一种非均匀光照下基于模糊和声搜索算法的光伏MPPT控制方法

一种非均匀光照下基于模糊和声搜索算法的光伏mppt控制方法
技术领域
1.本发明涉及光伏发电技术领域，尤其是涉及一种非均匀光照下基于模糊和声搜索算法的光伏mppt控制方法。


背景技术：

2.为了获得光伏发电的最大功率输出，最大功率点跟踪(maximum power point tracking，mppt)技术应运而生。传统的最大功率点跟踪方法一般有扰动观察法和电导增量法等，这些传统mppt方法严格依赖步长的设置，在步长选择上容易出现问题，对于局部阴影或者外界环境剧烈变化下的多峰值的p-v输出特性曲线容易陷入局部最优的情况，从而无法获得最大的光伏能量，发电效率低。
3.目前，mppt技术主要包括扰动观察法、电导增量法和智能算法等。扰动观察法需要设置合适的扰动步长去进行爬坡寻优，由于光伏电池的工作点总是在最大功率点附近不断变化，功率震荡较大；电导增量法控制精度较高，响应速度较快，输出电压能够较平稳跟踪变化，而且稳态的振荡比扰动观测法小。常用的智能算法包括神经网络算法、蚁群算法、遗传算法、粒子群算法等；神经网络算法进行局部阴影下的mppt，运算快，效率高，但过度依赖训练数据，可能由于训练数量不足而陷入局部极值点。蚁群算法mppt搜索精确度高，不易陷入局部最优，但算法速度缓慢。遗传算法优化mppt常用于均匀光照无遮挡情况，对多峰值p-v输出特性曲线跟踪效果一般。粒子群算法mppt中粒子位置随机性大，容易产生丢失现象，最终会导致跟踪不到最大功率点的情况，且功率震荡大。


技术实现要素：

4.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非均匀光照下基于模糊和声搜索算法的光伏mppt控制方法。
5.本发明的目的可以通过以下技术方案来实现：
6.一种非均匀光照下基于模糊和声搜索算法的光伏mppt控制方法，该方法包括：
7.创建光伏电池模型、升压电路模型以及基于模糊和声搜索算法的mppt模糊控制器模型；
8.在标准温度下，对光伏电池板分别给定非均匀的静态及动态的非均匀光照强度；
9.运用mppt的模糊控制器的模糊和声搜索算法，结合专家经验设置模糊规则自适应优化模糊和声搜索算法的迭代步长，比较目标函数的大小对占空比进行迭代优化调整，输出最优占空比并控制升压电路，追踪光伏阵列的全局最大功率点。
10.在本发明中，基于模糊和声搜索算法的mppt模糊控制器模型设有两个输入和一个输出，两个输入分别为迭代次数ni和光伏输出功率误差e，输出为模糊自适应因子k。
11.光伏输出功率误差e的表达式为：
[0012][0013]
式中，ei为第i次迭代的功率误差；pi为第i次迭代搜索到的最大功率值，p
i-1
为第i-1次迭代的功率值。
[0014]
进一步地，光伏输出功率误差e的模糊论域为[0，0.5]。迭代次数ni的模糊论域为[0，150]。
[0015]
进一步地，运用mppt的模糊控制器的模糊和声搜索算法，结合专家经验设置模糊规则自适应优化模糊和声搜索算法的迭代步长，比较目标函数的大小对占空比进行迭代优化调整的具体步骤包括：
[0016]
s1：初始化基于模糊和声搜索算法的参数，基于模糊和声搜索算法的参数包括和声记忆库大小hms、和声音调保留概率hmcr、和声音调调节概率par、和声音调调节步长bw和最大迭代次数ni。
[0017]
s2：初始化基于模糊和声搜索算法的mppt模糊控制器模型中的和声记忆库hm。基于模糊和声搜索算法的mppt模糊控制器模型中的和声记忆库hm的表达式为：
[0018][0019]
式中，xi为和声，hms为和声记忆库大小。
[0020]
s3：以hmcr的概率在原有和声库中选择和声音调，以1-hmcr的概率生成新和声音调变量。以1-hmcr的概率生成新和声音调的表达式为：
[0021][0022]
式中，r1为[0，1]内的随机数；x
new
为新的和声变量，u
oc
为光伏电池开路电压。
[0023]
s4：基于和声音调调节概率par和和声音调调节步长bw进行即兴创作，对当前占空比d进行一定步长的调整，调整过程中将模糊控制与和声搜索算法结合，通过模糊控制器调整提高和声搜索算法的收敛精度与速度，对s3得到的新和声音调变量进行优化更新。
[0024]
