CN104793691A - 一种基于蚁群算法的局部阴影下光伏阵列全局mppt方法 - Google Patents

Abstract

一种基于蚁群算法的局部阴影下光伏阵列全局MPPT方法，包括如下步骤：(1)利用蚁群算法结合PI控制器搜索光伏阵列工作于全局最大功率点处的电压；(2)通过PI控制器控制连接光伏阵列的Boost电路，使光伏阵列稳定运行在(1)所寻最佳电压处；(3)在最佳电压处采用小步长的扰动观察法跟踪光伏阵列的全局最大功率点。本发明采用十进制蚁群算法生成电压变量对功率最大值寻优，通过PI控制器控制阵列的输出电压，有效提高***的抗干扰性；蚁群算法结合扰动观察法可以解决具有多峰输出特性的光伏阵列最大功率点跟踪问题，克服常规算法跟踪可能陷入局部最大功率点的缺点，能够找到真正的全局最大功率点并实现快速、准确的跟踪。

Description

一种基于蚁群算法的局部阴影下光伏阵列全局MPPT方法

技术领域

本发明属于光伏发电技术领域。

背景技术

随着全球能源的减少和环境的不断恶化，节能与环保引起了人们的关注，光伏发电技术因其能源清洁且可再生而越来越受到重视。光伏电池是一种典型的非线性电源，其输出功率易受外界环境影响，如光照辐射强度、电池温度等。为充分利用太阳能，提高光伏电池的转换效率，就需对光伏电池的输出电压及电流加以控制，保证光伏电池始终工作在最大功率点(MPP)。

针对光伏电池的最大功率跟踪(MPPT)，常规的方法有固定电压法(CV)、扰动观察法(P&O)、电导增量法(IC)等。其中P&O法控制简单、易于实现，在工程上应用较广，IC法跟踪效果强于P&O法，但实现较复杂。这些算法对单峰值输出的光伏阵列最大功率点跟踪取得了很好的效果，但在多云天气及附近有建筑物、树木遮挡时，光伏阵列可能发生局部阴影情况，这时其功率输出特性存在多峰，上述常规的算法容易陷入局部极值，不能输出真实的最大功率。

发明内容

本发明的目的为解决局部阴影下光伏阵列呈多峰输出特性时的全局最大功率点跟踪问题，提出一种基于蚁群算法的局部阴影下光伏阵列全局MPPT方法。

本发明是通过以下技术方案实现的。

本发明所述的一种基于蚁群算法的局部阴影下光伏阵列全局MPPT方法，包括如下步骤：

(1)利用蚁群算法结合PI控制器搜索光伏阵列工作于全局最大功率点处的电压；

(2)通过PI控制器控制连接光伏阵列的Boost电路，使光伏阵列稳定运行在(1)所寻最佳电压处；

(3)在最佳电压处采用小步长的扰动观察法跟踪光伏阵列的全局最大功率点。

进一步，所述步骤(1)利用蚁群算法结合PI控制器寻优的方法为：

(1-1)初始化算法各参数，确定蚂蚁数量n及十进制电压解精度，并构造十进制数寻优地图；

(1-2)利用蚁群算法和十进制寻优地图生成各蚂蚁电压解；

(1-3)依次把各蚂蚁电压解作为PI控制器的参考值与实测光伏阵列输出电压比较，经PI控制器得到脉冲宽度调制(PWM)占空比控制量；

(1-4)用PWM占空比控制量控制Boost电路，使光伏阵列输出电压稳定在参考值处，并测量各电压解对应的阵列输出功率；

(1-5)比较各蚂蚁所得的阵列输出功率与目前记录的最大功率，更新目前最大功率值及其对应的最佳电压，更新十进制数寻优地图中的信息素及期望值；判断是否满足终止迭代条件，若不满足则回到(1-2)。

