一種光伏陣列全局最大功率點跟蹤方法
【技術領域】
[0001] 本發明涉及一種光伏陣列最大功率點跟蹤算法，尤其是涉及一種光伏陣列全局最 大功率點跟蹤方法。
【背景技術】
[0002] 老化、局部陰影和制造工藝不同等引起的電池電氣特性不同，使光伏陣列ρ-u曲 線出現多個功率峰值點。傳統單峰值最大功率點跟蹤方法，無法區分局部最大功率點和全 局最大功率點。若無法正確跟蹤全局最大功率點，不僅造成大量能量損失，還增加光伏陣列 調度復雜性。
[0003] 光伏陣列組態優化法和超級電容補償法均可削弱局部陰影條件影響，使Ρ-U曲線 與正常時單峰值輸出特性相似。但組態優化法需要開關器件和傳感器數量多，系統結構復 雜，應用有局限性。而超級電容補償法只能短期補償，對電池臟污等造成的中長期局部陰影 條件影響作用有限。目前大容量光伏陣列采用光伏組件數多，易受局部陰影條件影響，采用 現有全局最大功率點跟蹤算法效果較差。群體智能算法可分布并行搜索，為傳統方法難以 處理、沒有精確數學模型的問題提供了解決方案，用于多峰值全局最大功率點跟蹤可提高 跟蹤效率。在文獻《粒子群優化算法在光伏陣列多峰最大功率點跟蹤中的應用》就研究了 粒子群算法在光伏陣列全局最大功率點跟蹤中的應用。粒子群算法全局收斂速度很快，但 沒有跳出局部最大功率點的方法，局部陰影條件改變后需要重啟算法。
【發明內容】
[0004] 本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種動態局部陰影 條件下無需重啟、不易陷入局部最大功率點、跟蹤重復出現全局最大功率點更快的基于免 疫細菌覓食算法的大容量光伏陣列全局最大功率點跟蹤算法。
[0005] 本發明的目的可以通過以下技術方案來實現：一種光伏陣列全局最大功率點跟蹤 方法，該方法將人工免疫算法與細菌覓食算法相結合提出了免疫細菌覓食算法。
[0006] 利用細菌覓食算法的隨機選取方向特性實現時變環境下不重啟算法即可動態跟 蹤全局最大功率點；
[0007] 利用人工免疫算法的免疫選擇算子和免疫記憶算子提高在動態和重復出現局部 陰影條件下全局最大功率點的跟蹤定位能力。
[0008] 所述的免疫細菌覓食算法是一種群體智能算法，適用于局部陰影條件下大容量光 伏陣列難以建立數學模型的情況，它包括趨化子程序、繁殖子程序、迀移子程序、更新記憶 池子程序，具體步驟如下：
[0009] (1)用全局最大功率點記憶池初始化群體；
[0010] (2)運行趨化子程序；
[0011] (3)判斷趨化次數是否大于最大趨化次數，如果是，則執行步驟（4);否則返回步 驟⑵；
[0012] (4)運行繁殖子程序；
[0013] (5)判斷繁殖次數是否大于最大繁殖次數，如果是，則執行步驟（6);否則返回步 驟⑵；
[0014] (6)運行迀移子程序；
[0015] (7)判斷迀移次數是否大于最大迀移次數，如果是，則執行步驟（8);否則返回步 驟⑵；
[0016] (8)運行更新記憶池子程序；
[0017] (9)輸出全局最大功率點。
[0018] 所述的趨化子程序用于及時選擇新的跟蹤方向，縮短適應度變差方向上的跟蹤時 間，不斷改變免疫細菌覓食算法輸出的參考電壓，以跟蹤功率損失最小的全局最大功率點， 趨化子程序包括翻轉和游動2個步驟。利用rand〇函數生成0~1之間的隨機數，此隨機 數小于0. 5時游動方向為輸出參考電壓減小方向，此隨機數大于0. 5時游動方向為輸出參 考電壓增大方向。翻轉后，個體開始游動，直到游動前后適應度不再改善時再進行翻轉，確 定游動新方向。游動公式如下：
[0019] Θ^j+^k, 1) =Θ 1)+C(i)Φ(j)
[0020] 式中，j為趨化次數，k為繁殖次數，1為迀移次數，θ1 (j，k, 1)為個體i在j次趨 化，k次繁殖，1次迀移后的位置，C(i)為個體i的游動步長，Φ(j)為個體i隨機翻轉得到 的方向。
[0021] 所述的繁殖子程序不考慮變異，新個體繼承原個體一切屬性，為提高全局最大功 率點跟蹤速度，使用使適應度好且濃度低的個體繁殖最快的免疫選擇算子確定待繁殖個體 及其繁殖數目，既能保證個體多樣性，又能加快全局收斂速度，有助于動態跟蹤全局最大功 率點；所述的免疫選擇算子，按如下公式計算選擇概率Ps，以確定個體繁殖數目；
[0022] Ps=α·Pf+(l-a)·Pd
[0023] 式中，Pf為適應度概率，個體適應度越大，Pf越大；Pd為濃度概率，個體濃度是指相 似個體占群體比例，濃度越大，Pd越小；a為比例系數，決定了適應度與濃度的作用大小； 0 彡a彡l，〇〈Pf，Pd〈l〇
[0024] 所述的迀移子程序利用全局最大功率點記憶池，按迀移概率I\d隨機選取適應度 差的個體并指定其新位置，避免免疫細菌覓食算法陷入局部最大功率點。
[0025] 所述的更新記憶池子程序利用對應提高重復出現抗原清除效率的二次免疫應答 的人工免疫算法的免疫記憶算子，將所有跟蹤到的全局最大功率點保存到全局最大功率 點記憶池中，并將跟蹤到的全局最大功率點取代全局最大功率點記憶池中與其最相似的個 體，提高重復出現全局最大功率點的跟蹤效率。
[0026] 所述的免疫細菌覓食算法用個體的位置表示候選全局最大功率點的電壓，用群體 和全局最大功率點記憶池中的個體對應的電壓差值表示它們的相似程度，用所述的候選全 局最大功率點電壓的損失功率百分比表示對應個體的適應度。
[0027] 所述的免疫記憶算子利用全局最大功率點記憶池初始化群體和指定迀移個體的 新位置。
[0028] 因為光伏組件安裝角度等穩定因素，會造成一些局部陰影條件重復出現。利用免 疫記憶算子的全局最大功率點記憶池初始化群體并指定迀移子程序中隨機選取的適應度 劣于平均值的個體的新位置，能夠加快這些重復出現全局最大功率點的跟蹤速度。
[0029] 所述的細菌覓食算法的隨機選取方向特性在局部陰影條件改變時，及時選擇個體 的新跟蹤方向，縮短適應度變差方向上的跟蹤時間，動態跟蹤時變的全局最大功率點。
[0030] 所述的免疫選擇算子抑制局部陰影條件改變后適應度變差但濃度仍較大的個體 繁殖，促進新優良個體繁殖，改善群體平均適應度，加快動態跟蹤時變的全局最大功率點的 速度。
[0031] 與現有技術相比，本發明具有以下優點：
[0032] (1)利用趨化功能和免疫選擇功能實現動態局部陰影條件下免疫細菌覓食算法無 需重啟，具有良好的動態跟蹤能力；
[0033] (2)利用迀移特性避免全局最大功率點跟蹤過程中免疫細菌覓食算法陷入局部最 大功率點；
[0034] (3)利用全局最大功率點記憶池功能顯著加快了重復出現全局最大功率點的跟蹤 速度。
【附圖說明】
[0035] 圖1為本申請的免疫細菌覓食算法的主程序流程圖；
[0036]圖2為本申請的免疫細菌覓食算法的趨化子程序流程圖；
[0037]圖3為本申請的免疫細菌覓食算法的繁殖子程序流程圖；
[0038] 圖4為本申請的免疫細菌覓食算法的迀移子程序流程圖；
[0039] 圖5為本申請的免疫細菌覓食算法的更新記憶池子程序流程圖；
[0040] 圖6為本申請的全局最大功率點跟蹤性能驗證總體模型示意圖；
[0041] 圖7為局部陰影條件下光伏陣列的6峰值P-U曲線；
[0042] 圖8為本申請的跟蹤重復出現全局最大功率點能力驗證仿真圖。
【具體實施方式】
[0043] 下面結合附圖和具體實施例對本發明進行詳細說明。
[0044] 一種光伏陣列全局最大功率點跟蹤方法，該方法將人工免疫算法與細菌覓食算法 相結合提出了免疫細菌覓食算法。
[0045] 利用細菌覓食算法的隨機選取方向特性實現時變環境下不重啟算法即可動態跟 蹤全局最大功率點；
[0046] 利用人工免疫算法的免疫選擇算子和免疫記憶算子提高在動態和重復出現局部 陰影條件下全局最大功率點的跟蹤定位能力。
[0047] 免疫細菌覓食算法是一種群體智能算法，適用于局部陰影條件下大容量光伏陣列 難以建立數學模型的情況，如圖1所示，它包括趨化子程序、繁殖子程序、迀移子程序、更新 記憶池子程序，具體步驟如下：
[0048] (1)用全局最大功率點記憶池初始化群體；
[0049] (2)運行趨化子程序；
[0050] (3)判斷趨化次數是否大于最大趨化次數，如果是，則執行步驟（4);否則返回步 驟⑵；
[0051] (4)運行繁殖子程序；
[0052] (5)判斷繁殖次數是否大于最大繁殖次數，如果是，則執行步驟（6);否則返回步 驟⑵；
[0053]