[发明专利]一种基于收缩粒子群的光伏发电最大功率点跟踪算法

权利要求书

1.一种基于收缩粒子群的光伏发电最大功率点跟踪算法，其特征在于，包括以下步骤：

(1)初始化算法，设定粒子的个数、位置、速度、惯性权重和迭代次数；

(2)进行迭代运行，计算每个粒子的适应度值；

(3)每迭代完成一次，计算更新粒子的历史最优值、全体最优值及粒子的速度和位置；

(4)判断粒子是否发生重复搜索现象和震荡搜索现象，建立重复收缩机制和震荡收缩机制对重复搜索和陷入局部峰值点震荡搜索的粒子进行收缩处理；

步骤(4)的具体过程如下：

判断粒子是否发生重复搜索现象，若发生重复搜索现象，则基于重复收缩机制对该重复搜索区域的粒子进行收缩处理，粒子总数减少一个；

若未发生重复搜索，则继续判断是否发生震荡搜索现象，若在迭代后搜索到最优点附近后粒子的历史最优值和全体最优值都不再改变，则基于震荡收缩机制SPSO算法对在峰值点附近且历史最优值不再改变情况下重复震荡搜索的粒子，进行收缩处理，具体处理机制如下：

当SPSO算法检测到粒子处于重复震荡搜索，即历史最优值不再改变的情况下，继续检测全体最优值并对历史最优值与全体最优值进行比较；

若历史最优值小于全体最优值，则说明该粒子处于局部最优点附近震荡搜索，对该粒子执行收缩处理，此后不参与算法迭代，粒子种群个数缩减一个；

当震荡搜索时历史最优值等于全体最优值时，则返回步骤(2)继续迭代运行；

(5)更新粒子权重，判断结束条件；当粒子个数为1或迭代次数达到最大值，输出全体最优粒子，结束跟踪；否则返回步骤(2)继续迭代运行。

2.根据权利要求1所述的最大功率点跟踪算法，其特征在于，步骤(1) 所述的粒子位置在0～1内均匀分布。

3.根据权利要求1所述的最大功率点跟踪算法，其特征在于，步骤(2) 中粒子的适应度值是通过对光伏发电系统进行建模分析得到的适应度函数计算得到的。

4.根据权利要求1所述的最大功率点跟踪算法，其特征在于，更新粒子权重具体是：增加惯性权重调节参数，使算法的惯性权重随着算法迭代次数的增加以指数形式递减，提高算法搜索速度避免粒子陷入局部最优点。

5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述的最大功率点跟踪算法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4任一项所述的最大功率点跟踪算法。