基于改进灰狼优化算法的光伏MPPT方法

摘要

本发明涉及一种基于改进灰狼优化算法的光伏MPPT方法。本发明的技术方案是：S1、在[0，1]内选取N个随机值，作为灰狼种群的初始位置，灰狼个体代表光伏系统中的占空比；S2、获取光伏系统在各占空比控制下的输出功率，并以此作为灰狼个体的适应度，记适应度最大的三个灰狼依次为α狼、β狼和δ狼；S3、收缩灰狼种群的搜索范围，更新搜索区间上下限；S4、使用改进的位置更新公式对灰狼种群进行位置更新；S5、执行反向搜索，与灰狼种群适应度相比较，更新α狼、β狼和δ狼；S6、判断是否满足终止条件，若满足，则停止迭代并将光伏系统稳定在α狼对应的占空比上；否则，返回步骤S2，继续迭代。

说明书

技术领域

本发明涉及一种基于改进灰狼优化算法的光伏MPPT方法。适用于光伏发电技术领域。

背景技术

随着传统化石能源的日益枯竭，发展使用可再生能源成为了必然趋势，太阳能具有清洁、无污染、储量无限等特点，是最理想的可再生能源。在太阳能发电技术中，如何降低成本和提高发电效率是核心问题，由于太阳能电池的输出特性受到光照和温度等外界条件的影响，实现最大功率点跟踪(Maximum power point tracking,MPPT)是提高系统总体效率的关键技术之一。

在实际工程中，光伏阵列会因为局部遮挡和积尘覆盖等原因，输出P-U特性曲线呈现多峰值特性。传统MPPT方法如扰动观察法和电导增量法，容易陷入局部峰值点而无法追踪全局最大功率。因此，具有全局搜索能力的群体智能优化算法，如粒子群、萤火虫、灰狼优化等算法成为了解决MPPT问题的研究热点。但目前这些算法仍存在求解精度低、收敛速度慢和可能陷入局部极值的问题，需要加以改进。

发明内容

本发明要解决的技术问题是：针对上述存在的问题，提供一种基于改进灰狼优化算法的光伏MPPT方法，以解决传统灰狼优化算法存在求解精度低和易陷入局部最优的问题。

本发明所采用的技术方案是：一种基于改进灰狼优化算法的光伏MPPT方法，其特征在于：

S1、在[0，1]内选取N个随机值，作为灰狼种群的初始位置，灰狼个体代表光伏系统中的占空比；

S2、获取光伏系统在各占空比控制下的输出功率，并以此作为灰狼个体的适应度，记适应度最大的三个灰狼依次为α狼、β狼和δ狼；

S3、收缩灰狼种群的搜索范围，更新搜索区间上下限，搜索区间[a(t)，b(t)]上下限更新公式为：

s(t)＝1-(1-λ)t/t

其中，t是当前迭代代数，X

S4、使用改进的位置更新公式对灰狼种群进行位置更新，该改进的位置更新公式为：

其中，X

S5、执行反向搜索，产生当前最优解的反向解，计算反向解的适应度，与灰狼种群适应度相比较，更新α狼、β狼和δ狼；

S6、判断是否满足终止条件，若满足，则停止迭代并将光伏系统稳定在α狼对应的占空比上；否则，返回步骤S2，继续迭代。

还包括：

S7、持续监测光伏系统输出功率是否发生突变，当输出功率的变化率大于设定阈值时，返回步骤S1，重启算法。

步骤S7中判断输出功率是否发生突变的判定式为：

式中：P

所述执行反向搜索，产生当前最优解的反向解，包括：

搜索α狼的反向解X

所述终止条件包括：判定算法是否达到最大迭代次数tmax；计算全体灰狼位置的标准差σ是否小于设定阈值θ。

一种基于改进灰狼优化算法的光伏MPPT装置，其特征在于，包括：

初始化模块，用于在[0，1]内选取N个随机值，作为灰狼种群的初始位置，灰狼个体代表光伏系统中的占空比；

适应度计算模块，用于获取光伏系统在各占空比控制下的输出功率，并以此作为灰狼个体的适应度，记适应度最大的三个灰狼依次为α狼、β狼和δ狼；

搜索范围收缩模块，用于收缩灰狼种群的搜索范围，更新搜索区间上下限，搜索区间[a(t)，b(t)]上下限更新公式为：

s(t)＝1-(1-λ)t/t

其中，t是当前迭代代数，X

位置更新模块，用于使用改进的位置更新公式对灰狼种群进行位置更新，该改进的位置更新公式为：

其中，X

反向搜索模块，用于执行反向搜索，产生当前最优解的反向解，计算反向解的适应度，与灰狼种群适应度相比较，更新α狼、β狼和δ狼；

判断模块，用于判断是否满足终止条件，若满足，则停止迭代并将光伏系统稳定在α狼对应的占空比上；否则，返回步骤S2，继续迭代。

还包括：

重启模块，用于持续监测光伏系统输出功率是否发生突变，当输出功率的变化率大于设定阈值时，返回步骤S1，重启算法。

一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述基于改进灰狼优化算法的光伏MPPT方法的步骤。

一种MPPT控制器，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述基于改进灰狼优化算法的光伏MPPT方法的步骤。