进一步，步骤(2)中PI控制器是通过输入电压偏差得到PWM占空比控制量控制Boost电路的开关管(IGBT)，使得阵列输出电压稳定。

进一步，所述步骤(3)采用小步长扰动观察法精确跟踪光伏阵列的全局最大功率点的方法为：

(3-1)给PI控制器的电压参考值施加一个小步长扰动量ΔV；

(3-2)测量光伏阵列输出功率P(k+1)，并与P(k)比较得ΔP＝P(k+1)-P(k)；

(3-3)若ΔP/ΔV为正，则下一步扰动量ΔV为正，反之则为负。

本发明的特点及有益效果：

1、采用十进制蚁群算法生成电压变量对功率最大值寻优，通过PI控制器控制阵列的输出电压，有效提高***的抗干扰性；

2、蚁群算法结合扰动观察法可以解决具有多峰输出特性的光伏阵列最大功率点跟踪问题，克服常规算法跟踪可能陷入局部最大功率点的缺点，能够找到真正的全局最大功率点并实现快速、准确的跟踪。

附图说明

附图1为本发明的***结构图。

附图2为本发明的算法流程图。

附图3为本发明的十进制数寻优地图。

附图4为本发明中小步长扰动观察法的流程图。

具体实施方式

下面结合附图和工作原理对本发明的具体实施方式进行详细说明。

如图1所示，本发明是基于蚁群算法的光伏阵列最大功率点跟踪方法，主要在光伏阵列在局部阴影下时，因各组件光照不匹配导致阵列输出特性呈多峰曲线，采用蚁群算法生成电压变量搜寻全局最大功率点，并利用PI控制器使***工作稳定；搜索结束后用小步长扰动观察法对其精确跟踪，实现局部阴影下光伏阵列的全局最大功率点跟踪。

如图2所示，本发明实施例的控制方法包括以下步骤：

1、初始化算法各参数α、β、ρ、Q，确定蚂蚁数目m及十进制数位数D(本例m＝3，D＝3)。

2、根据图3所示十进制寻优地图，蚂蚁在图中爬行生成路径，得到各蚂蚁电压解。寻优地图中，纵轴是十进制数X各位的值，横轴依次表示十进制数X的各位，本例横轴包括两个整数位和一个小数位，此图亦可扩展成更高精度及多维变量。图3中所示路径表示一个一维的决策变量，其值由下式决定：

$X=\underset{d=1}{\mathrm{\Σ}}[n_d\×{10}^{(b-d)}]---\left(1\right)$

其中n_d是蚂蚁第d步的位置，b是X的整数部分位数，图3中b＝2，X＝34.2。

3、蚁群算法中蚂蚁爬行前进方向由式(2)概率公式决定，按照轮盘赌方法选择前进的节点。代表第m只蚂蚁从d-1层的i点前往第d层的j点的概率；τ_d(i,j)是两点间的信息素，η_d(j)是第d层j点的期望值，其值等于[10-abs(j_d-j_db)]/10，j_db代表目前全局最优解的各十进制位；α、β分别是信息素和期望值的重要程度。此规则可使得蚂蚁倾向于选择信息素更高以及形成目前最优解的路径。

$P_d^m(i,j)=\frac{{\mathrm{\τ}}_d{(i,j)}^{\mathrm{\α}}\·{\mathrm{\η}}_d{\left(j\right)}^{\mathrm{\β}}}{\underset{j=0}{\overset{9}{\mathrm{\Σ}}}{\mathrm{\τ}}_d{(i,j)}^{\mathrm{\α}}\·{\mathrm{\η}}_d{\left(j\right)}^{\mathrm{\β}}}---\left(2\right)$

4、依次把各蚂蚁得出的电压解输送给PI控制器，根据测量光伏阵列输出的电流及电压可以得到每个电压解所对应的光伏阵列输出功率值。

5、把实测的功率值作为蚁群算法评价函数f来更新信息素和目前最大功率及最优解。信息素更新公式如下：

${\mathrm{\τ}}_d^{k+1}(i,j)=(1-\mathrm{\ρ}){\mathrm{\τ}}_d^k(i,j)+\mathrm{\Δ}{\mathrm{\τ}}_d(i,j)---\left(3\right)$

其中，ρ是信息素挥发系数，Δτ_d(i,j)是第d-1层i点到第d层j点间的信息素增量，信息素增量只针对每次迭代最优蚂蚁走过的路径，其表达式为：

Δτ_d(i,j)＝Q·f_max      (4)

