基于多策略改进的人工蜂群算法的光伏MPPT控制方法技术

基于多策略改进的人工蜂群算法的光伏MPPT控制方法，包括以下步骤：搭建光伏阵列模型；搭建光伏发电MPPT控制系统模型；采集光伏电池模型的输出电压与电流，通过多策略改进的人工蜂群算法进行实时搜索，找到最大输出功率点对应的最优占空比；基于多策略改进的人工蜂群算法的光伏MPPT控制模块输出搜索到的最优占空比，通过PWM发生器模块生成相应脉冲信号，调节升压电路模块电压，使光伏发电系统输出最大功率；判断环境是否发生变化，若是，返回重启算法；若否，保持保存最大输出功率。本发明专利技术提供的基于多策略融合的人工蜂群算法的MPPT方法，对于静态和动态阴影环境下光伏阵列的最大功率追踪问题，能够保证较高跟踪精度的同时具有更快的跟踪速度以及较少的功率波动。更快的跟踪速度以及较少的功率波动。更快的跟踪速度以及较少的功率波动。

【技术实现步骤摘要】
基于多策略改进的人工蜂群算法的光伏MPPT控制方法


[0001]本专利技术涉及光伏发电控制
，具体涉及一种基于多策略改进的人工蜂群算法的光伏MPPT控制方法。

技术介绍

[0002]太阳能由于其绿色、分布广、资源充足的特点被广泛应用于发电领域，光伏装机容量在中国能源结构中所占比例日益增加，进一步提高光伏发电效率是构建高效绿色能源网络的一个重要方向，因此需要对光伏发电系统进行最大功率点跟踪(maximum power point tracking，MPPT)。
[0003]但是基于扰动观察法、电导增量法的传统MPPT控制技术只有在光伏阵列处于均匀光照环境下才能成功跟踪到最大功率点，且受到扰动步长的影响，输出功率有较大的波动差值。实际生活中，光伏阵列所受光照常被云朵、建筑、灰尘、落叶等遮挡，导致其输出功率
‑
电压曲线呈现多峰特性，传统MPPT控制方法大多无法跟踪到全局最大功率点，导致光伏阵列发电效率降低。
[0004]因此，诸多学者将粒子群算法、遗传算法、蚁群算法等群体智能算法应用于光伏MPPT控制技术中，以实现多峰条件下的最大功率点跟踪。虽然取得了一定的效果，但是缺乏对跟踪精度、跟踪速度以及稳态性能的统筹兼顾，综合性能较低。

