一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法技术

本发明专利技术公开了一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法。本发明专利技术提供了一种改进万有引力搜索算法，收敛速度更快，不易陷入局部最优。相比于传统万有引力搜索算法，本发明专利技术提出的改进算法引入了莱维飞行函数和正弦混沌映射，提供了额外的随机性，克服了传统万有引力搜索算法迭代过程的缺点，提高了光伏最大功率跟踪的效率与精度。伏最大功率跟踪的效率与精度。伏最大功率跟踪的效率与精度。

【技术实现步骤摘要】
一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法


[0001]本专利技术涉及光伏发电
，具体涉及一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法。
技术背景
[0002]随着能源危机、环境保护等问题的日益严峻，新能源技术得到了十足的发展，并且越来越受到人们的重视，太阳能发电安全稳定，取之不尽用之不竭，成为主要的新能源发电技术之一。
[0003]然后在实际光伏发电应用中，天气变化莫测，并且会存在周围物体的遮挡的现象，此外设备本身的老化、积尘等都会导致光伏器件输出曲线特性不一致，进而导致光伏阵列的输出曲线呈现多个最大功率点，此时传统的MPPT技术可能会陷入局部最优，造成了效率浪费，严重影响光伏发电的输出功率与稳定性。
[0004]为了解决这一问题，群体智能算法开始应用于最大功率追踪，相比于传统算法，群体智能算法可以实现并行搜索，提供了求解复杂问题的方法，具有较强的鲁棒性与精度。基于万有引力搜索的最大功率跟踪算法不依赖于初值选取，具有更高的精度，可以对光伏阵列及逆行整体的优化，具有独特的优势以及应用价值。但是现有的基于引力搜索算法的最大功率跟踪算法易陷入局部最优，并且搜索时间较长，追踪速度慢。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术对传统万有引力搜索方法进行了改进，提供了一种收敛速度更快的基于智能算法的光伏最大功率跟踪方法，克服了现有技术存在的问题。
[0006]本专利技术解决上述技术问题是通过如下技术方案予以实现的：
[0007]一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法，步骤如下：
[0008]步骤S1，初始化种群参数，种群规模N；
[0009]步骤S2，通过目标函数评估第i个粒子的适应度并计算个体的质量；
[0010][0011][0012]式中t代表迭代次数，M
i
(t)为第t次迭代时第i个粒子的质量，f
i
(t)为第t次迭代时第i个粒子的目标函数，对应第i个粒子的位置所对应电压处的功率值， best(t)为第t次迭代时具有最佳适应度值的粒子，worst(t)为第t次迭代时具有最差适应度值的粒子。
[0013]进一步地，所属步骤S2中引入莱维飞行函数寻找具有最佳适应度值的粒子，具体的方法为：
[0014]步骤S21，利用莱维飞行函数计算更新后的粒子位置：
[0015]x
newbest
(t)＝x
best
(t)+Levy(λ)
×
rand
d
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0016][0017]式中Levy(λ)为莱维飞行函数，λ为莱维系数，取1.5，μ,v为标准正态分布系数， x
best
(t)表示第t次迭代时具有最佳适应度值的粒子位置，rand
d
代表随机方向单位向量。
[0018]步骤S22，比较x
newbest
(t)和x
best
(t)处粒子的适应度值，取最优的作为第t次迭代时具有最佳适应度值的粒子。
[0019]步骤S3，使用正弦混沌映射的方法更新万有引力常数，在迭代的过程使得万有引力常数的值混乱发生变换，并且不断减小，具体包括以下步骤：
[0020]步骤S31，更新正弦混沌数值：
[0021]C(t+1)＝2.3C(t)
2 sin(πC(t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0022]式中C(0)取0.7。
[0023]步骤S32，更新归一化后的正弦混沌数值：
[0024][0025]式中C
norm
为归一化的正弦混沌数值，MAX取10，MIN取1e
‑
8，T为最大迭代次数。
[0026]步骤S33，更新万有引力常数：
[0027][0028]式中：G(t)表示第t次迭代时的万有引力常数，G0为初始引力常数，a为衰减系数。
[0029]步骤S4，计算第i个粒子在第d维的引力；
[0030][0031]式中F
id
(t)为第t次迭代时第i个粒子在第d维的引力，R
ij
(t)表示粒子i和粒子 j在第t次迭代时的欧几里得距离，rand
