CN106202875A - 基于云进化跟踪太阳能路灯最大功率点的方法及系统 - Google Patents

Abstract

本发明公开基于云进化跟踪太阳能路灯最大功率点的方法，包括：在控制器上设置需进行云进化的设定迭代次数及云进化中的云变异代数阈值；随机生成太阳能电池的种群；按个体功率从大到小获取种群中预定数量的个体，经过云进化计算得到更新种群；对更新种群中的个体进行云进化更新；云进化更新的进化代数小于云变异代数阈值时，再采用云进化更新云进化更新个体；云进化更新的进化代数小于设定迭代次数，且达到或超过云变异代数阈值时，对云进化更新个体进行云变异操作后再采用云进化更新获得的变异种群的个体；当云进化更新的进化代数达到或者超过设定迭代次数时，得到太阳能电池的最大输出功率点。本发明能准确地追踪到太阳能路灯的最大功率点。

Description

基于云进化跟踪太阳能路灯最大功率点的方法及系统

技术领域

本发明涉及跟踪控制太阳能路灯功率的技术领域，更具体地，涉及一种基于云进化跟踪太阳能路灯最大功率点的方法及系统。

背景技术

现今，绿色能源已成为一项重要的研究课题，作为绿色能源代表的太阳能也广泛被人们所关注。随着太阳能技术的日趋成熟，太阳能路灯的应用越来越广泛。虽然作为绿色能源，太阳能路灯能够为人们提供持续的能源供应，但是相对于传统路灯，太阳能路灯高昂的成本大大地限制了它的应用和推广。在太阳能路灯中，制造太阳能电池的成本往往占到总成本的一半以上，因此如何提高太阳能电池的单位利用率，以尽量小单位的太阳能电池满足系统需求，降低太阳能电池的应用成本，是当前太阳能路灯系统研究的重要课题。

常见的太阳能路灯系统结构如图1所示，主要由太阳能电池101、控制器102、蓄电池103和发光单元104组成。对于太阳能电池而言，在温度和日照强度一定的条件下会具有唯一的最大功率点，当其在该点工作时能输出当前条件下的最大功率；而控制器102的主要作用是控制太阳能电池101对蓄电池103进行充电并控制蓄电池103对发光单元104进行供电，因此，在控制器102中追踪最大功率点，可以有效地提高太阳能电池的工作效率。

但是在实际应用中，由于太阳能电池的输出特性受负荷状态、日照量、环境温度等因素的影响，致使其输出功率很不稳定，即最大功率点在时刻变化，目前常用的实现最大功率跟踪方法有恒定电压法、电导增量法及扰动观测法。但是这几种方法的应用会存在以下的问题：

(1)恒定电压跟踪法将输出电压固定，使太阳能电池的整个工作过程中近似的工作在最大功率点处，这种方法跟踪精度较低，能量损失较大，只是一种近似的方法。

(2)扰动观察法是每隔一段时间就用较小的步长改变太阳能电池的输出电压，通过检测功率变化方向来确定寻优方向，由于始终有“扰动”的存在，系统无法稳定在最大功率点上，因而造成一部分能量的损失，且对外界环境的响应能力较差，只适用于光强变化较小的环境。

(3)电导增量法根据最大功率点的电压调节太阳能电池的输出电压，在达到最大功率点处停止对工作点的扰动，此方法虽然准确性较高，但是需要增加额外的硬件电路，且系统需要较多的变化时间，效率比较低。

综合上述内容可以看出来，目前常用的最大功率点跟踪方法存在着跟踪效率低及反应速度慢的问题，并不能明显地提高太阳能电池的利用效率，满足降低太阳能路灯系统成本的需求。

因此，提供一种准确、稳定地追踪太阳能电池最大功率点的方法是本领域亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于云进化跟踪太阳能路灯最大功率点的方法及系统，解决了目前常用的最大功率点跟踪方法存在着跟踪效率低及反应速度慢的问题。