对s3得到的新和声音调变量进行优化更新的表达式为：
[0025][0026]
式中，为随迭代次数更新的和声变量，r2为[0，1]内的随机数；bwi为经过模糊控制处理后的音调调节步长。
[0027]
s5：更新和声记忆库hm，对hm中的和声进行适应度函数评估，评估新产生的和声音调，并将其表示当前占空比，通过比较评估函数获取最优占空比，基于最优占空比控制升压
电路获得全局最优电压，追踪全局最大功率点。具体地：
[0028]
对hm中的和声进行适应度函数评估，评估新产生的和声音调x
new
，表示当前占空比d，将新产生的和声声调x
new
与和声记忆库中最差的和声音调x
worst
之间的评估函数进行比较，若评估函数f(x
new
)》评估函数f(x
worst
)，则代表搜索到了更优的功率点，则将x
new
替换x
worst
，输出最优占空比，基于最优占空比控制升压电路获得全局最优电压，进而追踪全局最大功率点。
[0029]
本发明提供的非均匀光照下基于模糊和声搜索算法的光伏mppt控制方法，相较于现有技术至少包括如下有益效果：
[0030]
1)本发明采用了运用模糊推理优化和声搜索算法的光伏mppt控制策略，将模糊控制的思想融入到和声搜索算法mppt中进行参数自适应优化，对和声搜索算法的bw进行了自适应改进，使mppt能够快速摆脱局部最优，实现全局最大功率点搜索，提高了mppt的跟踪速度和精度、减小了功率震荡，使太阳能能够更加充分转化成电能。
[0031]
2)根据实际多峰值光伏电池p-v特性的专家经验中设置的模糊规则，采用两输入一输出的模糊控制器，根据多峰值p-v特性曲线前缓后陡的特点制定模糊控制表，通过模糊控制器调整提高和声搜索算法的收敛精度与速度，并在算法后期减小其功率震荡程度；另外，模糊控制器的前期音调调节步长bw较大有利于大范围搜索，能提高算法的搜索速度和全局能力。
附图说明
[0032]
图1为实施例中光伏mppt仿真模型图；
[0033]
图2为实施例中模拟非均匀光照的光伏电池仿真模型；
[0034]
图3为实施例中两种psc下的p-v特性曲线；
[0035]
图4为实施例中非均匀光照下基于模糊和声搜索算法的光伏mppt控制方法涉及的基于fhs算法的mppt控制整体结构图；
[0036]
图5为实施例中基于fhs算法的mppt算法模块；
[0037]
图6为实施例中迭代次数ni的隶属度函数；
[0038]
图7为实施例中功率误差e的隶属度函数；
[0039]
图8为实施例中模糊自适应因子k的隶属度函数；
[0040]
图9为实施例中ni、e、k三者变化规律；
[0041]
图10为实施例中fhs-mppt算法流程框图；
[0042]
图11为实施例中静态仿真mppt效果图；
[0043]
图12为实施例中动态仿真mppt效果图。
具体实施方式
[0044]
下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
[0045]
实施例
[0046]
目前，mppt技术主要包括扰动观察法、电导增量法、人工神经网络算法、粒子群算
法等；扰动观察法需要设置合适的扰动步长去进行爬坡寻优，由于光伏电池的工作点总是在最大功率点附近不断变化，功率震荡较大；电导增量法控制精度较高，响应速度较快，输出电压能够较平稳跟踪变化，而且稳态的振荡比扰动观测法小；人工神经网络算法虽然能够处理非线性系统对象，但过多地依赖于样本数量和精度；粒子群算法能够解决局部阴影下的跟踪精度不足问题，但是粒子位置变化随机性大，在非均匀光照情况下仍会陷入局部最优。
[0047]
本发明涉及一种非均匀光照下基于模糊和声搜索算法的光伏mppt控制方法，针对mppt方法在局部遮阴时最大功率点跟踪精度低问题和光照跳变时的功率震荡大的问题，运用模糊(fuzzy)推理优化和声搜索(hs)算法mppt的步长参数bw，提高光伏mppt在最大功率点处的稳定性和mppt的跟踪精度与速度。本发明提出的基于模糊和声搜索算法(fuzzy harmony search)，在下文中将采用fhs进行表示。
[0048]
