一种基于改进驾驶训练算法的光伏最优跟踪控制方法

本发明属于新能源领域，涉及一种基于改进驾驶训练算法的光伏最优跟踪控制方法。

背景技术：

1、随着环境问题的日益突出，传统能源转型的问题受到了世界广泛关注。太阳能光伏产业的发展是我国推动能源结构转型的重要保障，我国通过优化产业结构体系加快太阳能光伏产业的发展。然而大多光伏发电设备经常受到外界环境的影响从而形成失配现象导致发电效率低下。因此，光伏微网极值跟踪算法一直以来都备受关注。其中传统的控制方法，如扰动观测法(p&o)、电导增量法(inc)、恒压法等，在面对光伏设备所处的复杂环境下，难以追踪到全局最优点来完成极值追踪。一些智能算法如模拟退火算法、遗传算法、蚁群优化算法等虽然能够满足追踪要求，但存在搜索时间较差、算法复杂度较高、追踪性能较差等问题。

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，提出了一种基于改进驾驶训练算法的光伏最优跟踪控制方法，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、复杂度较高、搜索精度较差等问题，提出一种基于改进驾驶训练算法的光伏最优跟踪控制方法，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、一种基于改进驾驶训练算法的光伏最优跟踪控制方法，为了提升算法的收敛速度，增加了教练员选择方式的随机性，同时为了减弱振荡，引入了自适应权重，具体实现如下：

3、digroup＝datasample(n,ndi)

4、

5、其中，digroup表示教练员集合，datasample(n,ndi)表示从成员数量为n的种群中随机选择ndi位成员作为教练员集合；表示驾驶教练培训阶段更新后的第i个学员在第j维的分量，r为[0,1]之间的随机数，dii,j为第i个学员选择的教练在第j维的分量，为第i个学员选择的教练的适应度，fi为第i个学员的适应度，w表示自适应权重。

6、进一步的，自适应权重w的求解如下：

7、

8、其中，t为当前迭代次数，t为最大迭代次数。

9、进一步的，针对第二阶段和第三阶段中p和r参数选择问题，加入参数可调的方式，通过在线加入时变参数子算法，提升算法的智能化，公式表示如下：

10、d(t)＝dtbo(p(t-1),p,r)

11、其中d(t)表示第t次迭代后的输出占空比，p(t-1)表示第t-1次迭代后占空比输入到dc/dc控制器后测量出来的输出功率，p和r则为第二第三阶段的可调参数。

12、进一步的，本发明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。

13、本发明有益效果如下：

14、(1)提出了一种改进的驾驶训练算法，使用随机选择策略替代了基本算法的向下取整选择策略，很大程度上提高了算法在全局搜索和发现最佳区域方面的勘探能力；同时加入了自适应权重，算法后期更新位置幅度减小，简化了算法的复杂度。相较于其他算法需要0.07s的时间才能收敛，所提出的驾驶训练算法将此收敛时间降低至0.03s，将收敛效率提升了一倍。与此同时，在整个收敛的过程中，振荡相较于其他算法也有所减少；

15、(2)提出了一套基于改进的驾驶训练算法的光伏发电出力最优跟踪控制系统，使得该方法不仅可以用于比较理想的光照均匀条件，在一些存在局部阴影的光照不均匀的环境下依然适用，同时也提出了可调参数的概念以及对于最大功率点的循环跟踪，实现了对于光伏最大功率点的智能化控制。对于光照条件不断变换的复杂环境，该算法依然能以其高效的收敛和响应速度实现对最大功率点的跟踪控制。其他算法需要约0.1s的时间才能实现对变化环境的最大功率点的跟踪，而所提出的改进的驾驶训练算法则只需要0.03左右的时间就能实现动态跟踪控制。

技术特征：

1.一种基于改进驾驶训练算法的光伏最优跟踪控制方法，其特征在于为了提升算法的收敛速度，增加了教练员选择方式的随机性，同时为了减弱振荡，引入了自适应权重，具体实现如下：

2.根据权利要求1所述的一种基于改进驾驶训练算法的光伏最优跟踪控制方法，其特征在于自适应权重w的求解如下：

3.根据权利要求1所述的一种基于改进驾驶训练算法的光伏最优跟踪控制方法，其特征在于针对第二阶段和第三阶段中p和r参数选择问题，加入参数可调的方式，通过在线加入时变参数子算法，提升算法的智能化，公式表示如下：

4.根据权利要求1所述的一种基于改进驾驶训练算法的光伏最优跟踪控制方法，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基于改进驾驶训练算法的光伏最优跟踪控制方法。本发明为了提升算法的收敛速度，增加了教练员选择方式的随机性，同时为了减弱振荡，引入了自适应权重，具体实现如下：在前期对于原算法的教练员选择方式进行了相应的改进，从而使教练员的选择更加随机，增加算法的随机性，在一定程度上可以提升算法的全局搜索能力；为了减弱后期的振荡现象，引入了自适应权重；自适应机制的引入可以使算法前期的更新幅度增大，加强算法前期的全局搜索能力，同时随着迭代次数的增加，自适应权重逐渐减小，算法后期的更新幅度较小，可以使算法更多聚焦于局部空间的开发。技术研发人员：刘光宇,吴士开,谢思超,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