本申請涉及光伏發(fā)電,更具體地,涉及一種光伏系統(tǒng)最大功率點跟蹤方法。
背景技術(shù):
1、太陽能儲量巨大,開發(fā)無地域限制且無污染,因此太陽能發(fā)電技術(shù)具有重要的研究價值和廣闊的應(yīng)用前景。雖然太陽能作為一種潛力巨大的新型能源被世界各國所關(guān)注和重視,光伏產(chǎn)業(yè)得到了我國的大力支持,但目前光伏產(chǎn)業(yè)仍存在很多的技術(shù)問題。光伏產(chǎn)業(yè)使用的能量轉(zhuǎn)換材料主要為單晶硅等半導(dǎo)體,其能量轉(zhuǎn)換效率僅為20%左右,效率十分低下,這嚴(yán)重制約了光伏產(chǎn)業(yè)的發(fā)展,提高光伏發(fā)電效率的最大功率追蹤技術(shù)成為當(dāng)前光伏行業(yè)的研究熱點。
2、現(xiàn)有的多峰mppt算法中,粒子群(pso)算法憑借其復(fù)雜度低、收斂速度快、控制簡單的優(yōu)點,被研究人員廣泛采用。粒子群速度更新公式中存在自我認(rèn)知分量和社會認(rèn)知分量兩個部分,這兩個分量對粒子的運動距離和運動方向有重要影響。這種結(jié)構(gòu)導(dǎo)致粒子之間信息交流過快且方向單一,隨著迭代的進行,粒子多樣性快速喪失,種群迅速收斂到一個較小的空間內(nèi),這使得pso算法在優(yōu)化問題中容易陷入局部最優(yōu)。
3、因此,如何提高粒子群算法的全局搜索能力,防止其陷入局部最優(yōu),提升算法的動態(tài)穩(wěn)定性,是目前有待解決的技術(shù)問題。
技術(shù)實現(xiàn)思路
1、本發(fā)明提供一種光伏系統(tǒng)最大功率點跟蹤方法,用以解決現(xiàn)有技術(shù)中光伏最大功率點追蹤容易陷入局部最優(yōu),導(dǎo)致光伏系統(tǒng)效率降低的技術(shù)問題。所述方法包括:
2、s101、初始化粒子群參數(shù);
3、s102、將光伏系統(tǒng)輸出功率作為適應(yīng)度函數(shù),計算每個粒子的適應(yīng)度函數(shù)值,確定個體最優(yōu)值和全局最優(yōu)值;
4、s103、更新慣性因子和加速系數(shù),根據(jù)粒子迭代公式,更新各個粒子的位置和速度,粒子位置為光伏系統(tǒng)的占空比,粒子速度為光伏系統(tǒng)的占空比變化量;
5、s104、基于k均值聚類算法對粒子群進行聚類劃分;
6、s105、基于差分進化算法對粒子進行交叉、選擇,更新最終粒子,計算個體最優(yōu)值和全局最優(yōu)值;
7、s106、判斷當(dāng)前迭代次數(shù)或粒子間距離是否滿足算法終止條件,若滿足,則根據(jù)全局最優(yōu)值輸出最大功率值,若不滿足,則返回步驟s102;
8、s107、根據(jù)功率變化量判斷是否重啟算法,若不需要重啟算法,則輸出全局最優(yōu)值。
9、進一步地,所述慣性因子和加速系數(shù)為:
10、w=(wmin-wmax)(kmax-k)/kmax+wmax
11、
12、其中,w為慣性因子,wmin為初始慣性因子,wmax為最大慣性因子,kmax為最大迭代次數(shù),k為當(dāng)前迭代次數(shù),c1、c2為加速系數(shù),b1為第一預(yù)設(shè)范圍系數(shù),b2為第二預(yù)設(shè)范圍系數(shù),b1<b2。
13、進一步地,所述基于k均值聚類算法對粒子群進行聚類劃分,包括:
14、隨機選取n個粒子聚類中心,計算各粒子到聚類中心的距離;
15、將粒子聚類到最近的聚類中心,形成m個粒子簇;
16、根據(jù)粒子簇中粒子的均值計算各粒子簇聚類中心,根據(jù)粒子簇聚類中心更新粒子聚類中心;
17、若聚類算法迭代次數(shù)到達預(yù)設(shè)重新聚類次數(shù),則重新選取粒子聚類中心,進行重新聚類;
18、若粒子聚類中心不再變化或達到聚類算法預(yù)設(shè)最大迭代次數(shù),則根據(jù)聚類中心更新粒子。
