[發(fā)明專(zhuān)利]一種基于隨機(jī)蛙跳全局搜索算法的局部陰影光伏陣列MPPT控制

有效

• 申請(qǐng)?zhí)枺?/td>: 201810566632.2
• 申請(qǐng)日: 2018-06-05
• 公開(kāi)（公告）號(hào): CN108594927B
• 公開(kāi)（公告）日: 2021-07-13
• 發(fā)明（設(shè)計(jì)）人: 易靈芝;周東訪(fǎng);劉羅;黃其森
• 申請(qǐng)（專(zhuān)利權(quán)）人: 湘潭大學(xué)
• 主分類(lèi)號(hào): G05F1/67
• 分類(lèi)號(hào): G05F1/67
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開(kāi)了一種基于隨機(jī)蛙跳全局搜索算法的局部陰影光伏陣列多峰最大功率跟蹤(Maximum Power Point Tracking，MPPT)控制方法，以光伏陣列的輸出電流作為算法的粒子，以光伏陣列的功率作為算法的適應(yīng)度函數(shù)，通過(guò)隨機(jī)蛙跳全局搜索算法這種新型快速且全局的搜索技術(shù)，高效而準(zhǔn)確的找到光伏陣列的全局最大功率點(diǎn)，然后通過(guò)PWM占空比控制Boost電路來(lái)實(shí)現(xiàn)最大功率點(diǎn)跟蹤。本算法可解決局部陰影下具有多峰輸出特性的光伏陣列MPPT控制容易陷入局部最大功率點(diǎn)的難題，能準(zhǔn)確找到全局最大功率點(diǎn)，并且尋優(yōu)能力強(qiáng)，搜索精度高，易于編程實(shí)現(xiàn)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種局部陰影光伏陣列多峰MPPT控制方法，特別涉及一種基于隨機(jī)蛙跳全局搜索算法的局部陰影光伏列陣多峰MPPT控制。

背景技術(shù)

伴隨太陽(yáng)能發(fā)電的普及，光伏陣列的運(yùn)行環(huán)境變的越來(lái)越復(fù)雜，局部遮蔭導(dǎo)致光伏陣列輸出特性曲線(xiàn)出現(xiàn)了多個(gè)極值點(diǎn)，影響了光伏陣列的輸出效率，甚至出現(xiàn)熱斑現(xiàn)象而損壞光伏電池。為了使光伏系統(tǒng)工作在最大功率點(diǎn)，提高系統(tǒng)效率，需采用有效的多峰最大功率點(diǎn)跟蹤算法。

傳統(tǒng)的最大功率點(diǎn)跟蹤算法(如固定電壓法、擾動(dòng)觀察法及增量電導(dǎo)法等)能較好地尋找均勻光照條件下最大功率點(diǎn)。但是在局部陰影光照條件下，光伏陣列的功率電壓曲線(xiàn)出現(xiàn)多個(gè)峰值點(diǎn)，常規(guī)的最大功率點(diǎn)跟蹤算法由于陷入局部極值點(diǎn)，不能準(zhǔn)確跟蹤到最大功率點(diǎn)。隨著智能控制方法的興起，以粒子群算法等為代表的智能控制方法已成為現(xiàn)代控制理論的典型代表，被用于局部陰影下光伏列陣多峰MPPT控制問(wèn)題，但這些算法的隨機(jī)參數(shù)多，收斂速度較慢，處理不好時(shí)可能陷入局部極值，最大功率點(diǎn)處會(huì)出現(xiàn)振蕩。

發(fā)明內(nèi)容

本發(fā)明的目的：針對(duì)局部陰影下光伏列陣MPPT現(xiàn)有控制技術(shù)的問(wèn)題，提出一種調(diào)節(jié)參數(shù)少、搜索速度快、尋優(yōu)能力強(qiáng)且穩(wěn)定的基于隨機(jī)蛙跳全局搜索算法的局部陰影光伏陣列多峰MPPT控制方法。

本發(fā)明的目的通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

一種基于隨機(jī)蛙跳全局搜索算法的局部陰影光伏列陣多峰MPPT控制，包括如下的步驟：

步驟101：實(shí)時(shí)采集光伏列陣的環(huán)境溫度T和光照強(qiáng)度S；

步驟102：根據(jù)當(dāng)前各個(gè)光伏列陣的環(huán)境溫度T和光照強(qiáng)度S，采用隨機(jī)蛙跳全局搜索算法迭代搜索出光伏列陣的總最大功率點(diǎn)；

步驟103：將隨機(jī)蛙跳全局搜索算法迭代搜索出光伏列陣的總最大功率與光伏列陣實(shí)際輸出的功率作差，其偏差值通過(guò)模糊PI控制算法得到PWM占空比控制量，用于產(chǎn)生PWM波；

步驟104：利用PWM波來(lái)控制Boost電路，使光伏列陣穩(wěn)定工作在最大功率點(diǎn)上；

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

全局搜索步驟：

步驟2010：輸入各個(gè)光伏列陣的環(huán)境溫度T和光照強(qiáng)度S，設(shè)置算法蛙群(控制變量I)的總數(shù)量H；

步驟2020：對(duì)SFLA算法進(jìn)行初始化，隨機(jī)產(chǎn)生初始蛙群個(gè)體的初始位置E和初始速度V；

步驟2030：對(duì)群體中的蛙個(gè)體，根據(jù)光伏列陣的功率計(jì)算適應(yīng)函數(shù)得出各個(gè)種群蛙個(gè)體對(duì)應(yīng)的功率P(適應(yīng)值)；

步驟2040：根據(jù)功率P的大小進(jìn)行降序排列，選出種群中的最優(yōu)個(gè)體P_gbest，并且將蛙群分成族群，把H個(gè)蛙分配到m個(gè)族群中去，每個(gè)族群包括n個(gè)蛙個(gè)體。例如(當(dāng)m＝3時(shí)，第1,2,3只青蛙會(huì)被依次分配到第1,2,3個(gè)族群中，第4,5,6也會(huì)被依次分配到第1,2,3個(gè)族群中，依此類(lèi)推)；

步驟2050：局部搜索過(guò)程，即：根據(jù)隨機(jī)蛙跳算法的算法公式，在每一個(gè)族群中進(jìn)行進(jìn)化；