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：

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)電技術具有重要的研究價值和廣闊的應用前景。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)仍存在很多的技術問題。光伏產(chǎn)業(yè)使用的能量轉換材料主要為單晶硅等半導體，其能量轉換效率僅為20％左右，效率十分低下，這嚴重制約了光伏產(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成為當前光伏行業(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知分量和社會認知分量兩個部分，這兩個分量對粒子的運動距離和運動方向有重要影響。這種結構導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，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問題。

技術實現(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)有技術中光伏最大功率點追蹤容易陷入局部最優(yōu)，導致光伏系統(tǒng)效率降低的技術問題。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)輸出功率作為適應度函數(shù)，計算每個粒子的適應度函數(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為當前迭代次數(shù)，c1、c2為加速系數(shù)，b1為第一預設范圍系數(shù)，b2為第二預設范圍系數(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)到達預設重新聚類次數(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設最大迭代次數(shù)，則根據(jù)聚類中心更新粒子。

19、進一步地，所述預設重新聚類次數(shù)計算公式為：

20、

21、其中，t為預設重新聚類次數(shù)，qmax為預設最大迭代次數(shù)，q為當前迭代次數(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、設定交叉概率，根據(jù)交叉概率設定粒子速度計算公式；

24、根據(jù)粒子適應度函數(shù)值，設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、獲取當前迭代次數(shù)，判斷當前迭代次數(shù)是否達到預設最大迭代次數(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設閾值，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設閾值，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、通過應用以上技術方案，本發(fā)明基于粒子群算法并結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，導致光伏系統(tǒng)無法及時響應最大功率點的變化，大大提升了光伏系統(tǒng)最大功率點跟蹤效率。

技術特征：

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，所述預設重新聚類次數(shù)計算公式為：

5.根據(jù)權利要求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：

技術總結
本發(fā)明涉及光伏發(fā)電技術領域，公開了一種光伏系統(tǒng)最大功率點跟蹤方法，包括：確定個體最優(yōu)值和全局最優(yōu)值；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；基于k均值聚類算法對粒子群進行聚類劃分；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；判斷當前迭代次數(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，則返回第二步；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?；诹Ｗ尤核惴ú⒔Y合差分進化算法跟蹤光伏系統(tǒng)最大功率點，提高算法全局搜索能力和動態(tài)穩(wěn)定性，提高了光伏系統(tǒng)發(fā)電效率。

技術研發(fā)人員：樊紀新,卜清晨,尹格清,吳向東,龔捷,邵勇,查清,楊敬宇,張海華,胡榮奇,楊超,宋鵬,范山泉,王永亭,劉磊,黃勝雨,宋恩群,王濤
受保護的技術使用者：華能花涼亭水電有限公司
技術研發(fā)日：
技術公布日：2024/11/18