一种光伏最大功率点追踪系统，其特征在于：具有所述的MPPT控制器。

本发明的有益效果是：本发明针对传统灰狼优化算法存在的精确度不高和陷入局部最优两个问题，通过两种策略进行了协调解决，两种策略分别为：一是通过搜索区间收缩策略提高了算法的收敛速度，将算力集中在最优解附近以搜索更精确的结果；二是通过反向优化策略增加了种群多样性，有效帮助算法跳出局部最优解。本发明将算法的群体搜索代价转换为了反向解的个体搜索代价，使光伏系统能够更快速、准确地追踪到最大功率点，更适用于电路的暂态响应过程。

附图说明

图1为实施例中光伏MPPT系统采用的Boost电路结构示意图。

图2为实施例的流程示意图。

图3为实施例中区间收缩策略的示意图。

具体实施方式

图1为实施例中基于Boost电路的光伏最大功率点追踪系统的电路结构，具有光伏系统、MPPT控制器和PWM发生器，光伏系统具有光伏阵列，光伏阵列由4×1的光伏电池串联而成；MPPT控制器根据采集到的光伏阵列输出功率，调节输出占空比，控制光伏阵列的工作电压，进而实现最大功率点追踪。

MPPT控制器具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现基于改进灰狼优化算法的光伏MPPT方法的步骤。

如图2所示，本实施例中基于改进灰狼优化算法的光伏MPPT方法，包括以下步骤：

S1、在[0，1]内选取N个随机值，作为灰狼种群的初始位置，并初始化灰狼优化算法相关参数a，A和C。

其中，灰狼种群大小N应当根据实际电路中光伏阵列串并联结构决定。参数a是在最大迭代次数t

其中，r

S2、测量光伏系统在各占空比控制下的输出功率，以此作为灰狼的适应度，记适应度最大的三个灰狼依次为α狼、β狼和δ狼。

其中，对应图1所示的电路结构中，MPPT控制器将灰狼个体位置所代表的占空比输出，电路将工作在此占空比下，待电路的输出功率稳定时，记下稳定时的输出功率作为此灰狼个体的适应度。待所有灰狼个体都计算完成后，根据适应度排序，记最大者为α狼，次大者为β狼，第三大者为δ狼。

S3、收缩灰狼种群的搜索范围，更新搜索区间上下限，区间收缩策略如图3所示，原始搜索区间为[0，1]，区间下限a(0)＝0，区间上限b(0)＝1，随着迭代进行，搜索区间[a(t)，b(t)]上下限更新公式为：

s(t)＝1-(1-λ)t/t

其中，t是当前迭代代数，X

S4、使用改进的位置更新公式对灰狼种群进行位置更新。其中，传统灰狼优化算法的位置更新公式如下：

其中，D表征了α、β和δ三狼与其他灰狼之间的距离，X表征了灰狼分别在α、β和δ三狼的指导下进行的位置更新，求解平均值得到的更新位置X(t+1)。

改进位置更新公式的改进之处在于，在原位置更新公式的基础上，将灰狼种群逐渐向α狼的位置聚拢，其计算公式为：

其中，X

S5、执行反向搜索，产生当前最优解的反向解，计算反向解的适应度，与灰狼种群适应度比较，更新α狼、β狼和δ狼。

其中，反向搜索策略是通过搜索当前最优解的反向解来增大种群的多样性，进一步增强算法的搜索能力，使之在后期也能够跳出局部最优。搜索α狼的反向解X

S6、判断算法是否满足终止条件，若满足，停止迭代并将光伏系统稳定在α狼对应的占空比上；否则，返回步骤S2，继续迭代。

其中，终止条件有两个，一是判定算法是否达到最大迭代次数t

S7、持续检测光伏系统输出功率是否发生突变，当输出功率的变化率大于设定阈值时，返回步骤S1，重启算法。

当外界环境因素导致光照条件发生变化时，光伏阵列的输出功率特性也会发生变化,此时所维持的占空比可能不再对应最大功率点，需要重启算法搜索新的最大功率点。判断输出功率是否发生突变的判定式为：

式中：P

本实施例还提供一种基于改进灰狼优化算法的光伏MPPT装置，包括：初始化模块、适应度计算模块、搜索范围收缩模块、位置更新模块、反向搜索模块、判断模块和重启模块。

本例中初始化模块用于在[0，1]内选取N个随机值，作为灰狼种群的初始位置，灰狼个体代表光伏系统中的占空比。适应度计算模块用于获取光伏系统在各占空比控制下的输出功率，并以此作为灰狼个体的适应度，记适应度最大的三个灰狼依次为α狼、β狼和δ狼。

本实施例中搜索范围收缩模块用于收缩灰狼种群的搜索范围，更新搜索区间上下限，搜索区间[a(t)，b(t)]上下限更新公式为：

s(t)＝1-(1-λ)t/t

其中，t是当前迭代代数，X

本例中位置更新模块用于使用改进的位置更新公式对灰狼种群进行位置更新，该改进的位置更新公式为：

其中，X

本实施例中反向搜索模块，用于执行反向搜索，产生当前最优解的反向解，计算反向解的适应度，与灰狼种群适应度相比较，更新α狼、β狼和δ狼。判断模块用于判断是否满足终止条件，若满足，则停止迭代并将光伏系统稳定在α狼对应的占空比上；否则，返回步骤S2，继续迭代。重启模块用于持续监测光伏系统输出功率是否发生突变，当输出功率的变化率大于设定阈值时，返回步骤S1，重启算法。

以上所述仅是结合附图对本发明的具体实施方式进行了描述，应当指出，对于本技术领域的普通技术人员来说，在本发明的技术方案的基础上，还可以做出若干改进和润饰，本说明书内容不应理解为对本发明的限制。