一种基于模糊控制和粒子群算法的最大功率点跟踪方法

本发明属于光伏发电，具体涉及一种基于模糊控制和粒子群算法的最大功率点跟踪方法。

背景技术：

1、随着社会的转型、国家对能源改革的大力推进，以及传统能源发电面临着能源短缺及环境污染等问题，新能源发电技术日益重要。光伏发电凭借其能源清洁、维护成本低廉的特点，成为现阶段快速发展的技术之一。光伏发电系统通常采用旁路二极管来保护电池组，防止其过热受损。然而旁路二极管以及串联式模块易导致光伏阵列输出多个峰值。传统的最大功率点跟踪技术有扰动观察法(p&o)，电导增量法(inc)，爬山法(hc)等方法。这些方法能有效的实现对最大功率点的跟踪，但也普遍存在一些问题，如跟踪精度较低，速度较慢，且当遇到局部阴影条件时，不能对全局最大功率点进行跟踪。

2、由于存在易变的天气条件和各种遮蔽物如云、树木、高楼等造成局部阴影的条件导致光伏组件输出的特性曲线为非线性的多峰曲线；由于部分遮荫的动态是时变的，因此光伏发电系统的最大功率跟踪设计应具备在如光伏电池的遮光、退化、光伏阵列对p-u特性变化的适应性、跟踪平稳性等不同条件下的跟踪全局最大功率点的特性。

3、为了解决难以跟踪全局最大功率点的情况，一些以进化算法为基础的衍生算法被提出，如差分进化算法(de)、遗传算法(ga)、模拟退火算法(sa)等。烟火算法(fwa)和粒子群算法(pso)，被用于识别局部阴影下光伏发电系统输出的几个局部最大功率点(lmpps)中的全局最大功率点。此外还有一些方法如模糊逻辑控制法(flc)可提高最大功率点跟踪控制器的效率和可靠性；人工神经网络算法(ann)利用光伏阵列的温度和辐照度来跟踪光伏发电系统的全局最大功率点。这些算法的计算量较大，具有局限性。传统技术粒子群算法的标准格式对随机数依赖性强、收敛速度慢，跟踪时间长，计算量大等缺点。目前有许多研究通过修改标准粒子群优化算法，提高算法性能来解决这些问题，然而改进后的算法中仍存在一定缺陷。

技术实现思路

1、本发明的目的在于提供一种基于模糊控制和粒子群算法的最大功率点跟踪方法，以解决上述背景技术中提出的问题。

2、本发明采用的技术方案如下：

3、一种基于模糊控制和粒子群算法的最大功率点跟踪方法，其特征在于，该方法具体包括如下步骤：

4、s1.设置粒子种群的大小为n，初始化粒子信息及相应参数；

5、s2.利用适应度函数计算各个粒子的适应度值，记录此时每个粒子的局部最优和所有粒子的全局最优；所述适应度值的计算函数为：

6、

7、其中，为第i个粒子在第k次迭代时位置的适应度函数，upvik为第i个粒子在第k次迭代时的输出电压，ipvik为第i个粒子在第k次迭代时的输出电流；

8、s3.位置更新：按下列公式更新各个粒子的位置；

9、

10、δ＝c1+c2-1,δ＞1

11、

12、xik+1＝xik+vik+1

13、其中，vik+1为第i个粒子在第k+1次迭代时的速度，vik为第i个粒子在第k次迭代时的速度，xik+1为第i个粒子在第k+1次迭代时的位置，xik为第i个粒子在第k次迭代时的位置，pbestik代表在第k次迭代时粒子i的局部最优，gbestk代表在第k次迭代时所有粒子的全局最优，ω为惯性权因子，λ为速度调整系数，δ为速度调整因子，c1和c2分别为自身学习因子和社会学习因子，rand1k和rand2k为[0,1]内的随机数；

14、s4.将步骤s3得到的第k次迭代时第i个粒子的位置作为粒子群算法在输出的参考电压urpso,ik，采用模糊控制模块计算输出电压偏移量δu(t)，t为搜索时间，根据urpso,ik和δu(t)更新在第k次迭代时t时刻输出的参考电压ur,ik(t)；

