CN103885521B - 一种基于布谷鸟搜索算法的光伏阵列mppt方法 - Google Patents

Abstract

本发明公开了一种基于布谷鸟搜索算法的光伏阵列MPPT方法，主要采用布谷鸟搜索算法和模糊PI控制算法相结合，实现对光伏阵列最大功率点跟踪；首先通过布谷鸟搜索算法这种新型的种群迭代全局快速搜索技术,快速、准确地搜索到光伏阵列全局最大功率点,然后由模糊PI控制实现最大功率点跟踪,能够有效地提高光伏发电系统的效率。本发明采用的方法算法概念简单、调节参数少、搜索精度高、跟踪速度快，易于实现，可使得光伏阵列稳定运行在最大功率点处。

Description

一种基于布谷鸟搜索算法的光伏阵列MPPT方法

技术领域

本发明涉及一种光伏阵列MPPT方法，特别涉及一种基于布谷鸟搜索算法的光伏阵列MPPT方法。

背景技术

近年来，光伏发电作为太阳能发电的重要应用方式，凭借其容量小、电压等级低、接近负荷、对电网影响小等优势，其大范围应用前景极为广阔。光伏阵列是光伏并网电站系统的关键部件，其I-U特性是一组由太阳辐射强度、环境温度和光伏模块参数等共同影响的非线性函数,且输出功率特性曲线易受外界环境变化而变化，最大输出功率点快速寻优算法需要快速搜索到最大值，并利用脉冲宽度调制(下文中简称PWM)技术进行光伏阵列最大功率点跟踪(下文中简称MPPT)控制，使得光伏阵列能够稳定运行在最大功率点处，但是在现有技术中对光伏阵列最大功率点跟踪控制的方法参数多，精度不高。

布谷鸟搜索(Cuckoosearch,CS)算法是一种模拟布谷鸟寻窝孵蛋行为的全局搜索方法。布谷鸟的繁殖行为很特殊，它将鸟蛋产在别的鸟(宿主鸟)的鸟窝里来孵化繁殖后代。如果宿主鸟发现鸟巢中的鸟蛋不是自己产的鸟蛋时，就会将布谷鸟蛋推出鸟巢之外或者在别的地方新建一个鸟巢繁殖后代。布谷鸟通过选择质量较优和改进质量较差的鸟窝，最终找到一个较优的鸟窝来孵化自己的鸟蛋。此外，寻优过程中的布谷鸟采用参考当前找到的最优质量鸟窝的莱维飞行模式，形成一种高效的全局寻优模式。

传统的PI控制器对于模型参数变化大、有外部扰动的系统，难以的实现理想的控制效果，模糊PI控制算法是一种仿人思维的控制技术，不依赖于被控过程的数学模型，具有动态响应快、抗干扰能力强、鲁棒性好、稳态精度高等优良的动态性能，得到广泛应用。

现有的成熟技术一般是用电导增量法，这种方法的实时性不高，在多峰曲线下会陷入局部最优点；其次，全局扫描法可以找到全局最优点，但耗时较长，且在每当外部条件发生变化后均需重新扫描，无法达到实时跟踪的效果。公开号为US2012314747A1的专利提出一种基于模拟电路MPPT控制方法，该方法具有控制算法和硬件电路设计简单、成本低等优点；但由于模拟电路仅能近似实现光伏阵列的最大功率输出，精度较低，同时在局部阴影下该方法易失效。

发明内容

发明目的：针对现有技术存在的问题，本发明提出的是一种调节参数少、搜索精度高的基于布谷鸟搜索算法的光伏阵列MPPT方法。

发明内容：本发明提供了一种基于布谷鸟搜索算法的光伏阵列MPPT方法，包括如下步骤：

步骤10：实时采集光伏阵列的光照强度和环境温度；

步骤20：根据当前的光照强度和环境温度，利用布谷鸟搜索算法搜索到光伏阵列的最大功率点；

步骤30：根据布谷鸟算法搜索到的光伏阵列最大功率寻优值和光伏阵列实际输出功率，将其偏差值经模糊PI控制算法得到PWM占空比控制量；

步骤40：根据PWM占空比控制量控制Boost电路，使得光伏阵列稳定运行在最大功率点处。

进一步，所述步骤20中利用布谷鸟算法搜索光伏阵列对应的最大功率点的方法为：

步骤201：参数初始化；初始化产生光伏阵列功率寻优点个数为N，寻优过程中功率点淘汰概率P_a；

步骤202：初始化光伏阵列工作电压；随机产生N个光伏阵列功率寻优点的工作电压值X_i,i＝1,2,…N；

步骤203：确定寻优目标函数；以光伏阵列最大输出功率作为目标函数，记录下光伏阵列N个功率寻优点中最大功率值P_best及最大功率值P_best所对应的光伏阵列工作电压值X_best；