19、進一步地,所述預(yù)設(shè)重新聚類次數(shù)計算公式為:
20、
21、其中,t為預(yù)設(shè)重新聚類次數(shù),qmax為預(yù)設(shè)最大迭代次數(shù),q為當(dāng)前迭代次數(shù)。
22、進一步地,所述基于差分進化算法對粒子進行交叉、選擇,包括:
23、設(shè)定交叉概率,根據(jù)交叉概率設(shè)定粒子速度計算公式;
24、根據(jù)粒子適應(yīng)度函數(shù)值,設(shè)定粒子位置計算公式。
25、進一步地,所述粒子速度計算公式為:
26、
27、其中,和為第k+1和第k次迭代時第i個粒子的粒子速度,為第k次迭代時第i個粒子的粒子位置,r1為第一隨機數(shù),gbest為全局最優(yōu)值,cr為交叉概率。
28、進一步地,所述粒子位置計算公式為:
29、
30、其中,為第k+1次迭代時第i個粒子的粒子位置,為過渡位置變量,和為和對應(yīng)的光伏系統(tǒng)功率。
31、進一步地,所述算法終止條件為:
32、獲取當(dāng)前迭代次數(shù),判斷當(dāng)前迭代次數(shù)是否達到預(yù)設(shè)最大迭代次數(shù),若達到,則終止算法;
33、若未達到,則判斷粒子間距離是否小于第一預(yù)設(shè)閾值,若小于,則終止算法。
34、進一步地,所述根據(jù)功率變化量判斷是否重啟算法,包括:
35、獲取輸出的最大功率值和光伏系統(tǒng)當(dāng)前功率,計算光伏系統(tǒng)功率變化量,判斷功率變化量是否大于第二預(yù)設(shè)閾值,若大于,則重啟算法。
36、進一步地,所述功率變化量計算公式為:
37、
38、其中,δp為功率變化量,pa為光伏系統(tǒng)當(dāng)前功率,pmax為輸出的最大功率值。
39、本發(fā)明的有益效果為:
40、通過應(yīng)用以上技術(shù)方案,本發(fā)明基于粒子群算法并結(jié)合差分進化算法進行光伏最大功率點跟蹤,通過更新粒子群算法的計算參數(shù),使算法在最大功率點跟蹤時始終發(fā)揮最佳性能,通過在差分進化前進行粒子群的k均值聚類,提高了算法的收斂速度,增強動態(tài)穩(wěn)定性,同時通過設(shè)置算法重啟條件,防止因外部條件的改變使最大功率點發(fā)生變化,導(dǎo)致光伏系統(tǒng)無法及時響應(yīng)最大功率點的變化,大大提升了光伏系統(tǒng)最大功率點跟蹤效率。
1.一種光伏系統(tǒng)最大功率點跟蹤方法,其特征在于,所述方法包括:
2.根據(jù)權(quán)利要求1所述的光伏系統(tǒng)最大功率點跟蹤方法,其特征在于,所述慣性因子和加速系數(shù)為:
3.根據(jù)權(quán)利要求1所述的光伏系統(tǒng)最大功率點跟蹤方法,其特征在于,所述基于k均值聚類算法對粒子群進行聚類劃分,包括:
4.根據(jù)權(quán)利要求3所述的光伏系統(tǒng)最大功率點跟蹤方法,其特征在于,所述預(yù)設(shè)重新聚類次數(shù)計算公式為:
5.根據(jù)權(quán)利要求1所述的光伏系統(tǒng)最大功率點跟蹤方法,其特征在于,所述基于差分進化算法對粒子進行交叉、選擇,包括:
6.根據(jù)權(quán)利要求5所述的光伏系統(tǒng)最大功率點跟蹤方法,其特征在于,所述粒子速度計算公式為:
7.根據(jù)權(quán)利要求6所述的光伏系統(tǒng)最大功率點跟蹤方法,其特征在于,所述粒子位置計算公式為:
8.根據(jù)權(quán)利要求1所述的光伏系統(tǒng)最大功率點跟蹤方法,其特征在于,所述算法終止條件為:
9.根據(jù)權(quán)利要求1所述的光伏系統(tǒng)最大功率點跟蹤方法,其特征在于,所述根據(jù)功率變化量判斷是否重啟算法,包括:
10.根據(jù)權(quán)利要求9所述的光伏系統(tǒng)最大功率點跟蹤方法,其特征在于,所述功率變化量計算公式為: