粒子群优化鱼群算法及其在光伏系统最大功率点跟踪中的应用段

合集下载

粒子群优化光伏系统最大功率跟踪设计

粒子群优化光伏系统最大功率跟踪设计摘要:局部阴影条件下光伏阵列的P-V特性会出现多个极值点,使常规的最大功率跟踪算法失效。

本文提出基于粒子群优化算法的最大功率控制方法,来解决局部遮阴下的最大功率跟踪问题。

关键词:粒子群算法最大功率点跟踪局部1 研究背景局部遮阴情况在户用光伏化发电系统中普遍存在,它会造成太阳能光伏发电系统输出功率下降,严重时会引起“热斑”效应造成安全问题。

同时,在局部遮阴情况下,光伏阵列的输出特性会呈现多个峰值点,使常规的最大功率跟踪算法失效。

本文利用粒子群优化算法多变量寻优的特性,对光伏阵列的最大功率点进行寻优,解决局部遮阴下的最大功率跟踪控制问题。

2 粒子群优化最大功率跟踪算法2.1 光伏阵列的P-V特性不同光照强度下,光伏电池有不同的I-V特性,当发生局部遮阴现象,使得光伏组件有不同的最大功率点。

串联起来的光伏组件,流过的电流相等,但是在不同的光照强度下,整体的P-V特性呈现多个极值点,如图1所示,传统的单峰值最大功率跟踪算法失效。

如图1所示2.2 粒子群优化算法流程粒子群(PSO)优化算法中,每个优化问题的潜在解都是搜索空间中的一个“粒子”,所有的粒子都有一个被目标函数决定的适应值。

本文定义目标函数为光伏阵列的输出功率,变量为最大功率点输出电压。

(1)算法初始化设种群数量为30,迭代次数为60,分别对粒子的位置、最大速度、加权系数和学习因子初始化。

即:pop_size=30;max_gen=60;part_size=2;v_max=2;w_max=0.9;w_min= 0.4;c1=2;c2=2;(2)种群评价目标函数为阵列的输出功率,以两个阵列的系统为例,适应值函数的表达式为:(3)确定个体和全局适应值比较单个粒子当前适应值和历史最好适应值,如果当前适应值大,则更新单个粒子的。

每一个粒子的最好适值都确定后再相互比较以确定全局的最好适应值。

(4)根据公式(1)、(2)更新所有粒子的速度和位置。

局部遮阴下粒子群算法在光伏离网系统

局部遮阴下粒子群算法在光伏离网系统最大功率点跟踪中的应用作者：邓颖王聪来源：《南京信息工程大学学报（自然科学版）》2017年第01期摘要局部遮阴条件下光伏阵列的PU特性呈现多个极值点，这将导致传统的最大功率点跟踪算法失效。

针对此问题，提出了一种基于粒子群算法（PSO）的最大功率点跟踪（MPPT）控制方法，以解决局部遮阴下的最大功率跟踪问题。

仿真结果表明，该方法具有较好的控制精度，并能有效地提高光伏阵列的输出效率。

最后，提出了改进的光伏离网最大功率点跟踪控制系统，使跟踪速度和精度进一步得到了改善。

关键词光伏离网系统；粒子群算法；最大功率点跟踪；局部遮阴中图分类号TM914.4文献标志码A收稿日期20160522资助项目中央高校基本科研业务费专项基金（2015B38014）作者简介王聪（通信作者），男，硕士生，主要从事小波分析及其应用、离散事件系统监督控制理论等方向的研究.wangc0705@1河海大学公共管理学院，南京，2100982河海大学理学院，南京，2100980 引言光伏发电系统的核心元件是光伏电池，其制作成本极高，大约占到整个光伏发电系统成本的70%[1]。