j
表示区间[0，1]间的随机数，使粒子可以随机移动，ε为较小的常数，表示第i个粒子在第d维的位置，kbest 表示种群中质量最高的前k个粒子的集合。
[0032]步骤S5，通过方程计算第i个粒子在第d维的加速度、速度和位置；
[0033][0034][0035][0036]式中为第t次迭代时第i个粒子在第d维的加速度，为第t次迭代时第i个
粒子在第d维的速度，为第t次迭代时第i个粒子在第d维的位置。
[0037]步骤S6，进行迭代，重复步骤S2到S5，直到满足预设条件；
[0038]步骤S7，判断重启条件，满足则执行步骤S1，否则进行局部跟踪运行模式：
[0039]进一步地的，所属步骤S7中判断重启的条件为光伏阵列输出功率变化是否大于阈值，具体公式为：
[0040][0041]式中，P
real
和P
pv
分别为光伏阵列的实际输出功率和额定功率，α
G
为实际太阳辐射强度与标准测试条件下的太阳辐射强度的比值，α
p
为光伏阵列功率的温度系数，T
STC
为标准测试条件下的光伏阵列温度，T为光伏阵列的实际温度，ΔP 为功率变化比值阈值。
[0042]本专利技术与现有技术相比的优点在于：本专利技术提供了一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法，收敛速度更快，不易陷入局部最优。相比于传统万有引力搜索算法，本专利技术提出的改进算法引入了莱维飞行函数和正弦混沌映射，提供了额外的随机性，克服了传统万有引力搜索算法迭代过程的缺点，提高了光伏最大功率跟踪的效率与精度。
附图说明
[0043]图1是本专利技术算法流程图。
[0044]图2是本实施例中的P
‑
V特性曲线。
[0045]图3是本实施例最大功率跟踪效果图。
具体实施方式
[0046]下面结合附图对本专利技术的技术方案做进一步详细说明。
[0047]一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法，如图一所示，步骤如下：
[0048]步骤S1，初始化粒子种群参数，种群规模N取100，每个粒子对应一个电压值；
[0049]步骤S2，测量得到第i个粒子所对应电压处的功率值f
i
(t)，用于评估第i 个粒子的适应度并计算其质量；
[0050][0051][0052]式中t代表迭代次数，M
i
(t)为第t次迭代时第i个粒子的质量，best(t)表示第 t次迭代时具有最佳适应度值，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法，其特征在于，包括：步骤S1，初始化种群参数，种群规模N；步骤S2，通过目标函数评估第i个粒子的适应度并计算个体的质量；步骤S3，使用正弦混沌映射的方法更新万有引力常数；步骤S4，计算第i个粒子在第d维的引力；步骤S5，计算第i个粒子在第d维的加速度、速度和位置；步骤S6，进行迭代，重复步骤S2到S5，直到满足预设条件；步骤S7，判断重启条件，满足则执行步骤S1，否则进行局部跟踪运行模式。2.根据权利要求1所述的一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法，其特征在于，通过目标函数评估第i个粒子的适应度并计算个体的质量的方法为：征在于，通过目标函数评估第i个粒子的适应度并计算个体的质量的方法为：式中t代表迭代次数，M
i
(t)为第t次迭代时第i个粒子的质量，f
i
(t)为第t次迭代时第i个粒子的目标函数，对应第i个粒子的位置所对应电压处的功率值，best(t)为第t次迭代时具有最佳适应度值的粒子，worst(t)为第t次迭代时具有最差适应度值的粒子。3.根据权利要求1所述的一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法，其特征在于，所属步骤S2中引入莱维飞行函数寻找具有最佳适应度值的粒子，具体的方法为：步骤S21，利用莱维飞行函数计算更新后的粒子位置：x
newbest
(t)＝x
best
(t)+Levy(λ)
×
rand
d
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式中Levy(λ)为莱维飞行函数，λ为莱维系数，取1.5，μ,v为标准正态分布系数，x
best
(t)表示第t次迭代时具有最佳适应度值的粒子位置，rand
d
代表随机方向单位向量；步骤S22，比较x
newbest
(t)和x
best
(t)处粒子的适应度值，取最优的作为第t次迭代时具有最佳适应度值的粒子。4.根据权利要求1所述的一种基于改进混沌引力搜索算法的光伏最大功率跟踪方法，其特征在于，使用正弦混沌映射的方法更新万有引力常数，在迭代的过程使得万有引力常数的值混乱发生变换...

【专利技术属性】
技术研发人员：任江，陈维玲，赵帅，周一览，
申请(专利权)人：泛太能源环境浙江有限公司，
类型：发明
国别省市：