[发明专利]一种自适应惯性权重混沌粒子群算法

说明书

本发明涉及光伏发电领域，具体涉及一种自适应惯性权重混沌粒子群算法(ACPSO)。该算法利用比一般Logistic映射效率更高的分段Logistic映射产生混沌序列来初始化粒子的位置，从而保证了全局搜索的多样性；然后采用自适应惯性权重来优化粒子群算法，提高了最大功率的跟踪速度；最后如果判断算法陷入早熟，则对粒子最优位置和全局最优位置同时进行极值扰动。相对于单一极值扰动来说，此方法可以使算法更快的跳出局部最优。该发明算法可以更加快速有效地根据日照变化实时跟踪最大功率点，并使系统工作在最大功率点附近，同时，减小了系统在最大功率点的振荡现象，提高了光伏阵列的利用率。

技术领域

本发明涉及光伏发电领域，具体涉及一种自适应惯性权重混沌粒子群算法。

背景技术

由于传统能源的限制以及日益突出的环境问题，清洁可再生能源越来越受到国内外研究者的关注。太阳能因其具有分布广、无污染等优点，将成为未来应用前景最好的可再生能源之一。实际中，光伏阵列表面的灰尘、周围建筑物和云层等的遮挡会降低其发电效率，因此，对光伏系统的最大功率点进行跟踪控制显得尤为重要。在局部阴影条件下，光伏系统的功率-电压(P-U)曲线呈多峰值特性，导致常规最大功率跟踪(Maximum Power PointTracking，MPPT)算法如扰动观察法、电导增量法等极易陷入局部最大值，无法实现最大功率点的准确跟踪。

针对上述问题，很多学者对局部阴影下的光伏系统模型进行了研究，并提出了一些多峰MPPT算法。比如：1.一种滑模变结构控制和扰动观察法相结合的算法，从而实现不规则阴影下光伏阵列的最大功率跟踪；2.Noguchi等提出一种基于短路脉冲的MPPT算法，能够快速扫描P-U特性曲线来确定比例参数，找到全局极值点；3.提出在光伏阵列中应用粒子群优化算法(Particle Swarm Optimization，PSO)实现最大功率点跟踪；4.将模糊控制应用到粒子群优化算法中，实现最大功率点跟踪。这些控制策略都有各自的优缺点，如滑模变结构控制虽具有响应速度快、鲁棒性强等优点，但在达到稳态后系统震荡较大；模糊控制则需要经验来确定参数，在稳态时仍有一定波动；遗传算法虽然可以跟踪到最大功率点，但不能使系统稳定地工作在最大功率点，且算法较为复杂，需要调节的参数较多；粒子群算法则相对较为简单，需要调节的参数比较少，而且具有较好的全局搜索能力，但如何确定最优参数是一个很复杂的优化问题。因此，通过引入非线性动态惯性权重系数构成的一种自适应惯性权重的粒子群优化算法(Adaptive Particle Swarm Optimization，ACPSO)能有效地提高系统的收敛速度和精度。

发明内容

本发明旨在更加快速的追踪部分阴影下光伏系统的最大功率点并使系统稳定工作在最大功率点附近。