一种自适应惯性权重混沌粒子群算法制造技术

本发明专利技术涉及光伏发电领域，具体涉及一种自适应惯性权重混沌粒子群算法(ACPSO)。该算法利用比一般Logistic映射效率更高的分段Logistic映射产生混沌序列来初始化粒子的位置，从而保证了全局搜索的多样性；然后采用自适应惯性权重来优化粒子群算法，提高了最大功率的跟踪速度；最后如果判断算法陷入早熟，则对粒子最优位置和全局最优位置同时进行极值扰动。相对于单一极值扰动来说，此方法可以使算法更快的跳出局部最优。该发明专利技术算法可以更加快速有效地根据日照变化实时跟踪最大功率点，并使系统工作在最大功率点附近，同时，减小了系统在最大功率点的振荡现象，提高了光伏阵列的利用率。

【技术实现步骤摘要】
一种自适应惯性权重混沌粒子群算法
本专利技术涉及光伏发电领域，具体涉及一种自适应惯性权重混沌粒子群算法。
技术介绍
由于传统能源的限制以及日益突出的环境问题，清洁可再生能源越来越受到国内外研究者的关注。太阳能因其具有分布广、无污染等优点，将成为未来应用前景最好的可再生能源之一。实际中，光伏阵列表面的灰尘、周围建筑物和云层等的遮挡会降低其发电效率，因此，对光伏系统的最大功率点进行跟踪控制显得尤为重要。在局部阴影条件下，光伏系统的功率-电压(P-U)曲线呈多峰值特性，导致常规最大功率跟踪(MaximumPowerPointTracking，MPPT)算法如扰动观察法、电导增量法等极易陷入局部最大值，无法实现最大功率点的准确跟踪。针对上述问题，很多学者对局部阴影下的光伏系统模型进行了研究，并提出了一些多峰MPPT算法。比如：1.一种滑模变结构控制和扰动观察法相结合的算法，从而实现不规则阴影下光伏阵列的最大功率跟踪；2.Noguchi等提出一种基于短路脉冲的MPPT算法，能够快速扫描P-U特性曲线来确定比例参数，找到全局极值点；3.提出在光伏阵列中应用粒子群优化算法(ParticleSwarmOptimization，PSO)实现最大功率点跟踪；4.将模糊控制应用到粒子群优化算法中，实现最大功率点跟踪。这些控制策略都有各自的优缺点，如滑模变结构控制虽具有响应速度快、鲁棒性强等优点，但在达到稳态后系统震荡较大；模糊控制则需要经验来确定参数，在稳态时仍有一定波动；遗传算法虽然可以跟踪到最大功率点，但不能使系统稳定地工作在最大功率点，且算法较为复杂，需要调节的参数较多；粒子群算法则相对较为简单，需要调节的参数比较少，而且具有较好的全局搜索能力，但如何确定最优参数是一个很复杂的优化问题。因此，通过引入非线性动态惯性权重系数构成的一种自适应惯性权重的粒子群优化算法(AdaptiveParticleSwarmOptimization，ACPSO)能有效地提高系统的收敛速度和精度。
技术实现思路
本专利技术旨在更加快速的追踪部分阴影下光伏系统的最大功率点并使系统稳定工作在最大功率点附近。为了实现上述目的，本专利技术公开了一种自适应惯性权重混沌粒子群算法，包括以下步骤：S1：初始化惯性权重ω0，加速因子c1、c2，种群规模N，最大迭代次数Nm，确定搜索空间[-xmax，xmax]以及最大速度vmax；S2：随机产生一个每个分量取值在(0，1)范围内的D维向量，作为第1个粒子，使用式(3)经N-1次迭代生成其余N-1个粒子，记为xid，i＝1，2，…N；d＝1，2，…，D。初始化粒子速度；S3：计算各粒子适应度值。将粒子自身最优位置pid设为其当前位置，全局最优位置pgd设为初始种群中最优粒子的位置；S4：令惯性权重ω按式(9)进行更新，根据式(10)和式(2)更新粒子的速度和位置，更新pid以及pgd。然后判断pid与pgd是否改变，若未变，则对应的停滞步数t0与tg分别加1，然后转S5，若发生改变，则转S7；S5：判断停滞步数是否超过其阈值T0或Tg，如果超过，则转S6，否则转S7；S6：按式(12)加极值扰动，跳出局部最值点，然后转S4；S7：如果未达到预先设定的最大迭代次数Nm，则转向S4，否则执行S8；S8：输出pgd及fbest，算法运行结束。本专利技术算法针对局部阴影状态下的光伏阵列，采用比一般Logistic映射效率更高的分段Logistic映射产生混沌序列，来初始化粒子的位置，从而保证了全局搜索的多样性；然后采用自适应惯性权重来优化粒子群，最后如果判断算法陷入早熟，则对粒子最优位置和全局最优位置同时进行极值扰动。该算法对系统的最大功率点的追踪更快，搜索精度更高，同时减小了在最大功率点处的波动。附图说明图1是本专利技术的一种自适应惯性权重混沌粒子群算法的流程图；图2是仿真设计的一套基于ATmega16的由3×3光伏电池板组成的光伏阵列MPPT控制系统；图3是传统的太阳能电池模型等效电路图；图4(a)是遮蔽条件1下的P-U曲线；图4(b)是遮蔽条件2下的P-U曲线；图5(a)是遮蔽条件1下传统PSO算法的功率跟踪结果；图5(b)是遮蔽条件1下ACPSO算法的功率跟踪结果；图6(a)是遮蔽条件2下传统PSO算法的功率跟踪结果；图6(b)是遮蔽条件2下ACPSO算法的功率跟踪结果；图7(a)是光照强度改变前后的传统PSO算法的动态响应；图7(b)是光照强度改变前后的ACPSO算法的动态响应。具体实施方式以下结合附图描述本专利技术的一种自适应惯性权重混沌粒子群算法。请参考图1，一种自适应惯性权重混沌粒子群算法，包括以下步骤：S1：初始化惯性权重ω0，加速因子c1、c2，种群规模N，最大迭代次数Nm，确定搜索空间[-xmax，xmax]以及最大速度vmax；在步骤S1中，粒子i的速度和位置更新方程如下：vid(t+1)＝ω·vid(t)+c1r1·(pid(t)-xid(t))+c2r2·(pgd(t)-xid(t))(1)xid(t+1)＝xid(t)+vid(t+1)(2)其中，t为粒子更新迭代次数。在第t代，粒子i在d维空间中所经历过的“最好”位置记作粒子群中“最好”的粒子位置记作ω为粒子更新的惯性权重；c1和c2为加速因子；r1和r2为区间[0，1]服从均匀分布的两个独立随机数。S2：随机产生一个每个分量取值在(0，1)范围内的D维向量，作为第1个粒子，使用式(3)经N-1次迭代生成其余N-1个粒子，记为xid，i＝1，2，…N；d＝1，2，…，D。初始化粒子速度；在步骤S2中，采用分段Logistic混沌映射初始化各粒子：其中，y(n)∈(0，1)，本专利技术初值y(n)取0.355；μ是控制参量，μ＝4时，系统完全混沌。与一般的Logistic混沌映射相比，分段Logistic产生的混沌序列分布在(0，1)间的粒子对称性更好，且具有良好的随机性和对初值的敏感性，使算法具有更好的效率。S3：计算各粒子适应度值。将粒子自身最优位置pid设为其当前位置，全局最优位置pgd设为初始种群中最优粒子的位置；在步骤S3中，定义进化度、聚合度两个概念：进化度：假设目标函数为F，第t代时粒子群中所有粒子的历史最优平均值为：第t代粒子群中所有粒子的平均适应值为：第t代时粒子群的全局历史最优值为：全局最优值是根据个体最优值的变化得到的，在迭代过程中，上一代的全局最优值小于或等于当前的全局最优值，如果相等，则说明经过此次迭代种群没有进化，即算法终止或找到了最优解。因此，将u定义为进化度因子，用于表示每次迭代之后种群的进化程度。公式如下：其中：a1、a2为相关性系数，满足0＜a1、a2＜1、a1+a2＝1且a1略大于a2。可以看出，u的取值范围为(0，1]。u中的前一项为粒子群的寻优程度。如果某次迭代后，其值为1，则说明粒子群找到最优解或出现停滞。u中的后一项表示粒子群搜索过程中整体变化的趋势，其值等于1时，可以认定出现停滞或粒子群找到最优值。因此，进化度u可以看成是粒子进化程度的反映。聚合度：在迭代过程中，下一代种群粒子的位置多少都会受到最优值与个体当前适应值的影响，并且两者平均值的关系也能反映种群粒子的运动方向。因此，利用两者的平均值可以对ω产生一本文档来自技高网...