步骤204：通过莱维飞行模式来更新光伏阵列N个功率寻优点的工作电压值；根据公式更新N个光伏阵列功率寻优点的第t+1次迭代的工作电压值；

其中，t表示当前迭代次数；α为步长控制参数，α值服从标准正态分布；i属于N,表示光伏阵列功率寻优点的标号；表示点对点乘法；L为莱维搜索路径，即飞行时的步长，其中，β＝3/2；u和v服从均匀分布，即 $u~N(0,{\mathrm{\σ}}_u^2),v~N(0,{\mathrm{\σ}}_v^2),{\mathrm{\σ}}_u={\left[\frac{\mathrm{\Γ}(1+\mathrm{\β})\sin (\mathrm{\π\β}/2)}{2^{(1+\mathrm{\β})/2}\mathrm{\Γ}((1+\mathrm{\β})/2)\mathrm{\β}}\right]}^{1/\mathrm{\β}};$ σ_v＝1；其中，Γ表示标准伽玛函数；

步骤205：更新光伏阵列功率寻优点；根据步骤204中获得功率寻优点的第t+1次迭代的工作电压值计算更新后各光伏阵列寻优点的功率值，并将更新后各光伏阵列寻优点的功率值与更新前各寻优点的功率值进行比较，按照贪婪法进行输出功率排序，保留N个较大的光伏阵列功率寻优点；

步骤206：依照功率点淘汰概率P_a更新光伏阵列功率寻优点；分别对N个光伏阵列功率寻优点进行随机取值r_i∈[0,1],i，若r_i≤P_a，则对应光伏阵列功率寻优点未被淘汰，不更新光伏阵列功率寻优点；若r_i＞P_a，则光伏阵列功率寻优点被淘汰，按公式更新光伏阵列功率寻优点；其中，是最近的一个光伏阵列功率寻优点的工作电压值；j∈[1,N]且j≠i,表示光伏阵列功率寻优点的标号；这一步主要是为了避免搜索局部最优点，从而实现光伏最大功率点的全局搜素性。

步骤207：更新光伏阵列功率寻优点；根据步骤206中更新的光伏阵列功率寻优点计算更新后的光伏阵列功率寻优点的功率值，并将更新后的光伏阵列功率寻优点的功率值与步骤205中保留的N个较大的光伏阵列功率寻优点的功率值进行比较，按照贪婪法进行输出功率排序，保留N个较大的光伏阵列功率寻优点；

步骤208：记录光伏阵列最大功率点及光伏阵列最大功率点对应的工作电压；记录本轮迭代寻优后最大输出功率值P_best及光伏阵列最大功率点对应的工作点电压值X_best；

步骤209：判断是否满足迭代次数的终止条件；若满足终止迭代条件，迭代停止，输出光伏阵列最大功率值P_gbest；否则转步骤204。

进一步，所述的步骤30中采用模糊PI控制算法得到PWM占空比控制量的步骤为：

步骤301：求取模糊控制输入量：根据公式e＝P_gbest-P_PV和Δe＝e_k-e_k-1计算获得偏差量e和偏差量增益Δe，定义模糊控制输出量：PI调节的参数变化量Δk_p和Δk_i；其中，P_gbest为布谷鸟搜索算法得到的光伏阵列最大功率值；P_PV为光伏阵列实际输出功率；e_k为第k时刻的偏差量；e_k-1为第k-1时刻的偏差量；