为了解决上述技术问题，本发明提出一种基于云进化跟踪太阳能路灯最大功率点的方法，包括：

在控制器上设置需进行云进化的设定迭代次数及云进化中的云变异代数阈值；

经过初始化操作随机生成太阳能电池的种群；

所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算得到更新种群；

所述控制器对所述更新种群中的个体进行云进化更新；

当所述云进化更新的进化代数小于所述设定迭代次数，且小于所述云变异代数阈值时，再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，且达到或超过所述云变异代数阈值时，对所述云进化更新个体进行云变异操作后再采用云进化更新所述云变异操作获得的变异种群的个体；

当所述云进化更新的进化代数达到或者超过所述设定迭代次数时，得到所述太阳能电池的最大输出功率点。

进一步地，其中，所述控制器对所述更新种群中的个体进行云进化更新，进一步为：

所述控制器以所述更新种群中的个体的输出电压为正态云期望，生成正态随机数，再以所述正态云期望为期望值、所述正态随机数为标准差获得更新种群中的个体的输出功率值。

进一步地，其中，所述控制器对所述更新种群中的个体进行云进化更新，进一步为：利用以下公式计算所述更新种群中的个体的输出功率值的确定度：

其中，y为确定度，x为正态随机数，E_x为正态云期望，E_n′为正态随机数，exp是指以自然常数e为底的指数函数。

进一步地，其中，所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算得到更新种群，进一步为：

所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算生成新一代个体，所述控制器选取新一代个体中输出功率值大于所述种子的所述新一代个体替换所述种子，得到更新种群。

进一步地，其中，当所述云进化更新的进化代数小于所述设定迭代次数，且小于云变异代数阈值时，再采用云进化更新所述云进化更新个体，进一步为：

当在所述云进化过程中连续跟踪到不同的最大功率点超过在所述控制器上预先设置的跨代精英阈值时，降低算法搜索范围再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，且小于在所述控制器上预先设置的局部求变阈值时，再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，大于所述局部求变阈值，且小于所述云变异代数阈值时，增加云进化算法的搜索范围再采用云进化更新所述云进化更新个体。

另一方面，本发明还提供一种基于云进化跟踪太阳能路灯最大功率点的系统，包括：设置模块、初始化模块、种群更新模块、种群个体更新模块及云进化处理模块，其中，

所述设置模块，用于在控制器上设置需进行云进化的设定迭代次数及云进化中的云变异代数阈值；

所述初始化模块，用于控制器经过初始化操作随机生成太阳能电池的种群；

所述种群更新模块，用于所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算得到更新种群；

所述种群个体更新模块，用于所述控制器对所述更新种群中的个体进行云进化更新；

所述云进化处理模块，用于当所述云进化更新的进化代数小于所述设定迭代次数，且小于云变异代数阈值时，再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，且达到或超过云变异代数阈值时，对所述云进化更新个体进行云变异操作后再采用云进化更新所述云变异操作获得的变异种群的个体；

当所述云进化更新的进化代数达到或者超过所述设定迭代次数时，得到所述太阳能电池的最大输出功率点。

进一步地，其中，所述种群个体更新模块，进一步用于：

所述控制器以所述更新种群中的个体的输出电压为正态云期望，生成正态随机数，再以所述正态云期望为期望值、所述正态随机数为标准差获得更新种群中的个体的输出功率值。

进一步地，其中，所述种群个体更新模块，进一步用于：

利用以下公式计算所述更新种群中的个体的输出功率值的确定度：

其中，y为确定度，x为正态随机数，E_x为正态云期望，E_n′为正态随机数，exp是指以自然常数e为底的指数函数。

进一步地，其中，所述种群更新模块，进一步用于：

所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算生成新一代个体，所述控制器选取新一代个体中输出功率值大于所述种子的所述新一代个体替换所述种子，得到更新种群。

进一步地，其中，所述云进化处理模块，进一步用于：

当在所述云进化过程中连续跟踪到不同的最大功率点超过在所述控制器上预先设置的跨代精英阈值时，降低算法搜索范围再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，且小于在所述控制器上预先设置的局部求变阈值时，再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，大于所述局部求变阈值，且小于所述云变异代数阈值时，增加云进化算法的搜索范围再采用云进化更新所述云进化更新个体。