其中，Q是一个比例系数，f_max即本次迭代的功率最大值。

在进行公式(3)后，为防止各路段间信息素相差太大，引入式(5)限制信息素的值域，抑制算法出现不再扩散、过早停滞的现象。

${\mathrm{\&tau;}}_d^{k+1}(i,j)=\left\{\begin{array}{cc}{\mathrm{\&tau;}}_{\min },& \mathrm{if}{\mathrm{\&tau;}}_d^{k+1}(i,j)<{\mathrm{\&tau;}}_{\min }\\ {\mathrm{\&tau;}}_{\max },& \mathrm{if}{\mathrm{\&tau;}}_d^{k+1}(i,j)>{\mathrm{\&tau;}}_{\max }\end{array}\right.---\left(5\right)$

6、检测算法是否满足停止条件，当迭代次数大于一定次数时，假设为K_min，若所寻最大功率长时间没有改进，则判定蚁群算法需停止运行，否则返回第2步进行下一次迭代。

7、将蚁群算法搜索到的最佳电压作为PI控制器的输入，这时，光伏阵列的输出电压将稳定在所寻最佳电压处，此电压即为光伏阵列的最大功率点所对应的电压，亦可能是最大功率点附近的电压，所以此时调用小步长的扰动观察法对最大功率点进行精确跟踪，具体方法如图4所示。

8、给电压参考值施加一个小步长扰动量ΔV，测量新的功率输出值，并与上一步功率值比较，得到ΔP。

9、根据式ΔP/ΔV判定下一步扰动方向，若其为正，则下一步扰动量ΔV亦为正，反之则ΔV为负。

10、由于外界环境改变时阵列的输出特性也将改变，应该重新启动蚁群算法搜索新的全局最大功率点。当功率输出突然发生大的改变时，即式(6)成立时，则认为需重新搜索最大功率。另当环境变化缓慢时，算法也需要有跟踪最大功率缓慢变化的能力，所以设定蚁群算法随时间也需自然重启，每经过一段时间，算法自行重启搜索新的最大功率点。若满足上述条件，则回到第1步，反之，则回到第8步。

$\frac{|P_{\mathrm{new}}-P_{\mathrm{old}}|}{P_{\mathrm{old}}}>0.1---\left(6\right)$

式中，P_new是新检测到的功率，P_old则是扰动前的功率。

Claims (4)

1.一种基于蚁群算法的局部阴影下光伏阵列全局MPPT方法，其特征是包括如下步骤：

(1)利用蚁群算法结合PI控制器搜索光伏阵列工作于全局最大功率点处的电压；

(2)通过PI控制器控制连接光伏阵列的Boost电路，使光伏阵列稳定运行在(1)所寻最佳电压处；

(3)在最佳电压处采用小步长的扰动观察法跟踪光伏阵列的全局最大功率点。

2.根据权利要求1所述的一种基于蚁群算法的局部阴影下光伏阵列全局MPPT方法，其特征是所述的步骤(1)为：

(1-1)初始化算法各参数，确定蚂蚁数量n及十进制电压解精度，并构造十进制数寻优地图；

(1-2)利用蚁群算法和十进制寻优地图生成各蚂蚁电压解；

(1-3)依次把各蚂蚁电压解作为PI控制器的参考值与实测光伏阵列输出电压比较，经PI控制器得到PWM占空比控制量；

(1-4)用PWM占空比控制量控制Boost电路，使光伏阵列输出电压稳定在参考值处，并测量各电压解对应的阵列输出功率；

(1-5)比较各蚂蚁所得的阵列输出功率与目前记录的最大功率，更新目前最大功率值及其对应的最佳电压，更新十进制数寻优地图中的信息素及期望值；判断是否满足终止迭代条件，若不满足则回到(1-2)。

3.根据权利要求1所述的一种基于蚁群算法的局部阴影下光伏阵列全局MPPT方法，其特征是所述的步骤(2)为：PI控制器是通过输入电压偏差得到PWM占空比控制量控制Boost电路的开关管，使得阵列输出电压稳定。

4.根据权利要求1所述的一种基于蚁群算法的局部阴影下光伏阵列全局MPPT方法，其特征是所述步骤(3)为：

(3-1)给PI控制器的电压参考值施加一个小步长扰动量ΔV；

(3-2)测量光伏阵列输出功率P(k+1)，并与P(k)比较得ΔP＝P(k+1)-P(k)；

(3-3)若ΔP/ΔV为正，则下一步扰动量ΔV为正，反之则为负。