CN106484026A - 一种基于灰狼算法的光伏最大功率点跟踪的控制方法及装置 - Google Patents

Abstract

本发明涉及太阳能光伏发电领域，公开了一种基于灰狼算法的光伏最大功率点跟踪的控制方法及装置，以变换器的占空比为灰狼，采用灰狼优化算法对局部阴影条件下的光伏阵列的最大功率进行跟踪，本发明的电压输出和电流输出比较稳定，跟踪速度快，动态响应振荡较小，不存在稳态振荡问题，有效提高了光伏发电***的效率。

Description

一种基于灰狼算法的光伏最大功率点跟踪的控制方法及装置

技术领域

本发明涉及太阳能光伏发电领域，尤其涉及一种基于灰狼算法的光伏最大功率点跟踪的控制方法及装置。

背景技术

太阳能电池板极易受到乌云、树木以及周围建筑物等的遮挡而处于部分阴影条件下，导致电池的输出功率降低，甚至由于热斑现象损坏电池。为了有效利用太阳能电池，提高光伏发电的效率，研究局部阴影条件下光伏阵列的数学模型和最大功率跟踪十分必要，阴影情况随时可能发生，因此，最大功率算法应该具备在不同的阴影条件下快速、平稳的追踪到全局最大功率点的能力。

在局部阴影条件下，传统的MPPT方法因只能追踪到其中一个局部极值点而失效。现有技术中，有几种部分阴影条件下的最大功率点跟踪(MPPT)方法，其中启发式算法由于具有处理非线性目标函数问题的能力，粒子群，蚁群，鱼群等已经被应用于解决多峰值情况下的最大功率跟踪问题，但现有技术中的最大功率点跟踪方法的随机参数较多，收敛速度慢，工作时大幅振荡，处理不当容易陷入局部最优值。

发明内容

本发明提供一种基于灰狼算法的光伏最大功率点跟踪的控制方法及装置，解决现有技术中最大功率点跟踪方法的随机参数较多，收敛速度慢，工作时大幅振荡，处理不当容易陷入局部最优值的技术问题。

本发明的目的是通过以下技术方案实现的：

一种基于灰狼算法的光伏最大功率点跟踪的控制方法，包括：

根据光伏阵列的电路结构，初始化灰狼种群数量、变换器的占空比及迭代次数，其中，所述占空比作为位置参数X描述种群中的各个灰狼，即灰狼位置为位置参数X；

根据灰狼位置X，计算各灰狼的适应度，分别选择最大值、次大值和第三大值对应的灰狼作为α灰狼、β灰狼和δ灰狼，其余灰狼视为ω灰狼，适应度为实时采样的光伏阵列的功率；

根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及位置更新方程，更新各个灰狼位置X；

判断各个灰狼位置之间的标准差是否小于预设阈值，判断是否达到的最大迭代次数；

当各个灰狼位置之间的标准差是否小于预设阈值或达到预设迭代次数时，将α灰狼的位置作为最终优化计算结果，输出α灰狼的位置对应的占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点；当各个灰狼位置之间的标准差不小于预设阈值且未达到预设迭代次数时，返回根据灰狼位置X，计算各灰狼的适应度，分别选择最大值、次大值和第三大值对应的灰狼作为α灰狼、β灰狼和δ灰狼的步骤，继续迭代执行。

一种基于灰狼算法的光伏最大功率点跟踪的控制装置，包括：

初始化模块，用于根据光伏阵列的电路结构，初始化灰狼种群数量、变换器的占空比及迭代次数，其中，所述占空比作为位置参数X描述种群中的各个灰狼，即灰狼位置为位置参数X；

适应度计算模块，用于根据灰狼位置X，计算各灰狼的适应度，分别选择最大值、次大值和第三大值对应的灰狼作为α灰狼、β灰狼和δ灰狼，其余灰狼视为ω灰狼，适应度为实时采样的光伏阵列的功率；

位置更新模块，用于根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及位置更新方程，更新各个灰狼位置X；

判断模块，用于判断各个灰狼位置之间的标准差是否小于预设阈值，判断是否达到的最大迭代次数；

执行模块，用于当各个灰狼位置之间的标准差是否小于预设阈值或达到预设迭代次数时，将α灰狼的位置作为最终优化计算结果，输出α灰狼的位置对应的占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点；当各个灰狼位置之间的标准差不小于预设阈值且未达到预设迭代次数时，指示所述适应度计算模块，继续迭代执行。

