一种融合袋獾优化和扰动观测的光伏功率跟踪控制方法

本发明属于新能源领域，涉及一种融合袋獾优化和扰动观测的光伏功率跟踪控制方法。

背景技术：

1、太阳能是一种清洁、安全、可靠的未来能源，在提供能源解决方案方面发挥着重要作用。局部阴影下光伏微网p-v特性的多峰形态使最大功率点跟踪(mppt)控制变得非常困难和复杂。目前，为了从光伏微网中获取最大功率，解决光伏微网在局部阴影下mppt控制困难的问题，大量研究者对各类可用于mppt控制的算法进行研究和改进。其中传统算法在搜索到最大功率点后仍会围绕着极值点持续振荡，而且当光伏阵列的p-v特性呈现多峰形态时传统方法容易陷入局部最优。智能优化算法如人工神经网络(ann)的控制方法、粒子群算法(pso)等可以在多峰环境下找到最大功率点，但是大多算法存在搜索时间较长，参数复杂度较高，输出功率震荡较大等问题。

2、本发明专利面向光伏阵列在局部阴影遮挡下的输出特性，提出一种融合袋獾优化和扰动观测的光伏功率跟踪控制方法，用于局部阴影遮挡下的光伏最大功率的高效率跟踪与控制。

技术实现思路

1、本发明针对已有阴影遮挡下光伏最大功率跟踪控制算法存在搜索时间较长、参数复杂度较高、输出功率振荡较大等问题，提出一种融合袋獾优化和扰动观测的光伏功率跟踪控制方法，用于局部阴影遮挡下的光伏最大功率的高效率跟踪与控制。

2、一种融合袋獾优化和扰动观测的光伏功率跟踪控制方法，对袋獾优化算法tdo和扰动观测法p&o进行改进融合，从而显著提升收敛速度，同时减少收敛过程中的振荡，具体实现如下：

3、步骤1.对tdo算法进行同时加入自适应权重，具体公式表述为：

4、

5、

6、

7、其中，表示以腐肉为食阶段更新后的第i个袋獾在第j维的分量，w为自适应权重，r为[0,1]之间的随机数，ci,j为第i个袋獾选择的腐肉目标的第j维的分量，为第i个袋獾选择的腐肉目标的适应度，fi为第i个袋獾在位置更新前的适应度；表示以猎物为食阶段第一部分更新后的第i个袋獾在第j维的分量，r为[0,1]之间的随机数，pi,j为第i个袋獾选择的猎物目标的第j维的分量，为第i个袋獾选择的猎物目标的适应度；表示以猎物为食阶段第二部分更新后的第i个袋獾在第j维的分量，t为当前迭代次数，t为最大迭代次数，r为邻域半径大小；

8、步骤2.给予占空比一个相应的扰动，使得功率变化时，占空比也会相应的进行调整，公式表述如下：

9、

10、其中，dnew表示新的占空比，φ为给定的扰动量，p为当前输出功率，pold表示上一次迭代的输出功率；该算法根据由占空比计算获得的最新输出功率p，与上一次保存的输出功率pold进行比较，如果功率有所增大，则对占空比加上给定的扰动量，反之则对占空比减去给定的扰动量，以此不断往复，通过给定的扰动量实现对最大功率点的定位；

11、步骤3、改进的tdo算法和扰动观测法p&o的切换，具体公式表述如下：

12、|d(t)-d(t-1)|<ε

13、其中，d(t)表示第t次迭代后袋獾的位置，ε表示位置更新阈值，当改进的tdo算法更新后的袋獾位置和更新前的位置差值小于位置更新阈值，则表明改进的tdo算法已经找到最大功率点的大致位置，则切换为改进的p&o算法进行下一步的搜索，而当切换为改进的p&o算法后，如果周围环境发生变化，最大功率点位置发生变化，则重新初始化为改进的tdo算法。