15、所述模糊控制模块由模糊控制器和转换器组成。

16、所述模糊控制器输入为e(t)和ce(t)，输出为δd(t)；

17、

18、ce(t)＝e(t)-e(t-1)

19、ppv(t)＝upv(t)·ipv(t)

20、其中，e(t)表示t时刻光伏阵列工作点在其p-u特性曲线上的斜率，ce(t)表示t时刻光伏阵列工作点的斜率变化量，ppv(t)表示t时刻光伏阵列工作点的输出功率，ppv(t-1)表示t-1时刻光伏阵列工作点的输出功率，δd(t)为t时刻模糊控制器输出的占空比变化量；

21、所述模糊控制器按照以下规则输出δd(t)：

22、当输入e(t)较大为正时且ce(t)为正时，输出δd(t)采用负的较大步长；

23、当输入e(t)较大为正时且ce(t)为负时，输出δd(t)采用负的较大步长；

24、当输入e(t)适中为正时且ce(t)为正时，输出δd(t)采用负的适中步长；

25、当输入e(t)适中为正时且ce(t)为负时，输出δd(t)采用负的适中步长；

26、当输入e(t)接近0为正时且ce(t)为正时，输出δd(t)采用负的接近0的步长；

27、当输入e(t)接近0为正时且ce(t)为负时，输出δd(t)采用负的接近0的步长；

28、当输入e(t)接近0为负时且ce(t)为负时，输出δd(t)采用正接近0的步长；

29、当输入e(t)接近0为负时且ce(t)为正时，输出δd(t)采用正接近0的步长；

30、当输入e(t)适中为负时且ce(t)为负时，输出δd(t)采用正的适中步长；

31、当输入e(t)适中为负时且ce(t)为正时，输出δd(t)采用正的适中步长；

32、当输入e(t)较大为负时且ce(t)为负时，输出δd(t)采用正的较大步长；

33、当输入e(t)较大为负时且ce(t)为正时，输出δd(t)采用正的较大步长；

34、所述转换器以δd(t)以及光伏阵列工作点功率的变化量为输入，根据如下公式输出t时刻的输出电压偏移量δu(t)；

35、

36、

37、其中，为转换系数，a为增益系数，b为基准步长；

38、s5.若搜寻时间t≥tkeep，tkeep为搜索时间上限，则记录此时工作点的功率作为最大功率点的功率值，搜索终止，搜寻时间t归零。否则，返回步骤s4继续进行下一时刻搜索；

39、s6.若所有处于非最优功率区间的粒子都经过步骤s3，则将步骤s5计算得到的最大功率点的功率值记为各个粒子的适应度值，比较所有粒子的适应度值，记录此时每个粒子的局部最优和所有粒子的全局最优。否则，返回步骤s3对下一个粒子的位置进行模糊控制；

40、s7.判断各个粒子的适应度值fik是否满足如下公式：

41、

42、其中，fgmppk为第k次迭代时，全局最优处的适应度值。

43、若满足，则粒子处于最优功率区间；否则，粒子处于非最优功率区间；

44、s8.若迭代次数k≥kmax，kmax为迭代次数上限，则在全局最优处进行最大功率跟踪且不设置搜索时间上限；否则，处于最优功率区间的粒子返回步骤s6，处于非最优功率区间的粒子返回步骤s3，继续进行下一次迭代；

45、s9.判断光照是否改变，若改变，则返回步骤s1；若光照未改变，则继续进行步骤s8中最大功率跟踪；

46、进一步的，所述的最大功率点跟踪方法，其特征在于，所述根据urpso,ik和δu(t)更新在第k次迭代时t时刻输出的参考电压具体为：将δu(t)与urpso,ik之和作为更新后的参考电压ur,ik(t)。

47、进一步的，所述的最大功率点跟踪方法，其特征在于，所述光照改变的判断依据为检测到所有光伏电池旁路二极管电流之和发生突变超过某一阈值。

48、与现有技术相比，本发明具有以下有益效果：

49、(1)本发明控制方法将p-u曲线变为分段常数，降低搜索难度。

50、(2)本发明中对非最优功率区间的粒子位置采用模糊控制，与现有技术相比，兼顾搜寻速度与精度。

51、(3)本发明将光伏电池的旁路二极管电流之和作为算法重启条件，降低误判概率，提高系统可靠性。