本发明实施例提供的一种基于灰狼算法的光伏最大功率点跟踪的控制方法，根据光伏阵列的电路结构，初始化灰狼种群数量、变换器的占空比及迭代次数；根据灰狼位置X，计算各灰狼的适应度，分别选择最大值、次大值和第三大值对应的灰狼作为α灰狼、β灰狼和δ灰狼，其余灰狼视为ω灰狼；根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及位置更新方程，更新各个灰狼位置X；判断各个灰狼位置之间的标准差是否小于预设阈值，判断是否达到的最大迭代次数；当各个灰狼位置之间的标准差是否小于预设阈值或达到预设迭代次数时，将α灰狼的位置作为最终优化计算结果，输出α灰狼的位置对应的占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点。本发明实施例以变换器的占空比为灰狼，采用灰狼优化算法对局部阴影条件下的光伏阵列的最大功率进行跟踪，本发明的电压输出和电流输出比较稳定，跟踪速度快，动态响应振荡较小，不存在稳态振荡问题，有效提高了光伏发电***的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可根据这些附图获得其他的附图。

图1为本发明实施例的光伏最大功率跟踪***的电路结构示意图；

图2为本发明实施例的一种基于灰狼算法的光伏最大功率点跟踪的控制方法的流程图；

图3为本发明实施例的一种基于灰狼算法的光伏最大功率点跟踪的控制装置的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，为光伏最大功率跟踪(Maximum Power Point Tracking，MPPT)***的电路结构示意图，MPPT控制器通过采样光伏阵列的输出电流I_PV和输出电压U_PV，输出占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点。由图1中的Boost变换器的输入输出关系可知：

Boost电路的等效电阻则占空比可表达为相应的，最大占空比最小占空比R为负载电阻，可见，通过调节占空比d可使Boost电路的等效电阻与光伏等效电阻相匹配，从而实现最大功率跟踪。下面将占空比作为灰狼，通过传感器检测的U_PV和I_PV，输出功率为U_PV*I_PV，详细介绍本发明实施例提供的一种基于灰狼算法的光伏最大功率点跟踪的控制方法，如图2所示，包括：

步骤201、根据光伏阵列的电路结构，初始化灰狼种群数量、变换器的占空比及迭代次数；

其中，所述占空比作为位置参数X描述种群中的各个灰狼，即灰狼位置为位置参数X；

步骤202、根据灰狼位置X，计算各灰狼的适应度，分别选择最大值、次大值和第三大值对应的灰狼作为α灰狼、β灰狼和δ灰狼，其余灰狼视为ω灰狼；

其中，灰狼的位置X可能为初始化的灰狼位置或上一迭代步骤保存的灰狼位置；适应度为实时采样的光伏阵列的功率，适应度函数也可称为目标函数，它是区分狼群中个体层次高低的标准，是确定最优前3层次灰狼的依据，在灰狼位置更新的过程中，适应度较高的灰狼α、β和δ的位置保留下来，并指引适应度较低的灰狼朝着猎物方向搜索。

步骤203、根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及位置更新方程，更新各个灰狼位置X；

其中，步骤203具体可以包括：

根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及以下位置更新方程，更新各个灰狼位置：

其中，参数A和C是与随机数r1、r2相关的参数， 从2线性递减到0，和是[0,1]之间的随机向量。

步骤204、判断各个灰狼位置之间的标准差是否小于预设阈值，判断是否达到的最大迭代次数；

步骤205、当各个灰狼位置之间的标准差是否小于预设阈值或达到预设迭代次数时，将α灰狼的位置作为最终优化计算结果，输出α灰狼的位置对应的占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点；当各个灰狼位置之间的标准差不小于预设阈值且未达到预设迭代次数时，跳转至步骤202，继续迭代执行。

其中，灰狼有能力识别猎物并包围猎物，狩猎行为通常由α、β和δ指引来完成。但是，在抽象的搜索空间中，灰狼是不知道最优解(猎物)的精确位置的，为了用数学表达式来模拟灰狼的狩猎行为，假设α(最佳候选解)，β和δ的更有能力了解潜在猎物的位置。因此，在每次迭代过程中，将当前获得的前三个最好的值(α、β、δ)保存下来，其他搜索代理以它们三者的位置信息来更新自己的位置。

光伏阵列的输出功率随着外界环境的变化而变化，因此，当阴影条件发生变化时，需要重新启动灰狼优化算法程序，使***稳定工作在新的最大功率点，因此，步骤205之后，包括：

当判断出光伏阵列的实际输出功率Preal与所述最大功率点Pm之间的差值大于预设的输出功率变换量阈值ΔP时，重新从根据光伏阵列的电路结构，初始化灰狼种群数量、变换器的占空比及迭代次数的步骤执行。

本发明实施例还提供了一种基于灰狼算法的光伏最大功率点跟踪的控制装置，如图3所示，包括：

初始化模块310，用于根据光伏阵列的电路结构，初始化灰狼种群数量、变换器的占空比及迭代次数，其中，所述占空比作为位置参数X描述种群中的各个灰狼，即灰狼位置为位置参数X；

适应度计算模块320，用于根据灰狼位置X，计算各灰狼的适应度，分别选择最大值、次大值和第三大值对应的灰狼作为α灰狼、β灰狼和δ灰狼，其余灰狼视为ω灰狼，适应度为实时采样的光伏阵列的功率；

位置更新模块330，用于根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及位置更新方程，更新各个灰狼位置X；

判断模块340，用于判断各个灰狼位置之间的标准差是否小于预设阈值，判断是否达到的最大迭代次数；

执行模块350，用于当各个灰狼位置之间的标准差是否小于预设阈值或达到预设迭代次数时，将α灰狼的位置作为最终优化计算结果，输出α灰狼的位置对应的占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点；当各个灰狼位置之间的标准差不小于预设阈值且未达到预设迭代次数时，指示所述适应度计算模块320，继续迭代执行。

其中，该装置还可以包括：

重启模块360，用于在所述执行模块350输出α灰狼的位置对应的占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点的步骤之后，当判断出光伏阵列的实际输出功率Preal与所述最大功率点Pm之间的差值大于预设的输出功率变换量阈值ΔP时，启动初始化模块开始工作。

所述位置更新模块330具体用于根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及以下位置更新方程，更新各个灰狼位置：

其中，参数A和C是与随机数r1、r2相关的参数， 从2线性递减到0，和是[0,1]之间的随机向量。

以上对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种基于灰狼算法的光伏最大功率点跟踪的控制方法，其特征在于，包括：

根据光伏阵列的电路结构，初始化灰狼种群数量、变换器的占空比及迭代次数，其中，所述占空比作为位置参数X描述种群中的各个灰狼，即灰狼位置为位置参数X；

根据灰狼位置X，计算各灰狼的适应度，分别选择最大值、次大值和第三大值对应的灰狼作为α灰狼、β灰狼和δ灰狼，其余灰狼视为ω灰狼，适应度为实时采样的光伏阵列的功率；

根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及位置更新方程，更新各个灰狼位置X；

判断各个灰狼位置之间的标准差是否小于预设阈值，判断是否达到的最大迭代次数；

当各个灰狼位置之间的标准差小于预设阈值或达到预设迭代次数时，将α灰狼的位置作为最终优化计算结果，输出α灰狼的位置对应的占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点；当各个灰狼位置之间的标准差不小于预设阈值且未达到预设迭代次数时，返回根据灰狼位置X，计算各灰狼的适应度，分别选择最大值、次大值和第三大值对应的灰狼作为α灰狼、β灰狼和δ灰狼的步骤，继续迭代执行。

2.根据权利要求1所述的基于灰狼算法的光伏最大功率点跟踪的控制方法，其特征在于，所述输出α灰狼的位置对应的占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点的步骤之后，包括：

当判断出光伏阵列的实际输出功率P_real与所述最大功率点P_m之间的差值大于预设的输出功率变换量阈值ΔP时，重新从根据光伏阵列的电路结构，初始化灰狼种群数量、变换器的占空比及迭代次数的步骤执行。

3.根据权利要求1所述的基于灰狼算法的光伏最大功率点跟踪的控制方法，其特征在于，所述根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及位置更新方程，更新各个灰狼位置X的步骤，包括：

根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及以下位置更新方程，更新各个灰狼位置：

${\stackrel{\→}{D}}_{\mathrm{\α}}=|\stackrel{\→}{C}\·{\stackrel{\→}{X}}_{\mathrm{\α}}\left(t\right)-\stackrel{\→}{X}\left(t\right)|,{\stackrel{\→}{D}}_{\mathrm{\β}}=|\stackrel{\→}{C}\·{\stackrel{\→}{X}}_{\mathrm{\β}}\left(t\right)-\stackrel{\→}{X}\left(t\right)|,{\stackrel{\→}{D}}_{\mathrm{\δ}}=|\stackrel{\→}{C}\·{\stackrel{\→}{X}}_{\mathrm{\δ}}\left(t\right)-\stackrel{\→}{X}\left(t\right)|,$

${\stackrel{\→}{X}}_1={\stackrel{\→}{X}}_{\mathrm{\α}}-\stackrel{\→}{A}\·{\stackrel{\→}{D}}_{\mathrm{\α}},{\stackrel{\→}{X}}_2={\stackrel{\→}{X}}_{\mathrm{\β}}-\stackrel{\→}{A}\·{\stackrel{\→}{D}}_{\mathrm{\β}},{\stackrel{\→}{X}}_3={\stackrel{\→}{X}}_{\mathrm{\δ}}-\stackrel{\→}{A}\·{\stackrel{\→}{D}}_{\mathrm{\δ}},$

其中，参数A和C是与随机数r1、r2相关的参数， 从2线性递减到0，和是[0,1]之间的随机向量。

4.一种基于灰狼算法的光伏最大功率点跟踪的控制装置，其特征在于，包括：

初始化模块，用于根据光伏阵列的电路结构，初始化灰狼种群数量、变换器的占空比及迭代次数，其中，所述占空比作为位置参数X描述种群中的各个灰狼，即灰狼位置为位置参数X；

适应度计算模块，用于根据灰狼位置X，计算各灰狼的适应度，分别选择最大值、次大值和第三大值对应的灰狼作为α灰狼、β灰狼和δ灰狼，其余灰狼视为ω灰狼，适应度为实时采样的光伏阵列的功率；

位置更新模块，用于根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及位置更新方程，更新各个灰狼位置X；

判断模块，用于判断各个灰狼位置之间的标准差是否小于预设阈值，判断是否达到的最大迭代次数；

执行模块，用于当各个灰狼位置之间的标准差小于预设阈值或达到预设迭代次数时，将α灰狼的位置作为最终优化计算结果，输出α灰狼的位置对应的占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点；当各个灰狼位置之间的标准差不小于预设阈值且未达到预设迭代次数时，指示所述适应度计算模块，继续迭代执行。

5.根据权利要求4所述的基于灰狼算法的光伏最大功率点跟踪的控制装置，其特征在于，还包括：

重启模块，用于在所述执行模块输出α灰狼的位置对应的占空比控制信号，控制光伏阵列工作，使其稳定工作在最大功率点的步骤之后，当判断出光伏阵列的实际输出功率Preal与所述最大功率点Pm之间的差值大于预设的输出功率变换量阈值ΔP时，启动初始化模块开始工作。

6.根据权利要求4所述的基于灰狼算法的光伏最大功率点跟踪的控制装置，其特征在于，所述位置更新模块具体用于根据当前α灰狼、β灰狼和δ灰狼的位置Xα、Xβ、Xδ及以下位置更新方程，更新各个灰狼位置：

$X{\stackrel{\→}{D}}_{\mathrm{\α}}=|\stackrel{\→}{C}\·{\stackrel{\→}{X}}_{\mathrm{\α}}\left(t\right)-\stackrel{\→}{X}\left(t\right)|,{\stackrel{\→}{D}}_{\mathrm{\β}}=|\stackrel{\→}{C}\·{\stackrel{\→}{X}}_{\mathrm{\β}}\left(t\right)-\stackrel{\→}{X}\left(t\right)|,{\stackrel{\→}{D}}_{\mathrm{\δ}}=|\stackrel{\→}{C}\·{\stackrel{\→}{X}}_{\mathrm{\δ}}\left(t\right)-\stackrel{\→}{X}\left(t\right)|,$

${\stackrel{\→}{X}}_1={\stackrel{\→}{X}}_{\mathrm{\α}}-\stackrel{\→}{A}\·{\stackrel{\→}{D}}_{\mathrm{\α}},{\stackrel{\→}{X}}_2={\stackrel{\→}{X}}_{\mathrm{\β}}-\stackrel{\→}{A}\·{\stackrel{\→}{D}}_{\mathrm{\β}},{\stackrel{\→}{X}}_3={\stackrel{\→}{X}}_{\mathrm{\δ}}-\stackrel{\→}{A}\·{\stackrel{\→}{D}}_{\mathrm{\δ}},$

其中，参数A和C是与随机数r1、r2相关的参数， 从2线性递减到0，和是[0,1]之间的随机向量。