步骤302：选取模糊控制隶属度函数并建立模糊规则，根据公式和得到模糊整定后PI调节的参数值和其中，k_p和k_i为当前PI调节的参数值；

步骤303：运用模糊PI控制算法得到PWM占空比控制量，通过模糊PI控制算法得到输出功率实际值与理论值的偏差，将其值与载波信号进行调制，输出PWM占空比信号。

进一步，所述的步骤40中根据PWM占空比控制量控制Boost电路，是根据PWM占空比控制量控制Boost电路中的IGBT模块。

工作原理：本发明结合布谷鸟搜索算法和模糊PI控制算法进行光伏阵列的MPPT控制，其目的旨在对光伏阵列进行快速、准确地最大功率点跟踪，，可使得光伏阵列稳定运行在最大功率点处。

有益效果：与现有技术相比，算法概念简单、调节参数少、搜索精度高、跟踪速度快，易于实现，可使得光伏阵列始终稳定运行在最大功率点处。将布谷鸟算法与模糊PI控制算法相结合，既能实现光伏最大功率点的全局搜素性，避免搜索局部最优点，又能在局部收索点实现快速性和稳定性，准确搜索，体现较快的动态响应能力和强抗干扰性。

附图说明

图1：为本发明的原理图；

图2：为本发明的仿真模型图；

图3：为本发明的流程图；

图4：(a)为本发明的仿真结果与现有技术的仿真结果的工作电压对比图；(b)为本发明的仿真结果与现有技术的仿真结果的最大功率点对比图。

具体实施方式

下面结合附图，对本发明进行详细说明。

如图1所示，本发明基于布谷鸟搜索算法同时结合模糊PI控制实现光伏阵列MPPT控制。主要在不同光照强度和温度情况下，光伏阵列的输出呈现不同的U-P特性曲线，基于布谷鸟搜索算法，并结合模糊PI控制实现光伏阵列最大功率点跟踪方法。如图2所示，本实施例按照本发明的方法及工作原理在MATLAB环境下搭建仿真模型。

如图3所示，本实施例操作步骤如下：

步骤1：布谷鸟搜索算法参数初始化。初始化产生光伏阵列功率寻优点个数为N＝100，寻优过程中功率点淘汰概率P_a＝0.25

步骤2：初始化光伏阵列的工作电压。在[0,50]范围内随机产生100个光伏阵列功率寻优点的工作电压X＝[X₁,X₂,…,X₁₀₀]；

步骤3：确定寻优目标函数；以光伏阵列最大输出功率作为目标函数，记录下光伏阵列N个功率寻优点中最大功率值P_best及其所对应的光伏阵列工作电压值X_best；

步骤4：通过莱维飞行模式来更新光伏阵列100个功率寻优点的工作电压迭代值。按公式(1)更新100个光伏阵列功率寻优点的工作电压值；

$X_i^{(t+1)}=X_i^{\left(t\right)}+\mathrm{\α}\⊕L---\left(1\right)$

其中，t表示当前迭代次数；α为步长控制参数，其值服从标准正态分布；表示点对点乘法；L为莱维搜索路径，即飞行时的步长：

$L=0.01\×\frac{u}{{\left|v\right|}^{1/\mathrm{\β}}}(X_{\mathrm{best}}-X_i^{\left(t\right)})---\left(2\right)$

其中，系数0.01是莱维飞行模式中典型的飞行尺度；β＝3/2；X_best表示当前质量最好的鸟窝；u和v服从均匀分布，即

${\mathrm{\σ}}_u={\left[\frac{\mathrm{\Γ}(1+\mathrm{\β})\sin (\mathrm{\π\β}/2)}{2^{(1+\mathrm{\β})/2}\mathrm{\Γ}((1+\mathrm{\β})/2)\mathrm{\β}}\right]}^{1/\mathrm{\β}}---\left(3\right)$

σ_v＝1(4)

其中，Γ表示标准伽玛函数

步骤5：更新光伏阵列功率寻优点；根据步骤4中获得功率寻优点的第t+1次迭代的工作电压值计算更新后各光伏阵列寻优点的功率值，并将更新后各光伏阵列寻优点的功率值与更新前各寻优点的功率值进行比较，按照贪婪法进行输出功率排序，保留100个较大的光伏阵列功率寻优点；