与现有技术相比，本发明的基于云进化跟踪太阳能路灯最大功率点的方法及系统，实现了如下的有益效果：

(1)本发明所述的基于云进化跟踪太阳能路灯最大功率点的方法及系统，利用基于云模型的进化算法对光伏阵列的最大功率点进行跟踪，能够快速且高精度地追踪到太阳能路灯的最大功率点，控制该太阳能路灯在追踪到的最大功率点下工作，提高了太阳能电池的单位利用率。

(2)本发明所述的基于云进化跟踪太阳能路灯最大功率点的方法及系统，应用云模型进化算法中的进化调整策略和变异调整策略，能有效地避免算法陷入局部最优解，并准确地追踪到太阳能电池的全局最大功率点，提高了追踪太阳能路灯最大功率点的准确性。

(3)本发明所述的基于云进化跟踪太阳能路灯最大功率点的方法及系统，利用云模型进化算法追踪控制太阳能路灯最大功率点的方案，不需要增加额外的硬件电路，降低了追踪太阳能路灯最大功率点的成本。

当然，实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1为太阳能路灯系统结构示意图；

图2为本发明实施例1所述基于云进化跟踪太阳能路灯最大功率点的方法的流程示意图；

图3为本发明实施例1中所述云进化算法的流程图；

图4为本发明实施例1中所述云模型的计算示意图；

图5为本发明实施例2所述基于云进化跟踪太阳能路灯最大功率点的方法的流程示意图；

图6为本发明实施例3所述基于云进化跟踪太阳能路灯最大功率点的系统的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

实施例1

如图2所示，为本实施例所述基于云进化跟踪太阳能路灯最大功率点的方法的流程示意图。本实施例所述的基于云进化跟踪太阳能路灯最大功率点的方法包括以下步骤：

步骤201、在控制器上设置需进行云进化的设定迭代次数及云进化中的云变异代数阈值。

如图3所示，为本实施例所述云进化算法的流程图，现有的云进化算法包括如下步骤：

步骤301、初始化种群；

步骤302、对初始化后的种群进行适应度计算；

步骤303、判断是否完成云进化计算的设定迭代次数；

步骤304、完成云进化计算的设定迭代次数时，输出最优个体并结束；

步骤305、未完成云进化计算的设定迭代次数时，更新种群中的种子；

步骤306、根据完成云进化计算的迭代次数进行定性进化控制判断，判断所述迭代次数是否出现跨代精英、连续平凡代数是否达到局部求变阀值Klocal及变异阈值Kglobal；

步骤307、当出现跨代精英(在所有进化代中，适应度最好的个体)时，进行局部求精；

步骤308、当完成云进化计算的迭代次数K达到局部求变阀值，且未达到变异阈值时，进行局部求变；

步骤309、当完成云进化计算的迭代次数K达到变异阈值时，进行变异；

步骤310、经过上述步骤产生新一代的种群后，再返回进行适应度计算。

云模型的初始化是通过正态云发生器400(如图4所示)来实现的，正态云发生器的数字特征由三个参数所组成：401为期望Ex、402为熵En以及403为超熵He，具体的产生云滴404的过程如下所示：

正态云发生器算法的具体步骤：输入一维云模型的参数Ex、En、He，数字特征和云滴数n；

输出n个云滴的定量值；

生成期望值为En，方差为He的正态随机数；

生成第i个云滴xi，μi为第i个云滴的确定度；

定性进化控制包括进化调整策略和变异调整策略，其控制过程如下：

进化调整策略：进化过程的重点是局部求精和局部求变两个问题，通过动态调整云模型参数En和He，优化子代种群的产生；

局部求精：如果在进化过程中有跨代精英个体(所有进化代中，适应度最好的个体)出现，这个时候就要进行局部求精操作，因为这时算法要么找到了新极值领域，或逼近是原极值领域。局部求精的操作方法为：通过减小En降低遗传粒度；减小He增大子代个体的凝聚程度以及降低搜索半径，这样来达到快速的局部求精的目的。在对算法进行具体操作时，可以将En和He减小为原来的1/K，(K>1)，K为求精系数。