本发明方法通过模糊控制的思想优化和声搜索算法mppt，根据多峰值光伏电池功率特性曲线变化规律作为专家经验，设置相应的模糊规则，在mppt中自适应地平衡全局搜索与局部搜索，该算法全局功率搜索能力强，对mpp的跟踪精度高，收敛速度快且更加稳定。首先，本发明方法通过软件建立光伏电池模型、升压电路模型、基于fhs的mppt控制器模型；其次，在标准温度25℃下，对四块光伏电池板分别给定非均匀的静态及动态的非均匀光照强度；最后，运用mppt控制器的模糊和声搜索算法，结合专家经验设置模糊规则自适应地优化算法迭代步长，比较目标函数f(x)＝p大小对占空比d进行迭代优化调整，p为光伏阵列的功率；输出最优占空比d
best
去控制升压电路，追踪光伏阵列的全局最大功率点p
max
。
[0049]
在本实施例中，如图1、图2所示，首先通过matlab/simulink软件建立4x1光伏电池阵列模型、升压电路模型、基于fhs的mppt控制器算法模型。为突出本发明所研究的局部阴影情况(psc)对光伏阵列输出的影响，在四块光伏电池上给定非均匀的光照强度仿真，在给定的标准温度25℃下进行仿真，给定两种光照强度分别为工况一psc1：1000w/m2、1000w/m2、800w/m2、500w/m2；工况二psc2：500w/m2、500w/m2、400w/m2、250w/m2；对应的p-v特性曲线如图3所示。最后，如图4所示，ni、e分别对应为迭代次数、光伏功率误差，k对应为模糊自适应因子，通过测量输入量光伏电池输出电压v
pv
和光伏电池输出电流i
pv
，计算当前功率p，在mppt控制器的模糊和声搜索算法中结合专家经验设置模糊规则(见表1)自适应地优化算法迭代寻优步长，比较评估函数f(x)＝p大小对占空比d进行迭代优化调整，从而输出最优占空比d
best
。
[0050]
表1模糊规则表
[0051][0052]
本发明使用的光伏电池阵列模型的p-v特性曲线如图3所示，两种不同工况的曲线
都有3个功率波峰，pcs1全局最大功率点为684w，psc2全局最大功率点为375w。
[0053]
本发明使用的基于fhs的mppt控制器算法模型如图5所示，具有两个输入分别为迭代次数ni和功率误差e及一个输出为模糊自适应因子k，首先根据专家经验设置模糊规则，模糊自适应因子k由迭代次数ni与功率误差e两个输入量进行自适应调整，达到调整mppt的全局搜索与局部搜索之间的平衡的目的，使mppt能快速精确地搜索到全局最大功率点。根据模糊规则到的ni、e、k三者变化规律如图9所示。
[0054]
非均匀光照下基于模糊和声搜索算法的光伏mppt控制方法流程框图如图10所示，具体步骤如下：
[0055]
s1：初始化算法参数。设置和声记忆库大小hms＝4、和声记忆库考虑概率hmcr＝0.6、和声音调调节概率par＝0.4、和声音调调节步长bw＝0.1和最大迭代次数ni＝150。
[0056]
s2：初始化和声记忆库hm。在光伏mppt模型中hm公式为；
[0057][0058]
为了保证hs算法的遍历性，使xi在[0，1]区间内均匀分布，设置hms＝4个初始和声；和声评估函数为f(xi)＝p。
[0059]
s3：以hmcr的概率在原有和声库中选择和声音调，以(1-hmcr)概率生成新和声音调。
[0060][0061]
式中，r1为[0，1]内的随机数；x
new
为新的和声变量，u
oc
为光伏电池开路电压。
[0062]
s4：基于par和bw进行即兴创作，即对当前占空比d进行一定步长的调整，以达到更精准的控制效果。
[0063]
在这一步骤中以par的概率对新生成的和声音调调节步长bw进行调节，调节策略为通过模糊控制器输入迭代次数ni与功率误差e的大小，依据模糊规则输出模糊自适应因子k，对音调步长bw进行调节。本步骤将模糊控制与和声搜索算法结合起来，通过模糊控制器调整提高和声搜索算法的收敛精度与速度，并在算法后期减小其功率震荡程度。结合模糊自适应优化参数的更新和声公式为：
[0064][0065]
式中，r2为[0，1]内的随机数；为随迭代次数更新的和声变量；bwi为经过模糊控制处理后的音调调节步长；以小于par的概率，根据模糊控制优化的调整带宽bw来调整原占空比，得到新的占空比。
[0066]
本发明提出的结合模糊控制的和声搜索mppt详细解释如下：
[0067]
