[發明專利]一種局部陰影下光伏陣列的最大功率跟蹤方法有效
| 申請號: | 201810092224.8 | 申請日: | 2018-01-30 |
| 公開(公告)號: | CN108398982B | 公開(公告)日: | 2019-10-18 |
| 發明(設計)人: | 屠亞南;于艾清 | 申請(專利權)人: | 上海電力學院 |
| 主分類號: | G05F1/67 | 分類號: | G05F1/67 |
| 代理公司: | 上??剖⒅R產權代理有限公司 31225 | 代理人: | 葉敏華 |
| 地址: | 200090 *** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 光伏陣列 最大功率跟蹤 局部陰影 輸出功率 算法 最大功率點跟蹤 全局最優解 適應度函數 最大功率點 迭代搜索 光伏電池 穩態性能 陣列模型 振蕩 迭代 求解 粒子 改進 多樣性 概率 | ||
1.一種局部陰影下光伏陣列的最大功率跟蹤方法,其特征在于,包括以下步驟:
S1:根據光伏電池的特性,建立局部陰影條件下的光伏陣列模型;
S2:采用基于Bloch球面的QPSO改進算法對光伏陣列模型求解,獲取輸出功率;包括以下步驟:
1)設置基于Bloch球面的QPSO改進算法的參數,初始化粒子種群及粒子的相位;
2)計算各個粒子的適應度值;
3)根據粒子的適應度值更新自身和全局最優相位;
4)利用自適應量子旋轉門,對量子比特的相位參數進行調整,實現粒子的位置更新,并將其映射到解空間;
5)計算各粒子適應度值并評價,根據粒子的適應度更新自身,選出個體最優相位,并選出全局最優相位;
6)保存個體最優相位并判斷是否達到最大迭代次數,若未達到,轉至步驟7),若達到,轉至步驟8);
7)依變異概率選擇粒子,計算自適應量子旋轉門,利用自適應量子旋轉門進行自適應粒子變異后,執行步驟4);
8)輸出最優解;
所述的步驟4)和步驟7)中,相位參數包括兩個相位參數θ和
步驟1)的具體內容為:
101)由相位參數θ和兩個角度確定在Bloch球面坐標下的點,量子位用Bloch球面坐標表示為:
102)采用量子位的Bloch球面坐標編碼,則種群中第i個粒子Pi的Bloch球面坐標為:
式中,θij=π×rand,rand為[0,1]區間的隨機數;i=1,2…,m,m為種群規模;n為優化變量的個數;在IBQPSO算法中,每個粒子同時占據空間三個位置,即同時代表三個優化解,分別為X解、Y解、Z解:
Piz=(cosθi1,cosθi2,…,cosθin)
103)記第i個粒子Pi上的第j個量子位的Bloch坐標為[xij,yij,zij]T,j=1,2,…n,n為優化變量的個數;優化問題解空間的第j維的取值范圍為則由單位空間In=[-1,1]n映射到優化問題解空間的變換公式為:
104)結束初始化,輸出初始粒子信息;
所述的步驟4)的具體內容為:
利用自適應量子旋轉門,對量子比特的兩個相位參數θ和進行調整,實現粒子的位置更新,并將其映射到解空間;
自適應量子旋轉門U如下式所示:
更新公式如下式所示:
其中,αi為當前迭代對應的旋轉角;
所述的當前迭代對應的旋轉角αi的定義為:
式中,αmin是最小旋轉角;αmax是最大旋轉角;fi是指當前第i個粒子的適應值;fmin是當代粒子中的最小適應值;fmax是當代粒子中的最大適應值;gen 是當前的迭代次數;maxgen是算法設置的最大迭代次數 ;
S3:以獲取的輸出功率作為適應度函數,通過迭代搜索,實現光伏陣列的最大功率點跟蹤。
2.根據權利要求1所述的一種局部陰影下光伏陣列的最大功率跟蹤方法,其特征在于,所述的步驟5)的具體內容為:
根據粒子的適應度值,判斷粒子的初始位置,并將此次粒子的位置與其他粒子的位置進行比較;適應度值最高的粒子為個體最優粒子,其相位為個體最優相位;將個體最優粒子與上一級的四個粒子的適應度值進行比較,若適應度值大于上一級的最高適應度值,則該個體最優粒子為全局最優粒子,其相位為全局最優相位;若適應度值小于上一級的最高適應度值,則全局最優粒子為上一級最高適應度值粒子,其相位為全局最優相位。
3.根據權利要求1所述的一種局部陰影下光伏陣列的最大功率跟蹤方法,其特征在于,所述的步驟7)與步驟4)采用的自適應量子旋轉門中的當前迭代對應的旋轉角相同。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海電力學院,未經上海電力學院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810092224.8/1.html,轉載請聲明來源鉆瓜專利網。