步骤6：依照淘汰概率P_a更新光伏阵列功率寻优点；对100个光伏阵列功率寻优点进行随机取r_i∈[0,1]，若r_i≤P_a，则对应光伏阵列功率寻优点未被淘汰，不更新该功率寻优点；若r_i＞P_a，则被淘汰，按公式(5)更新该功率寻优点；

$X_i^{(t+1)}=X_i^{\left(t\right)}+r_i(X_j^{\left(t\right)}-X_i^{\left(t\right)})---\left(5\right)$

其中，是最近的一个光伏阵列功率寻优点的工作电压值，j∈[1,N]且j≠i，j表示光伏阵列功率寻优点的标号；

步骤7：更新光伏阵列功率寻优点；根据步骤6中更新的光伏阵列功率寻优点计算更新后的光伏阵列功率寻优点的功率值，并将更新后的光伏阵列功率寻优点的功率值与步骤5中保留的100个较大的光伏阵列功率寻优点的功率值进行比较，按照贪婪法进行输出功率排序，保留100个较大的光伏阵列功率寻优点；

步骤8：记录光伏阵列最大功率点及其对应的工作电压；记录本轮迭代寻优后最大输出功率值P_best及其对应的工作点电压值X_best；

步骤9：判断是否达到迭代次数200次的终止条件；若满足终止迭代条件，迭代停止，输出光伏阵列最大功率值P_gbest；否则转步骤(4)；

步骤10：求取模糊控制输入量：偏差量e和偏差量增益Δe，如公式(6)和公式(7)所示，定义模糊控制输出量：PI调节的参数变化量Δk_p和Δk_i；

e＝P_gbest-P_PV(6)

Δe＝e_k-e_k-1(7)

其中，P_gbest为布谷鸟搜索算法得到的光伏阵列最大功率值；P_PV为光伏阵列实际输出功率；e_k为第k时刻的偏差量；e_k-1为第k-1时刻的偏差量

步骤11：选取模糊控制隶属度函数并建立模糊规则，得到模糊整定后PI调节的参数值和如公式(8)和公式(9)所示；

$k_p^{*}=k_p+\mathrm{\Δ}{k}_p---\left(8\right)$

$k_i^{*}=k_i+\mathrm{\Δ}{k}_i---\left(9\right)$

其中，k_p和k_i为当前PI调节的参数值；

步骤12：运用模糊PI控制算法并与载波信号相调制，输出PWM占空比控制量；

步骤13：将PWM占空比控制量控制Boost电路，使得光伏阵列稳定运行在最大功率点处。

如图4所示，本实施例中基于布谷鸟搜索算法的光伏阵列MPPT方法与现有的基于电导增量法和基于全局扫描法实现光伏阵列MPPT方法进行对比，从试验结果上可以直接看出本发明提供的方法方法可以快速、准确、稳定地使光伏阵列运行运行在最大功率点处。

Claims (4)

1.一种基于布谷鸟搜索算法的光伏阵列MPPT方法，其特征在于，包括如下步骤：

步骤10：实时采集光伏阵列的光照强度和环境温度；

步骤20：根据当前的光照强度和环境温度，利用布谷鸟搜索算法搜索到光伏阵列的最大功率点；

步骤30：根据布谷鸟算法搜索到的光伏阵列最大功率寻优值和光伏阵列实际输出功率，将光伏阵列最大功率和光伏阵列实际输出功率偏差值经模糊PI控制算法得到PWM占空比控制量；

步骤40：根据PWM占空比控制量控制Boost电路，使得光伏阵列稳定运行在最大功率点处。

2.根据权利要求1所述的一种基于布谷鸟搜索算法的光伏阵列MPPT方法，其特征在于：所述步骤20中利用布谷鸟算法搜索光伏阵列对应的最大功率点的方法为：

步骤201：参数初始化；初始化产生光伏阵列功率寻优点个数为N，寻优过程中功率点淘汰概率P_a；

步骤202：初始化光伏阵列工作电压；随机产生N个光伏阵列功率寻优点的工作电压值X_i,i＝1,2,…N；

步骤203：确定寻优目标函数；以光伏阵列最大输出功率作为目标函数，记录下光伏阵列N个功率寻优点中最大功率值P_best及最大功率值P_best所对应的光伏阵列工作电压值X_best；