技术实现思路

[0005]针对现有最大功率追踪技术的不足，提供一种基于多策略融合的人工蜂群算法(multi
‑
strategy fusion ABC algorithm，MSFABC)的光伏MPPT控制方法，以实现快速、准确、稳定的跟踪全局最大功率点。
[0006]本专利技术采取的技术方案为：
[0007]基于多策略改进的人工蜂群算法的光伏MPPT控制方法，包括以下步骤：
[0008]步骤1：在不影响仿真精度的情况下，对光伏电池等效电路数学模型简化，得到光伏电池数学模型，搭建光伏阵列模型；
[0009]步骤2：搭建基于多策略改进的人工蜂群算法的光伏MPPT控制模块、升压电路模块与PWM发生器模块，组成光伏发电MPPT控制系统模型；
[0010]步骤3：光伏MPPT控制模块采集光伏阵列的输出电压与电流，通过多策略改进的人工蜂群算法进行实时搜索，找到最大输出功率点对应的最优占空比；
[0011]步骤4：基于多策略改进的人工蜂群算法的光伏MPPT控制模块输出搜索到的最优占空比，通过PWM发生器模块生成相应脉冲信号，驱动升压电路模块，使光伏发电系统输出最大功率；
[0012]步骤5：判断环境是否发生变化，若是，返回步骤2，重启算法；若否，保持步骤3保存最大输出功率。
[0013]所述步骤1中，光伏电池等效电路数学模型表达式为：
[0014][0015]式中，I
SC
为光生电流；I
D
为流过二极管VD的电流；I0为二极管反向饱和电流；q为电子电荷常数(1.6
×
10
‑
19
C)；V为负载端电压；I
L
为负载工作电流；A为二极管品质因数；R
s
为等效串联电阻；R
sh
为等效并联电阻；I
Rsh
为流过等效并联电阻的电流；K为玻尔兹曼常数(1.38
×
10
‑
23
J/K)；T为光伏电池温度；
[0016]考虑到其中R
sh
、A、R
S
、I0参数的值与温度和光照等外界环境有关，难以确定，不便于工程应用，且对光伏电池数学模型精准度影响较低。对光伏电池等效电路数学模型做出如下两点简化：
[0017]①
：通常情况下项的值远小于光生电流，因此忽略该项；
[0018]②
：通常情况下R
S
远小于二极管正向导通电阻，设定I
L
＝I
SC
；
[0019]并且定义如下情况：
[0020]a、开路状态下：I
L
＝0，V＝V
oc
；
[0021]b、最大功率点处：V＝V
m
，I
L
＝I
m
；
[0022]此时，光伏电池等效电路数学模型可简化为：
[0023][0024]式中，I
m
为最佳工作电流电流，V
m
为最佳工作电压，V
oc
为开路电压。
[0025]因此，只需要I
SC
、V
oc
、I
m
和V
m
四个参数，就能以较高精度复现光伏电池的特性。
[0026]所述步骤2中，图3为光伏MPPT控制模块、升压电路模块、PWM发生器模块组成的光伏发电MPPT控制系统模型图。
[0027]光伏MPPT控制模块，用于搜索最大输出功率所对应的最优占空比；
[0028]升压电路模块一方面可以升高光伏阵列输出电压，另一方面能够配合MPPT控制器实现最大输出功率的追踪；
[0029]PWM发生器模块，生成与最优占空比相应的脉冲信号驱动升压电路模块；
[0030]上述模块与光伏阵列共同组成光伏发电MPPT控制系统模型，以实现最大功率输出。所述步骤3中，多策略改进的人工蜂群算法搜索最大功率点所对应占空比，包括如下步骤：
[0031]S3.1、定义参数：蜜源位置代表控制升压电路模块电压的占空比；蜜源花蜜量即为光伏阵列输出的功率P；算法搜索到的最优蜜源为花蜜量最多的蜜源，即为光伏阵列输出最大功率时控制升压电路模块电压的最优占空比。
[0032]S3.2、初始化基本参数：设置蜜源数目SN，蜜源空间维度D，迭代次数t
max
；
[0033]S3.3、更新枯竭参数阈值Limit：
[0034]蜜源空间维数与蜜源数量共同决定了Limit的取值，具体表达式如下：
[0035]Limit＝SN
×
D；
[0036]S3.4、初始化蜜源位置：
[0037]采用均匀化与随机化相结合的初始化策略：首先将蜜源x
ij
中第j维度区间均匀划分为与蜜源数SN相同的子区间，初始化操作时首先选定子区间，然后在子区间内随机生成初始蜜源，均匀化与随机化相结合的初始化表达式如下：
[0038][0039]式中，i＝1，2，
…
，SN，SN为蜜源(雇佣峰、跟随蜂)的数目；j＝1，2，
…
,D，D为蜜源空间的维数；α
ij
为(0,1)间的随机值；和分别为第j维分量的最小值和最大值。
[0040]S3.5、计算初始蜜源花蜜量，选择出花蜜量最多的蜜源，将其设置为精英个体Gbest S3.6、更新权重因子ω(t)：
[0041]ω(t)为随着迭代次数t非线性变化的权重因子，ω(t)的数学表达式为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多策略改进的人工蜂群算法的光伏MPPT控制方法，其特征在于包括以下步骤：步骤1：对光伏电池等效电路数学模型简化，得到光伏电池数学模型，搭建光伏阵列模型；步骤2：搭建光伏MPPT控制模块、升压电路模块与PWM发生器模块，组成光伏发电MPPT控制系统模型；步骤3：光伏MPPT控制模块采集光伏阵列的输出电压与电流，通过多策略改进的人工蜂群算法进行实时搜索，找到最大输出功率点对应的最优占空比；步骤4：基于多策略改进的人工蜂群算法的光伏MPPT控制模块输出搜索到的最优占空比，通过PWM发生器模块生成相应脉冲信号，驱动升压电路模块，使光伏发电系统输出最大功率；步骤5：判断环境是否发生变化，若是，返回步骤2，重启算法；若否，保持步骤3保存最大输出功率。2.根据权利要求1所述基于多策略改进的人工蜂群算法的光伏MPPT控制方法，其特征在于：所述步骤1中，光伏电池等效电路数学模型表达式为：式中，I
SC
为光生电流；I
D
为流过二极管VD的电流；I0为二极管反向饱和电流；q为电子电荷常数；V为负载端电压；I
L
为负载工作电流；A为二极管品质因数；R
s
为等效串联电阻；R
sh
为等效并联电阻；I
Rsh
为流过等效并联电阻的电流；K为玻尔兹曼常数；T为光伏电池温度；对光伏电池等效电路数学模型做出如下两点简化：
①
：通常情况下项的值远小于光生电流，因此忽略该项；
②
：通常情况下R
S
远小于二极管正向导通电阻，设定I
L
＝I
SC
；并且定义如下情况：a、开路状态下：I
L
＝0，V＝V
oc
；b、最大功率点处：V＝V
m
，I
L
＝I
m
；此时，光伏电池等效电路数学模型能够简化为：式中，I
m
为最佳工作电流电流，V
m
为最佳工作电压，V
oc
为开路电压；因此，只需要I
SC
、V
oc
、I
m
和V
m
四个参数，就能够以较高精度复现光伏电池的特性。3.根据权利要求1所述基于多策略改进的人工蜂群算法的光伏MPPT控制方法，其特征在于：所述步骤2中，光伏MPPT控制模块，用于搜索最大输出功率所对应的最优占空比；升压电路模块，用于升高光伏阵列输出电压；PWM发生器模块，用于生成与最优占空比相应的脉冲信号驱动升压电路模块；
上述模块与光伏阵列共同组成光伏发电MPPT控制系统模型，以实现最大功率输出。4.根据权利要求1所述基于多策略改进的人工蜂群算法的光伏MPPT控制方法，其特征在于：所述步骤3中，多策略改进的人工蜂群算法搜索最大功率点所对应占空比，包括如下步骤...

【专利技术属性】
技术研发人员：张玉文，张韬，熊子轩，徐世泽，过慈伟，
申请(专利权)人：三峡大学，
类型：发明
国别省市：