14、进一步的，自适应权重的公式表述如下：

15、

16、其中，t表示第t次迭代，t表示迭代总次数。

17、进一步的，邻域半径大小r的公式表述如下：

18、

19、其中，t表示第t次迭代，t表示迭代总次数。

20、进一步的，本发明对应的光伏极值搜索控制系统包含三大核心组件：光伏阵列、dc/dc变换器以及mppt控制器；光伏阵列是由若干光伏电池单元依据特定的串并联方式组合而成，其输出的电流和电压会因环境光照强度及温度的变化而变化；mppt控制器内嵌自适应人工兔算法，能够根据光伏阵列的输出数据，动态地计算并调整占空比，进而控制dc/dc变换器的输出电压。

21、本发明的有益效果如下：

22、(1)本发明是融合袋獾优化算法和扰动观测法的融合算法，可以加快光伏发电最优跟踪控制的收敛速度，同时减小收敛过程中的振荡，很大程度上简化了算法的复杂度。与此同时，算法收敛时间相较于其他算法的0.07s左右，下降至0.024s，收敛的效率提升了将近两倍。同时在整个收敛的过程中，振荡次数相较于其他的算法显著减少；

23、(2)提出了一种融合袋獾优化算法和扰动观测法的融合算法的光伏功率跟踪控制方法，用于局部阴影遮挡下的光伏发电系统的全局最大功率点的高效率跟踪与控制。同时在切换不同的光照环境条件过程中，使用该优化算法都有一个较快的响应速度，能够在不断变换的环境条件下依然高效地实现最大功率点的跟踪控制。在其他算法需要0.1s左右的时间才能实现对变化环境最大功率点的动态追踪时，所提出的袋獾优化算法只需要0.03s左右的时间就能实现对变化的最大功率点的动态追踪，具有很好的响应速度。

技术特征：

1.一种融合袋獾优化和扰动观测的光伏功率跟踪控制方法，其特征在于对袋獾优化算法tdo和扰动观测法p&o进行改进融合，从而显著提升收敛速度，同时减少收敛过程中的振荡，具体实现如下：

2.根据权利要求1所述的一种融合袋獾优化和扰动观测的光伏功率跟踪控制方法，其特征在于自适应权重的公式表述如下：

3.根据权利要求1所述的一种融合袋獾优化和扰动观测的光伏功率跟踪控制方法，其特征在于邻域半径大小r的公式表述如下：

4.根据权利要求1所述的一种融合袋獾优化和扰动观测的光伏功率跟踪控制方法，其特征在于实现该方法对应的光伏极值搜索控制系统包含三大核心组件：光伏阵列、dc/dc变换器以及mppt控制器；光伏阵列是由若干光伏电池单元依据特定的串并联方式组合而成，其输出的电流和电压会因环境光照强度及温度的变化而变化；mppt控制器内嵌自适应人工兔算法，能够根据光伏阵列的输出数据，动态地计算并调整占空比，进而控制dc/dc变换器的输出电压。

技术总结本发明公开了一种融合袋獾优化和扰动观测的光伏功率跟踪控制方法。本发明对袋獾优化算法TDO和扰动观测法P&O进行改进融合，从而显著提升收敛速度，同时减少收敛过程中的振荡，具体步骤如下：1.对TDO算法进行同时加入自适应权重；2.给予占空比一个相应的扰动，使得功率变化时，占空比也会相应的进行调整；3.改进的TDO算法和扰动观测法P&O的切换。本发明能够加快光伏发电最优跟踪控制的收敛速度，同时减小收敛过程中的振荡，很大程度上简化了算法的复杂度。与此同时，算法收敛时间相较于其他算法的0.07s左右，下降至0.024s，收敛的效率提升了将近两倍。同时在整个收敛的过程中，振荡次数相较于其他的算法显著减少。技术研发人员：刘光宇,喻天赐,张承扬,朱凌受保护的技术使用者：杭州电子科技大学技术研发日：技术公布日：2024/6/26