局部求变：如果进化过程中连续出现平凡进化带(没有新的最优个体出现)，并且连续平凡带数达到了阀值Klocal，说明算法此时有可能陷入了局部最优领域，当前搜索区域的周围无更好的个体，此时需要局部求变操作，跳出当前的位置，找寻新的领域。对算法具体操作时，将En和He增加为原来的L倍，L为求变系数，一般L≤K，取

变异调整策略：当经过若干进化代后没有找到适应性更好的个体，进化调整策略无效，即连续平凡代数达到了阀值Kglobal，(Kglobal>Klocal)时，这时候算法有可能陷入局部最优，无法找到更好的个体，为了跳出局部最优，就要进行变异操作。具体的操作是：取历史精英个体的平均值来作为种子个体，并产生下代种群。

本发明基于现有的云进化计算方法跟踪太阳能路灯最大功率点，有利于提高追踪的准确性。

步骤202、经过初始化操作随机生成太阳能电池的种群。理论上种群越大越好，但算法中对种群大小并无限定，可以根据实际需要选定。

步骤203、所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算得到更新种群。

步骤204、所述控制器对所述更新种群中的个体进行云进化更新。

步骤205、当所述云进化更新的进化代数小于所述设定迭代次数，且小于所述云变异代数阈值时，再采用云进化更新所述云进化更新个体。

步骤206、当所述云进化更新的进化代数小于所述设定迭代次数，且达到或超过所述云变异代数阈值时，对所述云进化更新个体进行云变异操作后再采用云进化更新所述云变异操作获得的变异种群的个体。

步骤207、当所述云进化更新的进化代数达到或者超过所述设定迭代次数时，得到所述太阳能电池的最大输出功率点。

本实施例所述的基于云进化跟踪太阳能路灯最大功率点的方法利用基于云模型的进化算法对光伏阵列的最大功率点进行跟踪，能够快速且高精度地追踪到太阳能路灯的最大功率点。

实施例2

如图5所示，为本实施例所述基于云进化跟踪太阳能路灯最大功率点的方法的流程示意图。本实施例所述的基于云进化跟踪太阳能路灯最大功率点的方法，在实施例1的基础上说明了进行云进化判断太阳能路灯最大功率点的具体内容，该方法包括以下步骤：

步骤501、在控制器上设置需进行云进化的设定迭代次数及云进化中的云变异代数阈值。

步骤502、经过初始化操作随机生成太阳能电池的种群。

对于一个太阳能电池，由控制器在0和开路电压Voc之间，随机生成一个输出电压值V0，表示太阳能电池的一个输出状态。这个电压值V0就是种群的一个个体，重复生成NUMSIZE(种群大小)个个体组成一个种群，完成初始化操作。

步骤503、所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算得到更新种群，进一步为：所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算生成新一代个体，所述控制器选取新一代个体中输出功率值大于所述种子的所述新一代个体替换所述种子，得到更新种群。

控制器能根据太阳能电池每一个输出电压值V都能计算得到一个输出功率值P，即为当前个体的适应值。本发明的目的就是尽快的找到一个个体，其输出功率值P最大。

控制器选取当代种群中适应度值最优的个体，即功率最大的前n个个体作为种子，种子通过云进化算法生成新一代个体。且每当生成新一代种群时，控制器选取当代个体中输出功率值大于种子的个体代替原种子，作为新的种子产生下一代，达到精英保留的目的，这样输出功率最大的个体就能够在控制器中保存下来。

步骤504、所述控制器对所述更新种群中的个体进行云进化更新，进一步为；所述控制器以所述更新种群中的个体的输出电压为正态云期望，生成正态随机数，再以所述正态云期望为期望值、所述正态随机数为标准差获得更新种群中的个体的输出功率值。利用以下公式计算所述更新种群中的个体的输出功率值的确定度：其中，y为确定度，x为正态随机数，E_x为正态云期望，E_n′为正态随机数，exp是指以自然常数e为底的指数函数，确定度为个体特性的定量体现。

