[發明專利]一種基于隨機蛙跳全局搜索算法的局部陰影光伏陣列MPPT控制

有效

• 申請號: 201810566632.2
• 申請日: 2018-06-05
• 公開（公告）號: CN108594927B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 易靈芝;周東訪;劉羅;黃其森
• 申請（專利權）人: 湘潭大學
• 主分類號: G05F1/67
• 分類號: G05F1/67
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于隨機蛙跳全局搜索算法的局部陰影光伏陣列多峰MPPT控制方法，其特征在于，包括以下步驟：

步驟101：實時采集光伏陣列的環境溫度T、光照強度S；

步驟102：根據當前各個光伏陣列的環境溫度T和光照強度S，采用隨機蛙跳全局搜索算法迭代搜索出光伏陣列的總最大功率點；

步驟103：將隨機蛙跳全局搜索算法迭代搜索出光伏陣列的總最大功率與光伏列陣實際輸出的功率作差，其偏差值通過模糊PI控制算法得到脈沖寬度調制(Pulse WidthModulation，PWM)占空比控制量，用于產生PWM波；

步驟104：利用PWM波控制Boost電路，使光伏陣列隨著光照變化穩定工作在最大功率點上；

所述步驟102中采用隨機蛙跳全局搜索算法迭代搜索出光伏列陣的總最大功率點的方法為：

步驟2010：輸入各個光伏陣列的環境溫度T和光照強度S，設置算法蛙群的總數量H；

步驟2020：對隨機蛙跳全局搜索算法進行初始化，隨機產生初始蛙群個體的初始位置X和初始速度V；

步驟2030：對群體中的個體，根據光伏陣列的功率計算適應函數得出各個種群個體對應的功率P；

步驟2040：根據功率P的大小進行降序排列，選出種群中的最優個體P_gbest，并將蛙群分成各族群，等間隔循環取樣分別把H個蛙分配到m個族群中去，每個族群包括n個蛙個體；

步驟2050：局部搜索過程，即：根據隨機蛙跳算法的算法公式，在每一個族群中進行獨立進化；

所述局部搜索過程包括步驟251至步驟260；

步驟251：計數器初始化；設族群的序號I_m＝0,用它來標記進化到了哪個族群并與族群總數m進行比較；設族群內部蛙個體獨立進化次數的序號I_n＝0，用它與局部族群內部蛙個體進化次數Is比較以判斷獨立進化是否結束；同時，尋找當前族群中最佳蛙個體位置和最差蛙個體位置，分別記為E_best和E_wost；

步驟252：設I_m＝I_m+1，進行下一個族群；

步驟253：設I_n＝I_n+1，進行下一次獨立進化；

步驟254：利用更新策略更新當前族群中最差青蛙的位置，更新策略為：根據蛙群隨機個體與最優個體距離，判斷其受力情況，計算蛙個體的引力加速度、斥力加速度和擾動加速度；

步驟255：根據算法的速度更新公式Vi(t+1)＝(0.9-0.5*t/T)*Vi(t)+ai更新種群蛙個體的速度，并根據算法的位置更新公式Xi(t+1)＝Xi(t)+Vi(t+1)更新種群蛙個體的位置，其中t為當前迭代次數，T為總迭代次數，Vi表示速度，ai表示加速度，Xi表示位置；如果蛙個體速度越過邊界，則把邊界值賦值給當前蛙個體速度，同理，如果蛙個體位置越過邊界，則把邊界值賦值給當前蛙個體位置；

步驟256：如果步驟255改進了最差蛙的位置，就用新產生的位置取代最差蛙的位置，否則就采用全局最好解P_gbest代替式中最差解P_wost，更新最差蛙的位置；

步驟257：如果步驟256還是沒有改進最差蛙的位置，則隨機產生一個處于濕地中任何位置的蛙來替代最差蛙，并重新計算其適應值；

步驟258：更新I_m族群的最優適應值P_gbest與最差適應值P_wost；

步驟259：如果InIs，則跳到步驟253，否則進行步驟2060，并讓In＝0；

步驟260：如果I_mm，則跳到步驟252，否則跳出局部搜索，進行外步驟2060，回到全局搜索；

步驟2060：將各個種群進行混合，在每個族群多經過一輪獨立進化過程以后，將各個族群中的蛙再次進行重新排列和族群劃分，并再次記錄全局適應值P_gbest；

步驟2070：檢驗計算停止條件，如果滿足了算法收斂迭代條件，則停止算法的執行過程，否則跳轉到步驟2040；

步驟2080：輸出最優解，算法結束。

2.根據權利要求1所述的一種基于隨機蛙跳全局搜索算法的局部陰影光伏陣列多峰MPPT控制方法，其特征在于：通過PWM波控制Boost電路是通過PWM波來控制IGBT開關模塊使升壓電路的等效電阻等于光伏陣列在實時環境條件下的內阻，從而實現光伏列陣的最大輸出功率控制。