若是想降低太阳能光伏发电成本，一个重要途径就是提高光电转换效率。

光伏电池光电转换效率每提高1个百分点，则整个生产成本就会下降6个百分点。

目前，一般的光伏电池的光电转换效率只有15%，因此，提高光伏电池的光电转换效率将是光伏发电系统研究中的最重要方向之一。

随着越来越多的太阳能光伏发电设备安装到人口密集地区，设备出现局部遮阴情况在所难免。

局部遮阴不仅会使光伏发电系统的输出功率大大降低，造成大量的能量损耗，而且很有可能引发热斑效应[2]，从而损坏光伏电池板。

解决这些问题的传统方法是给光伏电池并联一个旁路二极管[3]，这将能有效的避免热斑效应的产生。

但是在局部遮阴情况下时，光伏阵列的PU曲线会出现多峰值，为了使光伏发电系统的输出功率尽可能最大，一般采用最大功率点跟踪技术来实现。

粒子群优化鱼群算法及其在光伏系统最大功率点跟踪中的应用段

*
Abstract: Introducing the velocity inertia， memory capacity of each individual and learning or communicating capacity of Swarm Particle Swarm Optimization ( PSO) into the Artificial FishSwarm Algorithm ( AFSA) ， a new algorithm called the FishAlgorithm optimized by PSO( PSOFSA) was put forward． In this new algorithm， the swimming of each fish has velocity inertia， and the PSOFSA has totally five kinds of behavior pattern as follows: swarming， following， remembering， communicating and searching． The simulation analysis shows that PSOFSA has more stable and higher performance in convergence speed and searching precision than PSO and AFSA． Finally， the PSOFSA was applied to the maximum power point tracking of photovoltaic power generation system under partially shaded condition， and the experimental results show that PSOFSA can find the maximum power point under partially shaded insolation conditions quickly and precisely． Key words: Particle Swarm Optimization ( PSO ) ; Artificial FishSwarm Algorithm ( AFSA ) ; behavior pattern; photovoltaic system; Maximum Power Point Tracking ( MPPT)

一种基于粒子群优化和单周控制相结合的最大功率点跟踪方法

一种基于粒子群优化和单周控制相结合的最大功率点跟踪方法摘要：本文提出了一种基于粒子群优化（PSO）和单周控制相结合的光伏系统部分遮荫条件下最大功率点跟踪(MPPT)算法。

在均匀辐照条件下，扰动观测(P&O)和增量电导(IC)等算法在最大功率点跟踪中非常有效。

但在部分阴影条件下，它们无法跟踪全局MPP，并收敛到局部MPP。

本文最大功率跟踪算法克服了这一技术难题，能够有效地确定全局MPP。

在不同的遮阳条件下，对光伏结构进行了大量的仿真研究。

实验结果表明了该方法的有效性。

关键词：最大功率点跟踪(MPPT)；光伏发电系统(PV)；单周期控制(OCC)；粒子群优化(PSO)1.引言电能在人类生活中起着关键的作用，人类对电能的需求与日俱增。