个体更新即为进化控制器根据云进化算法产生新一代个体的行为，分为进化和变异两部分。

进化策略指控制器利用n个种子个体按照其输出功率大小进化，生成不同数量的新个体，输出功率越大的种子，产生的个体越多。控制器运用云发生器进化新一代个体的过程如下：

步骤1：控制器将种子的输出电压值V作为正态云期望Ex；为了保证新生成的个体能取到0～Voc中的所有值，正态分布的取值范围ε>＝Voc，根据正态分布函数的3δ分布原则，令En＝ε/6；He＝En/c2，c2一般取5～15之间的整数，根据实验情况，本文取c2＝10。

当连续代出现跨代精英时，即连续跟踪到新的最大功率点，算法可能找了新的极值领域或更加逼近了老的极值领域，这时候控制器减小En和He的值，降低算法搜索范围，并提高搜索精度。输入数字特征值Ex、En、He和nc。

步骤2：生成正态随机数En′，En为期望值，He为标准差。

步骤3：生成以Ex为期望值，abs(En′)为标准差的正态随机数x。x即为新个体的输出电压值。

步骤4：计算正态随机数x的确定度y，确定度为个体特性的定量体现:(x，y)完整地反映了这一次定性定量转换的全部内容。

步骤5：重复步骤1到4，生成nc个云滴，即包含输出电压V的新个体。

步骤6：输出所有云滴，云进化策略完成。

这样控制器就完成了一次云进化的过程，产生了新的种群。

假设算法连续λ代没有找到新的最大功率点，阀值为λ1、λ2(λ1<λ2)。当λ<λ1时，只采用云进化策略更新个体；当λ>λ1时，提高En、He，增加云进化算法的搜索范围。当λ>λ2时，根据云进化算法的变异调整策略，对部分种子个体进行变异操作。上面的λ1、λ2的取值根据总进化代数的不同而不同，假如总的进化代为λ，在实验操作中取λ1＝λ/10，λ2＝2λ1。

步骤505、当在所述云进化过程中连续跟踪到不同的最大功率点超过在所述控制器上预先设置的跨代精英阈值时，降低算法搜索范围再采用云进化更新所述云进化更新个体。

步骤506、当所述云进化更新的进化代数小于所述设定迭代次数，且小于在所述控制器上预先设置的局部求变阈值时，再采用云进化更新所述云进化更新个体。

步骤507、当所述云进化更新的进化代数小于所述设定迭代次数，大于所述局部求变阈值，且小于所述云变异代数阈值时，增加云进化算法的搜索范围再采用云进化更新所述云进化更新个体。

步骤508、当所述云进化更新的进化代数达到或者超过所述设定迭代次数时，得到所述太阳能电池的最大输出功率点。

如果进化代数达到最大的迭代次数，或达到进化最大平凡代数，即连续多代没有产生跨代精英个体，则终止迭代，输出当前找到的最优个体的输出电压值V，以及其对应的最大输出功率值Pmax；否则转到第503步。

为了验证，对于太阳能电池最大功率点跟踪的有效性，随机选取了20组太阳能电池数据进行最大功率点的跟踪实验，并记录跟踪时间，如表1所示，为基于云进化算法的太阳能电池最大功率点跟踪实验结果表。

表1、基于云进化算法的太阳能电池最大功率点跟踪实验结果表

从表1中可以看出，应用本算法的控制器的跟踪时间的基本分布在50—100ms之间，平均时间为102.48ms，大大优于国际标准的1000ms的要求，说明基于云进化算法的太阳能路灯控制器的最大功率点跟踪控制方法，能够有效的提高了太阳能电池效率。

实施例3

如图6所示，为本实施例所述基于云进化跟踪太阳能路灯最大功率点的系统的结构示意图。本实施所述的基于云进化跟踪太阳能路灯最大功率点的系统包括：设置模块601、初始化模块602、种群更新模块603、种群个体更新模块604及云进化处理模块605。