本发明所提出的模糊控制器总共有两个输入量ni和e及一个输出量k。第一个输入量为迭代次数ni，由于非均匀光照下所进行寻优的光伏阵列p-v曲线通常是前期平缓稳定，中后期是呈多峰状，考虑其曲线特性，ni的模糊论域设为[0，150]，子集为{l，lm，m，mh，h}，表示迭代次数ni的递增；前期音调调节步长bw较大有利于大范围搜索，能提高算法的搜索速度和全局能力；随着迭代次数ni增加，此时bw值应自适应减小，进行小范围精细搜索。ni的隶属度函数见图5。
[0068]
对于第一个输入迭代次数ni的模糊规则设置，前期bw较大有利于大范围搜索，能提高算法的全局能力，所以前期k值应该较大且平缓，随着迭代次数ni增加，和声搜索逐渐搜索到最优美和声附近，此时为了提高算法的局部搜索能力，且减小中后期的搜索震荡，k值应自适应快速减小，满足后期音调调整带宽bw较小的需求。
[0069]
第二个输入量为光伏输出功率误差e，e由以下公式定义：
[0070][0071]
式中，ei为第i次迭代的功率误差；pi为第i次迭代搜索到的功率值，p
i-1
为第i-1次代的功率值，二者的误差输入到模糊控制器中，为了实现在不同功率误差下的快速跟踪，e的模糊论域设为[0，0.5]，子集为{l，lm，m，mh，h}，表示功率误差的递增；当e较大，表示此时功率点离最大功率点较远，输出较大的k值调整bw，在大范围内进行和声搜索，保证其全局功率点搜索能力；当e较小，表示此时功率点已接近最大功率点，应使k值减小，降低bw值，缩小搜索范围，让其实现精准的局部搜索，保证其搜索精度。e的隶属度函数见图6。
[0072]
对于第二个输入功率误差e的模糊规则设置，当e较大，表示此时搜索到的功率离最大功率点较远，需要更大的k值去调整，提高全局搜索能力；当e较小，表示此时搜索到的最大功率点已经接近最大功率点，应逐渐减小k值，使算法能够更精细地搜索，提高局部搜索能力，逐渐稳定在最大功率点附近。
[0073]
k定义为模糊自适应因子，为模糊控制器的输出量，用于和声音调调节步长bw的自适应调整，达到平衡搜索速度与跟踪精度，提高算法的全局搜索能力的目的，关系如下，关系如下：
[0074]
bwi＝kbw
i-1
；
[0075]
模糊控制器输出k的模糊论域为[0，1]，子集为{vl，l，ml，lm，m，hm，mh，h，vh}，表示bw对应调节为很低、低、中低、低中、中、高中、中高、高、很高。
[0076]
算法初期，当离最大功率点远时，需要较大的bw值进行全局搜索，应使k值较大，隶属度函数选择较缓三角形，取值稍大，搜索范围广；随着迭代的进行，算法逐渐靠近全局最大功率点，此时需要快速减少bw值，减小搜索震荡，应使k值较小，隶属度函数选用较陡三角形，取值精细，搜索精度高；k的隶属度函数见图7。
[0077]
为了达到更好地控制效果，模糊控制遵循的原则如图8的模糊规则表所示。
[0078]
s5：更新和声记忆库hm。对hm中的和声xi进行适应度函数评估，评估新产生的和声音调x
new
与和声记忆库中最差的和声音调x
worst
，都对应为占空比d，如果f(x
new
)》f(x
worst
)，代表搜索到了更优的功率点，则用x
new
替换x
worst
，输出最优占空比，通过升压电路获得全局最优电压，追踪全局最大功率点。
[0079]
基于模糊和声搜索(fuzzy harmony search，fhs)算法的太阳能光伏mppt控制策略效果图如图11和图12所示，结合图3的p-v特性曲线可知，p&o-mppt搜索到p-v曲线的第一个功率极值波峰505w附近，显然陷入局部最优；pso-mppt算法前期震荡较大，收敛速度较慢，且收敛后仍存在小幅搜索震荡；本发明提出的fhs-mppt算法用时短，仅0.25s就收敛到最大功率点附近的681w处，跟踪精度可达99.56％，跟踪精度更高，且震荡小；在2s时使光伏电池光照发生局部阴影情况从psc1到psc2的突变，在光照突变情况下，p&o算法跟踪效果不佳；pso算法的震荡幅度大，跟踪精度低，且无法稳定收敛；本发明所使用fhs算法能一直保持较高精度的稳定跟踪，光照突变前后的跟踪精度都高达99.56％，大大提高了mppt的稳定性，使算法在动态光照下也能稳定快速地跟踪到最大功率点，加强了光伏系统的稳定性，提高了太阳能的利用率。
[0080]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。