全世界对可替代、可再生、无污染能源的需求在不断的增加。

风能和太阳能等可再生能源能够解决这种需求。

太阳能电池板产生的电能取决于电池板的温度、太阳辐照度、工作条件、遮挡阴影等。

在光伏电池板的电学特性中，存在一个功率最大的点我们称为最大功率的工作点(MPP)。

通过操作面板上控制光伏这个最大功率点，可以最大限度地利用光伏发电。

针对部分遮阳的影响，提出了最大功率跟踪的改进方法粒子群优化算法、蚁群优化算法和萤火虫算法被广泛应用于MPP跟踪器控制算法的开发中。

本文提出了一种基于粒子群算法(PSO)的新方法。

这里以光伏面板电流(DC-DC变换器输入电流)作为控制参数。

利用粒子群算法，导出了最大功率对应的电流最优值，单周期控制使变换器能够跟踪粒子群算法给出的电流参考量的变化，并能很快地稳定在基准点上。

通过该方法在局部阴影条件下跟踪全局最大功率点。

2.光伏特性与MPP跟踪太阳能电池板的工作原理是光伏效应。

光伏电池板的输出电压和电流随电池温度和太阳辐射而变化。

在给定的辐照度下，随着光伏电池板电压的增加，面板的输出功率增加达到最大值。

由于连接到面板的负载在性质上是可变的，因此面板的操作点可能并不总是MPP。

粒子群及人工鱼群算法优化研究

粒子群及人工鱼群算法优化研究洪蕾【摘要】本文分析了粒子群算法和人工鱼群算法的基本原理,提出粒子群及人工鱼群算法优化策略,该算法综合利用了人工鱼群算法良好的全局收敛性及粒子群算法快速的局部收敛性,算法易实现,同时,克服人工鱼群算法收敛速度慢及粒子群算法后期全局收敛差的缺点,发挥了两者的优越性,粒子群及人工鱼群优化算法不仅具有较好的全局收敛性能,而且具有较快的收敛速度.【期刊名称】《软件》【年(卷),期】2014(035)008【总页数】4页(P83-86)【关键词】粒子群算法;人工鱼群算法;收敛性;算法优化【作者】洪蕾【作者单位】金陵科技学院江苏南京 211169【正文语种】中文【中图分类】TP301.60 引言粒子群优化(PSO)算法是由Kennedy和Eberhart于1995年用计算机模拟鸟群觅食这一简单的社会行为时，受到启发，简化之后而提出的[1-2]。

粒子群优化(PSO)是一种新兴的基于群体智能的启发式全局搜索算法，具有易理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，成为发展最快的智能优化算法之一。

人工鱼群算法是一种基于模拟鱼群行为的随机搜索优化算法,主要利用了鱼的觅食、聚群和追尾行为，从构造单条鱼的底层行为做起，通过鱼群中各个体的局部寻优达到全局最优值在群体中突现来的目的。

本文通过对两种算法的研究比对，提出基于这两种算法相结合的优化算法。

1 算法概述1.1 粒子群优化算法在粒子群优化算法中，每个优化问题的潜在解都是搜索空间中的一只鸟，称之为“粒子”。

所有的粒子都有一个由被优化的函数决定的适应值，每个粒子还有一个速度决定他们飞翔的方向和距离。

然后粒子们就追随当前的最优粒子在解空间中搜索。

优化开始时先初始化为一群随机粒子(随机解)。

然后通过迭代找到最优解。

在每一次迭代中，粒子通过跟踪两个极值来更新自己。

第一个极值就是整个种群目前找到的最优解。

这个极值是全局极值。

另外也可以不用整个种群而只是用其中一部分作为粒子的邻居，那么在所有邻居中的极值就是局部极值。

一种基于粒子群和鱼群的混合优化算法

（１．赤峰学院数学与统计学院，内蒙古赤峰０２４０００；２．赤峰学院附属医院，内蒙古赤峰０２４０００）
摘要：本文通过分析和比较粒子群和人工鱼群算法的优点和缺点，提出了一种新的混合优化算法，并用此算法求解无约束优化问题，实际仿真数值结果表明，新算法的收敛精度和收敛速度都明显优于粒子群和鱼群算法，且亦然符合动物的自然规律，是一种很高效的优化算法．
２．２人工鱼群算法的基本原理
在一片水域中，鱼往往能自行或尾随其他鱼找到食物
多的地方，因而鱼生存多的地方就是食物多的地方，人工鱼
群算法就是根据这一特点，通过构造人工鱼来模仿鱼群的
觅食、聚群及追尾行为，从而实现寻优．人工鱼群算法［４］具体
行为描述如下：
设ｘ＝（ｘ１，ｘ２，…，ｘＮ）为人工鱼当前状态，对应优化函数中的Ｎ个潜在解（其中Ｎ表示人工鱼的个数），ｙｉ＝ｆ（ｘｉ）（ｉ＝１，２，…，Ｎ）表示人工鱼当前的食物浓度，对应优化函数中的Ｎ个函数值，ｄｉｊ＝｜｜ｘｉ－ｘｊ｜｜表示人工鱼个体之间的距离，Ｖｉｓｕａｌ表示人工鱼视野范围，Ｓｔｅｐ表示移动的最大步长，σ 表示拥挤度因子．
关键词：粒子群；鱼群；群智能中图分类号：Ｏ６－３９文献标识码：Ａ文章编号：１６７３－２６０Ｘ（２０１３）０２－００１０－０２
1 引言
从二十世纪九十年代就产生了通过模拟生物群体行为
来解决优化问题的演化计算技术，称为群体智能［１］．在１９９５
年，美国学者Ｋｅｎｎｅｄｙ和Ｅｂｅｒｈａｒｔ提出了粒子群优化算法
第２９卷第２期（上）２０１３年２月
赤峰学院学报（自然科学版）ＪｏｕｒｎａｌｏｆＣｈｉｆｅｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）