其中，所述设置模块601与所述初始化模块602相藕接，用于在控制器上设置需进行云进化的设定迭代次数及云进化中的云变异代数阈值；

所述初始化模块602与所述设置模块601及所述种群更新模块603相藕接，用于控制器经过初始化操作随机生成太阳能电池的种群；

所述种群更新模块603与所述初始化模块602及所述种群个体更新模块604相藕接，用于所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算得到更新种群；

所述种群个体更新模块604与所述种群更新模块603及所述云进化处理模块605相藕接，用于所述控制器对所述更新种群中的个体进行云进化更新；

所述云进化处理模块605，用于当所述云进化更新的进化代数小于所述设定迭代次数，且小于云变异代数阈值时，再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，且达到或超过云变异代数阈值时，对所述云进化更新个体进行云变异操作后再采用云进化更新所述云变异操作获得的变异种群的个体；

当所述云进化更新的进化代数达到或者超过所述设定迭代次数时，得到所述太阳能电池的最大输出功率点。

其中，所述种群个体更新模块604进一步用于：

所述控制器以所述更新种群中的个体的输出电压为正态云期望，生成正态随机数，再以所述正态云期望为期望值、所述正态随机数为标准差获得更新种群中的个体的输出功率值。

所述种群个体更新模块604还用于：

利用以下公式计算所述更新种群中的个体的输出功率值的确定度：

其中，y为确定度，x为正态随机数，E_x为正态云期望，E_n′为正态随机数。

所述种群更新模块603进一步用于：

所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算生成新一代个体，所述控制器选取新一代个体中输出功率值大于所述种子的所述新一代个体替换所述种子，得到更新种群。

所述云进化处理模块605进一步用于：

当在所述云进化过程中连续跟踪到不同的最大功率点超过在所述控制器上预先设置的跨代精英阈值时，降低算法搜索范围再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，且小于在所述控制器上预先设置的局部求变阈值时，再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，大于所述局部求变阈值，且小于所述云变异代数阈值时，增加云进化算法的搜索范围再采用云进化更新所述云进化更新个体。

通过以上各个实施例可知，本发明的基于云进化跟踪太阳能路灯最大功率点的方法及系统存在的有益效果是：

(1)本发明所述的基于云进化跟踪太阳能路灯最大功率点的方法及系统，利用基于云模型的进化算法对光伏阵列的最大功率点进行跟踪，能够快速且高精度地追踪到太阳能路灯的最大功率点，控制该太阳能路灯在追踪到的最大功率点下工作，提高了太阳能电池的单位利用率。

(2)本发明所述的基于云进化跟踪太阳能路灯最大功率点的方法及系统，应用云模型进化算法中的进化调整策略和变异调整策略，能有效地避免算法陷入局部最优解，并准确地追踪到太阳能电池的全局最大功率点，提高了追踪太阳能路灯最大功率点的准确性。

(3)本发明所述的基于云进化跟踪太阳能路灯最大功率点的方法及系统，利用云模型进化算法追踪控制太阳能路灯最大功率点的方案，不需要增加额外的硬件电路，降低了追踪太阳能路灯最大功率点的成本。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种基于云进化跟踪太阳能路灯最大功率点的方法，其特征在于，包括：

在控制器上设置需进行云进化的设定迭代次数及云进化中的云变异代数阈值；

经过初始化操作随机生成太阳能电池的种群；

所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算得到更新种群；

所述控制器对所述更新种群中的个体进行云进化更新；

当所述云进化更新的进化代数小于所述设定迭代次数，且小于所述云变异代数阈值时，再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，且达到或超过所述云变异代数阈值时，对所述云进化更新个体进行云变异操作后再采用云进化更新所述云变异操作获得的变异种群的个体；

当所述云进化更新的进化代数达到或者超过所述设定迭代次数时，得到所述太阳能电池的最大输出功率点。

2.根据权利要求1所述的基于云进化跟踪太阳能路灯最大功率点的方法，其特征在于，所述控制器对所述更新种群中的个体进行云进化更新，进一步为：

所述控制器以所述更新种群中的个体的输出电压为正态云期望，生成正态随机数，再以所述正态云期望为期望值、所述正态随机数为标准差获得更新种群中的个体的输出功率值。

3.根据权利要求2所述的基于云进化跟踪太阳能路灯最大功率点的方法，其特征在于，所述控制器对所述更新种群中的个体进行云进化更新，进一步为：利用以下公式计算所述更新种群中的个体的输出功率值的确定度：