【技术保护点】
1.一种自适应惯性权重混沌粒子群算法(ACPSO)，其特征在于，包括以下步骤：S1：初始化惯性权重ω0，加速因子c1、c2，种群规模N，最大迭代次数Nm，确定搜索空间[‑xmax，xmax]以及最大速度vmax；S2：随机产生一个每个分量取值在(0，1)范围内的D维向量，作为第1个粒子，使用如下式经N‑1次迭代生成其余N‑1个粒子，记为xid，i＝1，2，…N；d＝1，2，…，D。初始化粒子速度；

【技术特征摘要】
1.一种自适应惯性权重混沌粒子群算法(ACPSO)，其特征在于，包括以下步骤：S1：初始化惯性权重ω0，加速因子c1、c2，种群规模N，最大迭代次数Nm，确定搜索空间[-xmax，xmax]以及最大速度vmax；S2：随机产生一个每个分量取值在(0，1)范围内的D维向量，作为第1个粒子，使用如下式经N-1次迭代生成其余N-1个粒子，记为xid，i＝1，2，…N；d＝1，2，…，D。初始化粒子速度；式中，y(n)∈(0，1)，本发明初值y(n)取0.355；μ是控制参量，μ＝4时，系统完全混沌。S3：计算各粒子适应度值。将粒子自身最优位置pid设为其当前位置，全局最优位置pgd设为初始种群中最优粒子的位置；S4：令惯性权重ω按下式进行更新：ω′＝ω0-ωuu+ωhh其中：ω0为初始惯性权重，ωu为进化度调节系数，ωh为聚合度调节系数。根据下式更新粒子的速度和位置：vid(t+1)＝ω′·vid(t)+c1r1·(pid(t)-xid(t))+c2r2·(pgd(t)-xid(t))xid(t+1)＝xid(t)...

【专利技术属性】
技术研发人员：游国栋，苏虹霖，徐涛，沈延新，王军，李丹，严宇，李继生，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津,12