基于粒子群优化神经网络光伏并网最大功率点跟踪技术研究

基于粒子群优化神经网络光伏并网最大功率点跟踪技术研究随着全球能源需求快速增加，对于可再生能源的需求也不断增加，其中光伏能作为可再生能源的一种，其可持续性和绿色环保性得到越来越多的重视。

但是，光伏的最大功率点（Maximum Power Point，MPPT）跟踪是一项十分重要的技术。

粒子群优化神经网络光伏并网最大功率点跟踪技术研究致力于通过神经网络和粒子群算法相结合来降低工作成本和提高光伏功率输出效率，达到光伏系统MPPT跟踪的目的。

一、光伏系统最大功率点跟踪（MPPT）对于光伏发电系统而言，其发电效率与光照强度、温度、阴影遮挡和组件老化等环境因素有关。

为了确保光伏组件能够按照最大化的功率输出电能，就需要通过MPPT技术来跟踪光伏系统当前的最大功率点（Maximum Power Point，MPPT）。

最大功率点跟踪技术可以对光伏组件的电流和电压进行实时监测，并通过调节输出电流和电压来保证系统能够持续输出最大功率。

在光伏系统中，一般采用中央控制器对系统进行控制和监测。

传统的控制器一般采用PID调节器，但是其存在精度不高、性能不优等缺点。

因此，针对光伏系统MPPT问题，粒子群优化神经网络光伏并网最大功率点跟踪技术被提出和应用于实际光伏系统中。

二、粒子群算法与神经网络粒子群算法是一种优化算法，其基本思想是利用群体智能来搜索最优解。

该算法通过群体的感知、记忆以及学习机制来寻找最优解，因其具有搜索能力强、收敛速度快等特点而被广泛应用于各个领域中。

神经网络是一种模仿人脑神经网络模式的计算模型，其能够对复杂的非线性数据进行处理并从中提取出有用的信息。

神经网络具有非线性可适应性和并行计算的能力，因此被广泛应用于各个领域中。

结合粒子群算法和神经网络，可以进一步提高光伏系统的MPPT功率输出效率。

三、粒子群优化神经网络光伏并网最大功率点跟踪技术在粒子群优化神经网络光伏并网最大功率点跟踪技术中，神经网络作为一个输入输出模型，通过对光伏组件的数据进行训练，建立光伏电池的参量模型。

基于粒子群优化算法的光伏多峰值最大功率跟踪控制

•分布式电源及并网技术•电器与能效管理技术（2016NO.23)基于粒子群优化算法的光伏多峰值最大功率跟踪控制翟立唯，王裙，肖远逸(上海电机学院电气学院，上海201306)摘要：为了解决局部阴影情况下，传统的粒子群算法（PSO)存在丢失极值点和容易陷人局部极值点的问题，研究了粒子群优化算法。

根据光伏阵列的组串情况，计算出阴影情况可能存在的峰值点电压，将粒子初始位置设置在这些电压处，保证了粒子群算法不会陷人局部极值点，并且加快算法收敛的速度。

优化了参数和算法的终止条件，避免在最大功率点处的功率振荡。

最后对传统的粒子群算法和优化的粒子群算法进行了MATLAB仿真对比，验证了优化的粒子群算法的正确性。

关键词：局部阴影；多峰；粒子群算法；光伏阵列中图分类号：TM 761 文献标志码：A文章编号：2095-8188(2016)23^0055^04D O I：10. 16628/j. cnki. 2095-8188. 2016.23.010翟立唯（1990—），男，硕士研究生，研究方向为光伏发电并网、最大功率跟踪。