步骤204：通过莱维飞行模式来更新光伏阵列N个功率寻优点的工作电压值；根据公式更新N个光伏阵列功率寻优点的第t+1次迭代的工作电压值；

其中，t表示当前迭代次数；α为步长控制参数，α值服从标准正态分布；i属于N,表示光伏阵列功率寻优点的标号；表示点对点乘法；L为莱维搜索路径，即飞行时的步长，其中，β＝3/2；u和v服从均匀分布，即 $u~N(0,{\mathrm{\σ}}_u^2),v~N(0,{\mathrm{\σ}}_v^2),{\mathrm{\σ}}_u={\left[\frac{\mathrm{\Γ}(1+\mathrm{\β})\sin (\mathrm{\π\β}/2)}{2^{(1+\mathrm{\β})/2}\mathrm{\Γ}((1+\mathrm{\β})/2)\mathrm{\β}}\right]}^{1/\mathrm{\β}};$ σ_v＝1；其中，Γ表示标准伽玛函数；

步骤205：更新光伏阵列功率寻优点；根据步骤204中获得功率寻优点的第t+1次迭代的工作电压值计算更新后各光伏阵列寻优点的功率值，并将更新后各光伏阵列寻优点的功率值与更新前各寻优点的功率值进行比较，按照贪婪法进行输出功率排序，保留N个较大的光伏阵列功率寻优点；

步骤206：依照功率点淘汰概率P_a更新光伏阵列功率寻优点；分别对N个光伏阵列功率寻优点进行随机取值r_i∈[0,1],i＝1,2,…N，若r_i≤P_a，则对应光伏阵列功率寻优点未被淘汰，不更新光伏阵列功率寻优点；若r_i＞P_a，则光伏阵列功率寻优点被淘汰，按公式 $X_i^{(t+1)}=X_i^{\left(t\right)}+r_i(X_j^{\left(t\right)}-X_i^{\left(t\right)})$ 更新光伏阵列功率寻优点；其中，是最近的一个光伏阵列功率寻优点的工作电压值，其中，j∈[1,N]且j≠i,表示光伏阵列功率寻优点的标号；

步骤207：更新光伏阵列功率寻优点；根据步骤206中更新的光伏阵列功率寻优点计算更新后的光伏阵列功率寻优点的功率值，并将更新后的光伏阵列功率寻优点的功率值与步骤205中保留的N个较大的光伏阵列功率寻优点的功率值进行比较，按照贪婪法进行输出功率排序，保留N个较大的光伏阵列功率寻优点；

步骤208：记录光伏阵列最大功率点及光伏阵列最大功率点对应的工作电压；记录本轮迭代寻优后最大输出功率值P_best及光伏阵列最大功率点对应的工作点电压值X_best；

步骤209：判断是否满足迭代次数的终止条件；若满足终止迭代条件，迭代停止，输出光伏阵列最大功率值P_gbest；否则转步骤204。

3.根据权利要求1所述的一种基于布谷鸟搜索算法的光伏阵列MPPT方法，其特征在于：所述的步骤30中采用模糊PI控制算法得到PWM占空比控制量的步骤为：

步骤301：求取模糊控制输入量：根据公式e＝P_gbest-P_PV和Δe＝e_k-e_k-1计算获得偏差量e和偏差量增益Δe，定义模糊控制输出量：PI调节的参数变化量Δk_p和Δk_i；其中，P_gbest为布谷鸟搜索算法得到的光伏阵列最大功率值；P_PV为光伏阵列实际输出功率；e_k为第k时刻的偏差量；e_k-1为第k-1时刻的偏差量；

步骤302：选取模糊控制隶属度函数并建立模糊规则，根据公式和得到模糊整定后PI调节的参数值和其中，k_p和k_i为当前PI调节的参数值；

步骤303：运用模糊PI控制算法得到PWM占空比控制量，通过模糊PI控制算法得到输出功率实际值与布谷鸟算法搜索到的光伏阵列最大功率寻优值的偏差值，将偏差值与载波信号进行调制，输出PWM占空比信号。

4.根据权利要求1所述的一种基于布谷鸟搜索算法的光伏阵列MPPT方法，其特征在于：所述的步骤40中根据PWM占空比控制量控制Boost电路，是根据PWM占空比控制量控制Boost电路中的IGBT模块。