其中，y为确定度，x为正态随机数，E_x为正态云期望，E_n′为正态随机数，exp是指以自然常数e为底的指数函数。

4.根据权利要求1所述的基于云进化跟踪太阳能路灯最大功率点的方法，其特征在于，所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算得到更新种群，进一步为：

所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算生成新一代个体，所述控制器选取新一代个体中输出功率值大于所述种子的所述新一代个体替换所述种子，得到更新种群。

5.根据权利要求1所述的基于云进化跟踪太阳能路灯最大功率点的方法，其特征在于，当所述云进化更新的进化代数小于所述设定迭代次数，且小于云变异代数阈值时，再采用云进化更新所述云进化更新个体，进一步为：

当在所述云进化过程中连续跟踪到不同的最大功率点超过在所述控制器上预先设置的跨代精英阈值时，降低算法搜索范围再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，且小于在所述控制器上预先设置的局部求变阈值时，再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，大于所述局部求变阈值，且小于所述云变异代数阈值时，增加云进化算法的搜索范围再采用云进化更新所述云进化更新个体。

6.一种基于云进化跟踪太阳能路灯最大功率点的系统，其特征在于，包括：设置模块、初始化模块、种群更新模块、种群个体更新模块及云进化处理模块，其中，

所述设置模块，用于在控制器上设置需进行云进化的设定迭代次数及云进化中的云变异代数阈值；

所述初始化模块，用于控制器经过初始化操作随机生成太阳能电池的种群；

所述种群更新模块，用于所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算得到更新种群；

所述种群个体更新模块，用于所述控制器对所述更新种群中的个体进行云进化更新；

所述云进化处理模块，用于当所述云进化更新的进化代数小于所述设定迭代次数，且小于云变异代数阈值时，再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，且达到或超过云变异代数阈值时，对所述云进化更新个体进行云变异操作后再采用云进化更新所述云变异操作获得的变异种群的个体；

当所述云进化更新的进化代数达到或者超过所述设定迭代次数时，得到所述太阳能电池的最大输出功率点。

7.根据权利要求6所述的基于云进化跟踪太阳能路灯最大功率点的系统，其特征在于，所述种群个体更新模块，进一步用于：

所述控制器以所述更新种群中的个体的输出电压为正态云期望，生成正态随机数，再以所述正态云期望为期望值、所述正态随机数为标准差获得更新种群中的个体的输出功率值。

8.根据权利要求7所述的基于云进化跟踪太阳能路灯最大功率点的系统，其特征在于，所述种群个体更新模块，进一步用于：

利用以下公式计算所述更新种群中的个体的输出功率值的确定度：

其中，y为确定度，x为正态随机数，E_x为正态云期望，E_n′为正态随机数，exp是指以自然常数e为底的指数函数。

9.根据权利要求6所述的基于云进化跟踪太阳能路灯最大功率点的系统，其特征在于，所述种群更新模块，进一步用于：

所述控制器按个体功率从大到小获取所述种群中预定数量的个体作为云进化计算的种子，所述种子经过云进化计算生成新一代个体，所述控制器选取新一代个体中输出功率值大于所述种子的所述新一代个体替换所述种子，得到更新种群。

10.根据权利要求6所述的基于云进化跟踪太阳能路灯最大功率点的系统，其特征在于，所述云进化处理模块，进一步用于：

当在所述云进化过程中连续跟踪到不同的最大功率点超过在所述控制器上预先设置的跨代精英阈值时，降低算法搜索范围再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，且小于在所述控制器上预先设置的局部求变阈值时，再采用云进化更新所述云进化更新个体；

当所述云进化更新的进化代数小于所述设定迭代次数，大于所述局部求变阈值，且小于所述云变异代数阈值时，增加云进化算法的搜索范围再采用云进化更新所述云进化更新个体。