A Novel Maximum Power Point Tracking Scheme for PV Systems Under Partially Shaded Conditions Based on Particle Swarm OptimizationZHAI Liwei，WANG Jun,XIAO Yuanyi(College of Electrical Engineering,Shanghai Dianji University,Shanghai201306, China)Abstract ：In local shadow cases, the traditional particle swarm optimization ( PSO) can lose extreme value point and is easy to fall into local extreme value point. In order to solve the problem,this paper studied the particle swarm optimization algorithm. According to the photovoltaic array group series, it calculated the peaks of possible voltage in the shadow, set the particle initial position in these voltage，ensures the won ’ t get into local extreme points,and accelerates the algorithm convergence speed. Thetermination conditions of the parameters and algorithm were optimized to avoid power oscillation at the maximum power point. The traditional particle swarm optimization (PSO) algorithm and the optimized PSO were simulated amd compared by MATLAB. The correctness of the optimized PSO algorithm was verified.Key words: partially shaded condition; multiple local maximum; particle swarm optimization (PSO); photovaltaic array〇引言能源问题日益严峻，传统化石能源开采有限，而且污染大，太阳能发电分布广泛、无污染，逐渐成为解决当前能源问题的关键手段。

粒子群算法在光伏系统最大功率点跟踪中的应用

粒子群算法在光伏系统最大功率点跟踪中的应用周西峰;刘晓丹;郭前岗【摘要】介绍了光伏电池的特性,并在Matlab/Simulink中进行建模仿真研究.针对局部遮阴条件下光伏阵列的P-U特性呈现多个极值点,导致常规的最大功率点跟踪算法失效的问题,提出了一种基于粒子群算法(PSO)的最大功率点跟踪(MPPT)控制方法.仿真结果表明,该方法能够快速、准确地跟踪光伏阵列的最大功率点,具有较好的控制精度,有效地提高了光伏阵列的输出效率.【期刊名称】《微型机与应用》【年(卷),期】2013(032)003【总页数】3页(P70-72)【关键词】最大功率点跟踪;粒子群优化算法;局部遮阴【作者】周西峰;刘晓丹;郭前岗【作者单位】南京邮电大学自动化学院,江苏南京210046;南京邮电大学自动化学院,江苏南京210046;南京邮电大学自动化学院,江苏南京210046【正文语种】中文【中图分类】TP391.9太阳能作为一种新型的绿色可再生能源，具有储量大、分布广、无污染、使用方便等优点。

随着能源危机与环境污染的加剧，太阳能的利用越来越受到人们的重视，而太阳能光伏发电技术的应用更是人们普遍关注的焦点。

由于光伏组件均是由多个单体光伏电池串联而成，当光伏组件中各个单体光伏电池所接收的太阳辐射均等时，其输出的功率电压曲线呈单峰状。

然而，在很多情况下，由于光伏组件表面存在不透明物体的遮挡，或者由于多云天气导致组件中部分单体光伏电池接收的光照强度异于其他电池。

这种情况下，组件输出的功率电压曲线会出现多个峰值点，导致常规的最大功率点跟踪控制算法失效[1-2]，不能正确追踪到最大功率点，造成太阳能发电系统功率输出的下降，严重时会引起“热斑”效应造成安全问题。

本文将粒子群优化PSO（Particle Swarm Optimization）算法应用于光伏发电系统的MPPT中，并进行了实验和仿真比较，验证了该算法的有效性，即该算法既可以提高传输效率，又可以很好地克服热斑效应，以及各种失配问题。

粒子群算法在光伏系统最大功率点跟踪中的应用

Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋｅｎｖｉｒｏｎｍｅｎｔ．Ａｃｏｎｔｒｏｌａｌｇｏｉｒｔｈｍｂａｓｅｄｏｎｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ｈａｓｂｅｅｎｐｒｏｐｏｓｅｄｆｏｒｍａｘｉｍｕｍｐｃｌｗｅｒｐｏｉｎｔ：ｔｒａｃｋｉｎｇ（ＭＰＰＴ）ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅＰ－ＶｃｕＹｖｅｏｆＰＶａｒｒａｙｓｈａｓｔｈｅｃｈａｒａｃｔｅｉｒｓｔｉｃｓｏｆｍｕｌｔｉ－ｓｕｍｍｉｔｕｎｄｅｒｐａｒｔｉａｌｌＹ
跟踪光伏阵列的最大功率点，具有较好的控制精度，有效地提高了光伏阵列的输出效率。
关键词：最大功率点跟踪；粒子群优化算法：局部遮阴
中图分类号：ＴＰ３９１．９文献标识码：Ａ文章编号：１６７４ — ７７２０（２０１３）０３ — ００７０ — ０３
Ａ￣ａｄｅｄｃｏｎｄｉｔｉｏｎｓ，ｗｈｉｃｈｍａｋｅｓｔｈｅＭＰＰＴｆａｉｌｅｄ．ＳｉｍｕｌａｔｉｏｎａｎｄｅｘｐｅｒｉｍｅｎｔａｌБайду номын сангаас ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍｃａｎｑｕｉｃｋｌｙ

基于粒子群优化算法的光伏最大功率跟踪

2016年第12淛 y信息疼甲文章编号= 1009 -2552 (2016) 12 -0209-03D O I：10. 13274/j. cn ki. hdzj. 2016. 12. 047基于粒子群优化算法的光伏最大功率跟踪朱龙，黎英，李文强(昆明理工大学信息工程与自动化学院，昆明650500)摘要：针对光伏发电系统在局部阴影条件下呈现高度非线性、时变不确定性和多个局部功率峰值的特点[1],提出一种粒子群优化和改进的扰动观察法结合的M P P T算法。

此算法首先利用粒子群算法来快速寻找最大功率区域，然后改进的扰动观察法精确化最大功率点，克服光伏发电系统最大功率陷于局部最优。

建立仿真模型，通过仿真实验验证了这种控制方法能快速找到全局最大功率，具有更加突出的动态响应性能，避免了功率损失，提高光伏发电效率。

关键词：粒子群优化算法；光伏发电；局部阴影；最大功率跟踪中图分类号：T M615文献标识码：APhotovoltaic maximum power tracking based on particleswarm optimization algorithmZHU Long，LI Ying，LI Wen-qiang(S ch o o l o f In f o r m a tio n E n g in e e rin g a n d A u to m a tio n，K u n m in g U n iv e r s ity o f S cience a n d T e c h n o lo g y，K u n m in g650500,C h in a) Abstract: A c c o r d in g to th e c h a r a c te r is tic s o l p h o to v o lt a ic p o w e r g e n e r a tio n s y s te m is h ig h ly n o n lin e a r，u n d e r th e c o n d it io n o l p a r t ia l s h a d in g tim e-v a r y in g u n c e r t a in t y，a n d a n u m b e r o l lo c a l p o w e r p e a k in g，th isp a p e r p ro p o s e d a d is tu r b a n c e o b s e r v a tio n m e th o d a n d th e im p r o v e d p a r t ic le s w a rm o p tim iz a tio n c o m b in e dw it h M P P T a lg o r ith m F i r s t l y，th e p a r t ic le s w a rm a lg o r ith m is u s e d to s e a rc h th e m a x im u m p o w e r re g io nq u i c k l y，a n d th e n th e im p r o v e d p e r tu r b a tio n m e th o d is u s e d to im p r o v e th e m a x im u m p o w e r p o i n t，w h ic hc a n o v e rc o m e th e lo c a l o p tim u m o l th e m a x im u m p o w e r o l p h o to v o lta ic p o w e r g e n e r a tio n s y s te m. T h es im u la tio n m o d e l is e s ta b lis h e d，a n d th e s im u la tio n re s u lts v e r ily th a t th e c o n tr o l m e th o d c a n q u ic k ly l i n dth e g lo b a l m a x im u m p o w e r，a n d h a s a m o re o u ts ta n d in g d y n a m ic re s p o n s e p e r fo r m a n c e，a v o id in g th ep o w e r lo s s a n d im p r o v in g th e e llic ie n c y o l p h o to v o lta ic p o w e r g e n e ra tio n.Key words: p a r t ic le s w a rm o p tim iz a tio n a lg o r ith m；p h o to v o lt a ic p o w e r g e n e r a tio n；p a r t ia l s h a d e;m a x im u m p o w e r t r a c k in g0引言太阳能作为一种新型的绿色可再生能源，具有数量巨大、用之不竭、清洁无污染的优点[2],对于改善现阶段的能源结构，改善环境具有巨大优势。

