本发明属于光伏最大功率跟踪领域,特别涉及一种基于ics-ip&o的光伏最大功率跟踪智能算法。
背景技术:
1、在光伏发电中,周围环境温度和光照的改变极易影响光伏系统的功率输出;其中树木遮挡、云层遮挡、光伏组件表面积灰等导致的局部阴影情况使得光照不均。光伏发电最大功率跟踪技术是为了让光伏阵列的工作点尽可能的位于mpp处,并且可以跟随外界环境温度和光照强度的变化快速寻优;通过光伏发电最大功率跟踪技术可以极大程度的减小输出功率的损失;现有技术的传统方法如恒定电压法、短路电流法、扰动观察法、导纳增量法等进行最大功率点追踪时,在外界光照条件一致情况下,具有较好的效果,但是当产生局部遮阴时,由于输出曲线呈现多峰现象,会极易陷入局部功率极值点;因此,需要提出一种基于自适应布谷鸟算法(ics)和变步长扰动观察法(ip&o)的光伏最大功率跟踪智能算法来解决上述问题。
技术实现思路
1、本发明所要解决的技术问题是提供一种基于ics-ip&o的光伏最大功率跟踪智能算法,该方法解决了现有技术的光伏组件因光照不均匀而产生局部遮阴时,功率输出曲线呈现多峰现象,且当峰点之间的差值很小时,会导致在寻优时极易陷入局部功率极值点,造成输出功率的损失的问题,具有可在光伏组件因光照不均匀而产生局部遮阴时快速且准确的进行寻优的特点。
2、为实现上述技术效果,本发明所采用的技术方案是:
3、一种基于ics-ip&o的光伏最大功率跟踪智能算法,包括以下步骤:
4、s1,初始化ics中的参数;计算初始化位置对应的输出功率值;
5、s2,根据公式进行lévy飞行,更新输出功率;对更新后的功率值进行比较,记录下最大功率值;
6、s3,根据自适应公式计算出切换概率pa,并且产生一个随机数,判断是否ri≥pa是否成立:
7、如果不等式成立,跳转到步骤s2,记录此时最优的功率值;
8、如果不等式不成立,进行随机游走更新;
9、s4,计算本次迭代的最佳位置和最差位置是否满足切换条件:
10、如果满足,进行步骤s5;
11、如果不满足,跳转到步骤s2;
12、s5,结束ics算法,切换成ip&o算法进行局部寻优,通过位置更新公式进行位置的更新;
13、s6,判断是否满足重启条件:
14、如果满足,则进行算法重启,跳转到步骤s1;
15、如果不满足,则跳转到步骤s5,继续进行ip&o局部寻优;
16、s7,输出当前最优功率值,结束算法。
17、优选地,步骤s1的具体方法如下:
18、s101,对ics算法进行相关参数的初始化,参数包括:电压位置u、占空比d、功率p、最优电压u_best以及最优功率p_best;
19、s102,计算初始化位置对应的输出功率值。
20、优选地,步骤s2中的具体方法如下:
21、将步骤s1所得到的初始化数据进行迭代更新,通过自适应lévy飞行进行更新,公式如下:
22、
23、
24、α=1-0.2logt t;
25、式中,α是lévy飞行的步长系数,为自适应非线性递减;l(β)为飞行步长;符号表示点乘;是第t次迭代中第i个鸟巢的位置;表示目前迭代中的最佳寄生巢穴;β=3/2;u和v都服从正态分布,u~n(0,σ2);v~n(0,1)。
26、优选地,步骤s3中,计算出切换概率pa,并且产生一个随机数的方法如下:ics算法中可供寄生的鸟巢数量是固定的,同时宿主鸟会有pa的概率发现寄生蛋;一旦被发现,宿主鸟会直接破坏掉这个蛋或选择重新筑巢,抛弃掉旧巢;具体方法如下:
27、s301,对每一个鸟巢取随机数ri;
28、s302,对每一个鸟巢进行随机概率pa值的计算;计算公式如下:
29、pa=0.3-0.2(t-t)/t;
30、式中,t为总的迭代次数;t为当前迭代次数;
31、s303,对每一鸟巢的ri和pa进行比较:如果ri≥pa,返回到步骤s2进行lévy飞行位置更新;如果ri<pa,则通过随机游走进行位置更新,更新公式如下:
32、
33、式中,是第t次迭代中的第i个位置;是个体历史最优;是群体历史最优;是群体历史次优解。r1、r2、r3为三个学习因子,均取[0,1]区间的随机数;其中r1为针对个体历史最优解的学习因子,表示粒子的自我学习能力;r2和r3分别为针对全局历史最优解和全局历史次优解的学习因子,表示粒子的社会学习能力。
34、优选地,步骤s4中,前期通过ics算法进行全局寻优,并且计算出对应的位置和功率值;将当前所计算出的最优位置和最差位置进行比较,当满足切换条件时,进行算法的切换,后期转换为ipo算法进行局部寻优;算法切换条件公式如下:
35、|xibest-xiworst|≤0.05;
36、式中,xibest是最优位置,xiworst是最差位置。
37、优选地,步骤s5中,后期算法切换为ipo算法进行局部寻优,具体方法如下:
38、通过对pv系统进行采样,通过对扰动前后的输出功率进行比较和计算进行寻优;ipo算法变步长进行位置更新,更新公式如下:
39、
40、式中,λstep为步长;ε步长缩放系数;upv、ipv为pv系统的输出电压和电流;p(i-1)和p(i)分别为第i次扰动前后的功率值;δp为扰动前后的功率增量;若扰动后δp为正,下次往相同的方向扰动:若扰动后δp为负,下次往反方向作扰动。
41、优选地,步骤s6中,因为自然环境因素会导致光照情况发生改变,此时pv输出功率也会相应的发生变化,对变化量进行一个计算,当变化量满足算法重启条件时,进行算法出初始化,重新开始利用ics算法进行寻优;重启计算公式如下:
42、
43、式中,pnew表示变化后的pv输出功率,pold表示变化前的pv输出功率。
44、本发明的有益效果为:
45、本发明通过对布谷鸟搜索方法的切换概率、lévy飞行步长系数进行自适应调整,引入粒子群算法思想,在偏好随机游走部分进行结合,使算法在初期具有较强的全局搜索随机性,降低陷入局部最优的可能性;而在算法后期,通过变步长扰动观察法快速进行局部收敛,减少了输出时的振荡。同时增加了算法重启条件,当外界光照变化过大时快速进行重启重新寻优,确保准确度。
1.一种基于ics-ip&o的光伏最大功率跟踪智能算法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种基于ics-ip&o的光伏最大功率跟踪智能算法,其特征在于:步骤s1的具体方法如下:
3.根据权利要求1所述的一种基于ics-ip&o的光伏最大功率跟踪智能算法,其特征在于:步骤s2中的具体方法如下:
4.根据权利要求1所述的一种基于ics-ip&o的光伏最大功率跟踪智能算法,其特征在于:步骤s3中,计算出切换概率pa,并且产生一个随机数的方法如下:ics算法中可供寄生的鸟巢数量是固定的,同时宿主鸟会有pa的概率发现寄生蛋;一旦被发现,宿主鸟会直接破坏掉这个蛋或选择重新筑巢,抛弃掉旧巢;具体方法如下:
5.根据权利要求1所述的一种基于ics-ip&o的光伏最大功率跟踪智能算法,其特征在于:步骤s4中,前期通过ics算法进行全局寻优,并且计算出对应的位置和功率值;将当前所计算出的最优位置和最差位置进行比较,当满足切换条件时,进行算法的切换,后期转换为ipo算法进行局部寻优;算法切换条件公式如下:
6.根据权利要求1所述的一种基于ics-ip&o的光伏最大功率跟踪智能算法,其特征在于:步骤s5中,后期算法切换为ipo算法进行局部寻优,具体方法如下:
7.根据权利要求1所述的一种基于ics-ip&o的光伏最大功率跟踪智能算法,其特征在于:步骤s6中,因为自然环境因素会导致光照情况发生改变,此时pv输出功率也会相应的发生变化,对变化量进行一个计算,当变化量满足算法重启条件时,进行算法出初始化,重新开始利用ics算法进行寻优;重启计算公式如下: