矩阵m中第p列向量,m=rand(d,h)为d×h维随机矩阵,d=1,h为寻猎的方向总数,p为h中的某一方向;

步骤6、按照“强者生存”的更新机制对狼群进行更新换代,按更新比例因子β保留对应输出功率较好的探狼,舍去对应输出功率较差的探狼和所有猛狼;

步骤7、判断最大功率点跟踪是否达到预设的优化精度或迭代次数t是否达到最大迭代次数tmax,若达到则输出最大功率点,即头狼的位置对应的占空比,否则,t=t+1,转到步骤二,再执行下一次迭代计算。

由上述技术方案可知,本发明的有益效果在于:本发明提供的基于改进狼群算法的光伏发电系统最大功率点跟踪方法,采用改进的狼群算法解决了原狼群算法中探狼游走方向固定、游走步长不能动态调节、人工狼之间缺乏信息交流、头狼不参与智能行为等缺点,从全局性、收敛速度、收敛精度和鲁棒性四个方面对狼群算法进行改进,同时还将该算法应用于光伏发电系统最大功率点跟踪,解决了光伏电池功率输出不稳定的问题,使光伏电池的输出功率保持最大化,提高了最大功率点的跟踪速度和跟踪精度,提高了光电转化率。

附图说明

图1为本发明实施例提供的光伏发电系统最大功率点跟踪系统的结构框图;

图2为本发明实施例提供的基于改进狼群算法的光伏发电系统最大功率点跟踪方法的流程图。

具体实施方式

下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。

本实施例以如图1所示的某光伏发电系统最大功率点跟踪系统为例,使用本发明的基于改进狼群算法的光伏发电系统最大功率点跟踪方法对该光伏发电系统的最大功率点进行跟踪。

基于改进狼群算法的光伏发电系统最大功率点跟踪方法,如图2所示,包括以下步骤:

步骤1、狼群初始化;

狼群初始化包括初始化人工狼的数量wofl_num以及每只人工狼的位置xi,i=1、2…、wofl_num,待优化参数的个数d和占空比取界[xmin,xmax],迭代次数t=0,最大迭代次数tmax,探狼占比α,游走次数最大值kmax,游走步长stepa,奔袭步长stepb,围攻步长stepc,寻猎步长stepl,距离判定因子ω以及更新比例因子β;所述各步长满足以下关系式:

stepb>stepa>stepc>stepl

本发明的改进狼群算法寻优的目标函数是光伏发电系统的输出功率,每个人工狼的位置对应一个占空比,mppt控制器通过改变boost电路开关管的占空比控制输出电压,进而控制输出功率。

步骤2、探狼变步长和变方向游走,具体方法为:

步骤2.1、计算当前所有人工狼所在位置对应的输出功率,选取对应输出功率最高的狼为头狼ylead,位置记为xlead,将除头狼外对应输出功率最好的t_num只人工狼视为探狼,t_num=wolf_num*α;

步骤2.2、所有探狼均以游走步长stepa分别向h个方向各前进一步,并退回原位置,记录下搜索到的h个输出功率并进行比较,然后向对应输出功率最大且大于当前位置输出功率的方向前进一步;若h个方向上的输出功率都小于当前位置的输出功率,则探狼的该次游走为无用游走,探狼保持在原位置,改变游走步长stepa后执行下一次游走;

探狼的游走步长stepa的计算如下公式所示:

stepa=stepa/an

其中,为斐波那契数列通项公式,n为探狼无用游走的次数,当n从1开始取值时,an的值分别为1、1、2、3、5、8、13、21、34...;

则第j只探狼按游走步长stepa向第p个方向游走后的位置如下公式所示:

其中,为第j只探狼向第p个方向游走后的位置,j=1、2、…、t_num,m=m(:,p)为矩阵m中第p列向量,m=rand(d,h)为d×h维随机矩阵,d=1,h为探狼游走的方向总数,p为h中的某一方向;

步骤2.3、当所有探狼游走次数达到kmax时,将对应输出功率最高的探狼yj与头狼ylead比较,若yj>ylead,则将探狼作为头狼,即ylead=yj;

步骤3、将除头狼和探狼后剩余的对应输出功率较差的狼称为猛狼,所有猛狼以奔袭步长stepb按照避劣奔袭原则向头狼位置靠拢,快速奔向头狼的位置,经过第k+1次奔袭,第j′只猛狼xj′在空间中所处的位置如下所示:

其中,为第j′只猛狼第k+1次奔袭后在空间中所处的位置,j′=wofl_num-1-t_num,第j′只猛狼第k次奔袭后在空间中所处的位置;

若奔袭途中某只猛狼的对应输出功率yb大于头狼,即yb>ylead,则将该只猛狼作为头狼,即ylead=yb,否则该只猛狼继续奔袭,直至与头狼的距离dj′小于预先设定的阈值dnear;

避劣奔袭原则为:猛狼在奔袭过程中与执行完游走行为之后对应输出功率最差的探狼进行信息交流,当猛狼与该探狼的距离小于设定值时,猛狼将以更大步长stepb=v×stepb奔袭,v为大于1的常数,直至猛狼与该探狼的距离大于设定值时恢复原步长,实现快速避开最大功率点存在概率最小的区域;

步骤4、所有猛狼以进攻步长stepc对头狼附近猎物进行围攻,围攻公式如下所示:

其中,xj′为第j′只猛狼围攻前的位置,x′j′为j′只猛狼围攻后的位置,为[-1,1]间均匀分布的随机数;

所有猛狼执行一次围攻后将对应输出功率最大的猛狼与头狼比较,若优于头狼,则替代头狼的地位,成为新的头狼;

步骤5、头狼以寻猎步长stepl执行寻猎行为;

寻猎步长stepl的计算如下公式所示:

stepl=stepl/ar

其中,为斐波那契数列通项公式,r为头狼无用寻猎的次数,当r从1开始取值时,ar的值为1、1、2、3、5、8、13、21、34...;

则头狼按寻猎步长steol向第p个方向寻猎后的位置如下公式所示:

其中,为头狼向第p个方向寻猎后的位置,m=m(:,p)为矩阵m中第p列向量,m=rand(d,h)为d×h维随机矩阵,d=1,h为寻猎的方向总数,p为h中的某一方向;

步骤6、按照“强者生存”的更新机制对狼群进行更新换代,按更新比例因子β保留对应输出功率较好的探狼,舍去对应输出功率较差的探狼和所有猛狼;

步骤7、判断最大功率点跟踪是否达到预设的优化精度或迭代次数t是否达到最大迭代次数tmmax,若达到则输出最大功率点,即头狼的位置对应的占空比,否则,t=t+1,转到步骤二,再执行下一次迭代计算。

最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1