改进量子粒子群算法在光伏最大功率点中应用

改进量子粒子群算法在光伏最大功率点中应用朱娟娟;王伟;乔焰;王月康;周海鹏;李旸【摘要】光伏阵列的P-U特性曲线在局部遮阴环境(如树木遮挡、云层变化等)下呈现多个极值点,这会导致传统的最大功率点跟踪(maximum power point tracking,MPPT)算法失效.基于此提出了一种改进量子粒子群算法的最大功率点跟踪控制方法.该算法采用量子δ势阱模型,同时引入锦标赛选择机制和随机加权平均最好位置操作,提高搜索效率的同时保持了种群多样性.在MATLAB中建立基本粒子群、量子粒子群、改进量子粒子群三种算法仿真研究.结果表明,对比其他两种粒子群算法,该算法能更为精准的跟踪光伏阵列最大功率点,有效地提高了光伏阵列的输出效率.【期刊名称】《电子世界》【年(卷),期】2016(000)018【总页数】3页(P69-71)【关键词】光伏系统;局部遮阴;最大功率点跟踪;粒子群优化算法【作者】朱娟娟;王伟;乔焰;王月康;周海鹏;李旸【作者单位】安徽农业大学信息与计算机学院农业部农业物联网技术集成与应用重点实验室;安徽农业大学信息与计算机学院农业部农业物联网技术集成与应用重点实验室;安徽农业大学信息与计算机学院农业部农业物联网技术集成与应用重点实验室;安徽农业大学信息与计算机学院农业部农业物联网技术集成与应用重点实验室;安徽农业大学信息与计算机学院农业部农业物联网技术集成与应用重点实验室;安徽农业大学信息与计算机学院农业部农业物联网技术集成与应用重点实验室【正文语种】中文随着全球能源危机的加剧以及人们对低碳环保生活理念的渴求，可再生能源的开拓与探索早已成为研究的重点领域。

在所有可再生能源中，太阳能具有取之不尽、用之不竭、能量巨大、安全无污染等诸多优点，堪称理想能源。

作为太阳能利用的主要形式，光伏发电的开发与设计一直是全世界的热门方向［1］。

由于单体光伏组件发电容量有限，在实际应用中都是由多个单体光伏组件串联形成光伏阵列。

基于改进的粒子群优化算法在光伏系统最大功率跟踪技术中的应用

基于改进的粒子群优化算法在光伏系统最大功率跟踪技术中的应用作为可再生能源之一,光伏发电已经逐渐走入人们日常生活中,光伏建筑、太阳能屋顶、风光互补发电站等在国内林立而起,虽然相较与传统发电技术,光伏系统中仍然有许多难题还未解决,比如低电压穿越、电流分岔现象、混沌现象、最大功率跟踪控制、孤岛及负荷预测等,但是随着科技的发展和进步,这些难题将被一一攻克,光伏发电的技术也将逐渐成熟。

主要研究方向是光伏系统中最大功率跟踪的研究,由于光伏系统的输出电压电流等均受到外界温度、辐射的影响,所以为了能够尽可能的提高输出功率,最大功率跟踪技术的研究是极为重要的。

具体研究内容如下:首先,对光伏电池的原理进行了分析,建立了光伏电池的数学模型,分别用计算和仿真两种方法,论证了电流和电压以及输出功率之间的关系。

通过对光伏电池的数学模型的讨论,阐述了阴影现象的基本原理,并通过公式的分析计算,提出了相应的解决办法,即最大功率跟踪技术。

其次,对扰动观查法、粒子群优化算法等算法的工作机理作了大量分析,并且对两种算法建立了相应的模型,最后通过仿真分析,对比了传统算法和智能算法在光伏系统中所表现出的不同的优势以及存在的问题。

