一种用于光伏阵列的优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111831048A(43)申请公布日2020.10.27(21)申请号202010561808.2(22)申请日2020.06.18(71)申请人广东工业大学地址510060广东省广州市越秀区东风东路729号(72)发明人陈政轩郑晓莹(74)专利代理机构广州粤高专利商标代理有限公司44102代理人张金福(51)Int.Cl.G05F1/67(2006.01)权利要求书2页说明书8页附图3页(54)发明名称一种用于光伏阵列的优化方法(57)摘要本发明涉及一种用于光伏阵列的优化方法，包括以下步骤：建立光伏阵列模型并输入电压和电流；通过粒子群算法对光伏阵列模型进行优化；粒子群中的粒子进行迭代，更新粒子的速度和位置；运用纵横交叉算法和细菌觅食算法对粒子群算法进行辅助优化；找到个体最优值和全局最优值，得到光伏阵列的最大输出发电功率。建立光伏阵列模型，输入电压和电流，粒子群算法对光伏阵列模型进行优化，纵横交叉算法帮助粒子群算法跳出局部最优，细菌觅食算法的复制机制是淘汰掉弱势一半，留下优秀一半加以复制，帮助粒子群算法更快的收敛，更快找到个体最优值和全局最优值，通过粒子群算法、纵横交叉算法和细菌觅食算法找到光伏阵列模型的最大输出发电功率。CN111831048ACN111831048A权利要求书1/2页1.一种用于光伏阵列的优化方法，其特征在于，包括以下步骤：S1：建立光伏阵列模型并输入电压和电流；S2：通过粒子群算法对光伏阵列模型进行优化；S3：粒子群中的粒子进行迭代，更新粒子的速度和位置；S4：运用纵横交叉算法和细菌觅食算法对粒子群算法进行辅助优化；S5：找到个体最优值和全局最优值，得到光伏阵列模型的最大输出发电功率。2.根据权利要求1所述的一种用于光伏阵列的优化方法，其特征在于，在步骤S1中，光伏阵列模型模型为光伏阵列等效电路，包括电流源、并联于电流源的电阻Rsh、串联于电流源的电阻Rs和反向并联于电流源的二极管D；其电流-电压关系式为：其中Iph代表光生电流，其特性与太阳光辐射强度呈正比，Iph反映光伏电池所受光照强度的大小；Isat的大小也与太阳光辐射强度有关系，并且与光伏电池工作环境温度T呈正比，代表了二极管反向饱和电流；A的值由光伏电池中单个光伏电池单元决定，是二极管特性因子；K的值为K＝0.86×10-4eV/K；T的单位是开尔文温标，是光伏电池工作环境温度，V为光伏阵列模型的输入电压。3.根据权利要求2所述的一种用于光伏阵列的优化方法，其特征在于，在步骤S3中，包括以下算法：假设在一个N维空间进行搜索，粒子i的信息可用两个N维向量来表示：第i个粒TT子的位置表示为xi＝(xi1,xi2,…xiN)，速度为vi＝(vi1,vi2,…viN)，寻找个体最优值和全局最优值，粒子自身需要代入速度公式和位置公式来获得自己全新的速度和位置；所述速度公式为：所述位置公式为：是粒子i在第k次迭代中第d维的速度；是粒子i在第k次迭代中第d维的当前位置，个体最优值又称为pbest，全局最优值又称为gbest，rand表示rand函数。4.根据权利要求3所述的一种用于光伏阵列的优化方法，其特征在于，在步骤S4中，包括以下步骤：Sa：初始化细菌觅食算法种群，设置参数，对细菌觅食算法中用到的参数进行设置，设置种群的大小为6；最大迭代次数为100；维数为1，在算法执行的过程中，始化各参数的值，并计算每个粒子适应度作为初始；Sb：把光伏阵列的输出功率作为适应度函数，boost电路占空比为粒子；Sc：利用粒子群算法中的历次个体最优值作引导进行寻优，只有比父代适应度强的子代保存下来，否则保持不变；Sd：将粒子进行趋向性算法操作，若该方向功率未改进，说明不适应生存，改变方向运动；Se：执行纵向交叉通式的算法，进行满Nre次复制操作，通过竞争机制与粒子群算法产生粒子的进行竞争，强者保存下来；2CN111831048A权利要求书2/2页Sf：判断是否达到求解的要求或者设定的迭代次数，如果没有完成返回步骤Sc，如果完成目标则输出最大的适应度函数，也就是最大的输出功率，结束流程。5.根据权利要求4所述的一种用于光伏阵列的优化方法，其特征在于，所述细菌觅食算法包括趋向性算法和复制算法，趋向性算法和复制算法帮助粒子群算法加速收敛。6.根据权利要求5所述的一种用于光伏阵列的优化方法，其特征在于，所述趋向性算法包括以下通式：式中，i∈N(1,M)，Fit是适应度的值，Movestep是细菌觅食算法中菌群移动方向，如果新的适应度值小于上一次迭代的适应度值，菌群就改变运动方向，否则，维持原来运动方向，细菌旋转后，若新位置适应度值变差，则像相反方向进行游动，直至达到特定步数或者新的适应度不再改善；所述复