一种基于粒子群优化的光伏最大功率点跟踪的控制方法及装置制造方法及图纸

本发明专利技术涉及太阳能光伏发电领域，公开了一种基于粒子群优化的光伏最大功率点跟踪的控制方法及装置，本发明专利技术实施例以变换器的占空比为粒子，初始化将粒子均匀分散在可能的极值点处，线性调整惯性权重、学习因子，并通过引入反正切函数，对传统的粒子群速度更新进行修改，单独限制每个粒子的速度。提升了粒子群算法的收敛速度，减小了跟踪过程的振荡，使得阴影变化时能快速跟踪到新的最大功率点。

【技术实现步骤摘要】

本专利技术涉及太阳能光伏发电领域，尤其涉及一种基于粒子群优化的光伏最大功率点跟踪的控制方法及装置。
技术介绍
在局部阴影条件下，光伏阵列的P-U曲线由单峰值变为多峰值，传统的最大功率点跟踪方法只能追踪到其中一个局部极值点而失效。局部阴影随时可能发生，大大降低系统效率，因此，必须提出有效的多峰值情况下的全局MPPT方法。针对该问题，现有技术中1、采用采用并联功率补偿法，通过增加功率补偿单元消除多峰值现象，该方法简单可行，但系统结构复杂，成本较高。2、采用复合MPPT算法，即先利用等效负载对最大功率点进行粗略定位，再利用传统单峰值MPPT方法进行精确跟踪。但等效负载法需要在线测量开路电压和短路电流，对光伏组件的参数依赖性较大，而传统单峰值MPPT方法稳态时功率振荡，增加功率损失。3、采用斐波那契(Fibonacci)搜索法，该方法收敛速度较慢，实用性不强。近年来，PSO算法因算法简单，无需进行交叉和变异，在最大功率跟踪控制中得到应用，但传统算法搜索速度慢，随机参数多，存在陷入局部极值点的可能。
技术实现思路
本专利技术提供一种基于粒子群优化的光伏最大功率点跟踪的控制方法及装置，解决现有技术本文档来自技高网...

【技术保护点】
一种基于粒子群优化的光伏最大功率点跟踪的控制方法，其特征在于，包括：根据光伏阵列的串联模块个数m、光伏组件开路电压Uoc_module，对粒子群参数进行初始化，其中，所述粒子群参数包括粒子个数、粒子初始位置、惯性权重ω的取值范围、自我认知因子c1的取值范围、社会认知因子c2的取值范围和最大迭代次数，粒子位置为占空比d，粒子速度为占空比变化量Δd；根据各个粒子的位置，计算各个粒子的适应度值，适应度值为光伏阵列的输出功率；根据输出功率，获取各个粒子的初始个体最优值和全局最优值；根据个体最优值、全局最优值、惯性权重、自我认知因子和社会认知因子，更新各个粒子的位置和速度；根据更新后的粒子位置，重新计算...

【技术特征摘要】
1.一种基于粒子群优化的光伏最大功率点跟踪的控制方法，其特征在于，包括：根据光伏阵列的串联模块个数m、光伏组件开路电压Uoc_module，对粒子群参数进行初始化，其中，所述粒子群参数包括粒子个数、粒子初始位置、惯性权重ω的取值范围、自我认知因子c1的取值范围、社会认知因子c2的取值范围和最大迭代次数，粒子位置为占空比d，粒子速度为占空比变化量Δd；根据各个粒子的位置，计算各个粒子的适应度值，适应度值为光伏阵列的输出功率；根据输出功率，获取各个粒子的初始个体最优值和全局最优值；根据个体最优值、全局最优值、惯性权重、自我认知因子和社会认知因子，更新各个粒子的位置和速度；根据更新后的粒子位置，重新计算各个粒子的适应度值；对比各个粒子的个体最优值对应的适应度值和重新计算的各个粒子的适应度值，更新各个粒子的个体最优值和全局最优值；计算粒子位置的标准差，判断粒子位置的标准差是否小于预设阈值、迭代次数是否达到最大迭代次数；当粒子位置的标准差小于预设阈值或迭代次数达到最大迭代次数时，输出当前的全局最优值，即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；当粒子位置的标准差不小于预设阈值且迭代次数小于最大迭代次数时，开始从根据个体最优值、全局最优值、惯性权重、自我认知因子和社会认知因子，更新各个粒子的位置和速度的步骤执行。2.根据权利要求1所述的基于粒子群优化的光伏最大功率点跟踪的控制方法，其特征在于，所述输出当前的全局最优值，即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的步骤之后，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，重新对粒子群参数进行初始化，并执行粒子群优化的光伏最大功率点跟踪的控制。3.根据权利要求1所述的基于粒子群优化的光伏最大功率点跟踪的控制方法，其特征在于，所述根据光伏阵列的串联模块个数m、光伏组件开路电压Uoc_module，对粒子群参数进行初始化的步骤，包括：确定粒子个数等于光伏阵列的串联模块个数m；将粒子初始位置随机均匀分布，或者，将粒子初始位置均匀分布在理论极值点处，所述理论极值点为数值等于0.8＊Uoc_module整数倍的光伏阵列输出电压对应的占空比；惯性权重ω的取值范围为0.1至1；自我认知因子c1的取值范围为1至2；社会认知因子c2的取值范围为1至2；最大迭代次数为30。4.根据权利要求1所述的基于粒子群优化的光伏最大功率点跟踪的控制方法，其特征在于，所述根据个体最优值、全局最优值、惯性权重、自我认知因子和社会认知因子，更新各个粒子的位置和速度的步骤之前，包括：根据更新惯性权重ω，其中，ω(k)为更新后的惯性权重ω，k为当前迭代次数，Kmax为最大迭代次数，ωmax为最大惯性权重，ωmin为最小惯性权重；根据更新自我认知因子c1，其中，c1(k)为更新后的自我认知因子，k为当前迭代次数，Kmax为最大迭代次数，c1max为最大自我认知因子，c1min为最小自我认知因子；根据更新社会认知因子c2，其中，c2(k)为更新后的社会认知因子，k为当前迭代次数，Kmax为最大迭代次数，c2max为最大社会认知因子，c2min为最小社会认知因子。5.根据权利要求1所述的基于粒子群优化的光伏最大功率点跟踪的控制方法，其特征在于，所述根据个体最优值、全局最优值、惯性权重、自我认知因子和社会认知因子，更新各个粒子的位置和速度，更新各个粒子的位置和速度的步骤，包括：通过公式更新粒子速度，其中，为第k次迭代中第i个粒子的个体最优值，为第k次迭代中的全局最优值，dik为第k次迭代中第i个粒子的位置，即占空比数值，vik为k次迭代中第i个粒子的速度，vik+1为第i个粒子更新后的速度；通过公式更新粒子位置，其中，dik+1为第k次迭代中第i个粒子更新后的位置，即更新后的占空比数值。6.一种基于粒子群优化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串联模块个数m、光伏组件...

【专利技术属性】
技术研发人员：张巧杰，王凯丽，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京;11