然后,引入了模糊逻辑的概念,并对其一系列理论问题进行研究,通过结合模糊逻辑的寻优速度快但无法全局寻优的特性以及粒子群优化算法全局寻优强但寻优速度十分缓慢的特性,提出了一种改进的粒子群优化算法。

为了实验该方法的有效性,对这种改进的粒子群优化算法设计了仿真模型,并且与扰动观察法进行了对比分析。

实验结果表明改进后的算法跟踪速度有着明显的提高,同时并没有降低寻优的精确性。

最后,在阴影的情况下,分析了PV曲线出现的多个峰值的现象,以两个串联的光伏电池单元为例,分析了不同情况下系统的输出特性曲线峰值个数。

同时为了验证改进的粒子群优化算法的先进性,将模糊逻辑改进法同样应用于遗传算法进行改进优化,对此两种改进算法进行对比,仿真实验在不同阴影下对比其输出特性和跟踪性能,实验结果表明改进的粒子群优化算法有着高效的追踪能力。

改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪

2021年5月电工技术学报Vol.36 No. 9 第36卷第9期TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY May 2021 DOI:10.19595/ki.1000-6753.tces.L90470改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪李畸勇1,2张伟斌1,2赵新哲1刘斌1郑一飞1（1. 广西大学电气工程学院南宁 5300042. 广西电力系统最优化与节能技术重点实验室南宁 530004）摘要针对光伏阵列处于局部遮阴情况下其P-U特性曲线呈现出多极值点特性，传统最大功率点跟踪（MPPT）算法由于搜索机制导致难以跳出局部最优准确跟踪到最大功率点问题，提出一种基于改进鲸鱼算法优化支持向量机回归（SVR）的最大功率点跟踪方法。

该方法在普通鲸鱼算法的基础上引入对数权重因子与随机差分变异策略，增强了算法在全局搜索与局部开发协调性能、避免陷入局部最优的能力。

利用该改进鲸鱼算法对SVR参数寻优，建立光伏阵列最大功率点电压预测模型，并与电导增量法（INC）相结合应用于MPPT控制。

Matlab/Simulink仿真结果表明，所提的复合MPPT控制算法在各种局部遮阴及光照突变情况下都能够有效避免陷入局部寻优，迅速准确地跟踪到全局最大功率点（GMPP）。

关键词：局部遮阴鲸鱼算法对数因子随机差分变异支持向量机回归最大功率点跟踪中图分类号：TM615Global Maximum Power Point Tracking for PV Array Based on Support Vector Regression Optimized by Improved Whale Algorithm Li Jiyong1,2 Zhang Weibin1,2 Zhao Xinzhe1 Liu Bin1 Zheng Yifei1（1. College of Electrical Engineering Guangxi University Nanning 530004 China2. Guangxi Key Laboratory of Power System Optimization and Energy Technology Nanning 530004 China）Abstract In view of the fact that the P-U characteristic curve of the photovoltaic array is under partial shading, it shows the characteristics of multiple extreme points，traditional MPPT algorithm is difficult to jump out of local optimum and track the maximum power point accurately due to the search mechanism. Therefore, the author put forward a maximum power point tracking method based on support vector regression (SVR) optimized by improved whale algorithm. The method introduces logarithmic weight factor and stochastic differential mutation strategy on the basis of common whale algorithm to improve the coordination performance of the algorithm in global exploration and local development and improve the capability to avoid falling into local optimization. The improved whale algorithm is used to optimize SVR parameters to establish a photovoltaic array maximum power point voltage prediction model, which is combined with incremental conductance method (INC) and applied to MPPT control.Results of Matlab/Simulink simulation show that the proposed compound MPPT control algorithm have ability to avoid falling into local optimization effectively under various partial shading and illumination intensity mutation, and track the global maximum power point quickly and accurately.Keywords：Partial shadi ng, whale algorithm, logarithmic factor, stochastic differential mutation, support vector regression(SVR), maximum power point tracking(MPPT)国家自然科学基金资助项目（61863003）。