[发明专利]基于改进灰狼优化算法的光伏MPPT方法

权利要求书

1.一种基于改进灰狼优化算法的光伏MPPT方法，其特征在于：

S1、在[0，1]内选取N个随机值，作为灰狼种群的初始位置，灰狼个体代表光伏系统中的占空比；

S2、获取光伏系统在各占空比控制下的输出功率，并以此作为灰狼个体的适应度，记适应度最大的三个灰狼依次为α狼、β狼和δ狼；

S3、收缩灰狼种群的搜索范围，更新搜索区间上下限，搜索区间[a(t)，b(t)]上下限更新公式为：

s(t)＝1-(1-λ)t/t_max

其中，t是当前迭代代数，X_α是α狼的位置，s(t)是一个线性递减的函数，λ为最终收敛比例，t_max是算法的最大迭代次数，a(0)＝0，b(0)＝1；

S4、使用改进的位置更新公式对灰狼种群进行位置更新，该改进的位置更新公式为：

其中，X_old由传统灰狼优化算法的位置更新公式计算得出；

S5、执行反向搜索，产生当前最优解的反向解，计算反向解的适应度，与灰狼种群适应度相比较，更新α狼、β狼和δ狼；

S6、判断是否满足终止条件，若满足，则停止迭代并将光伏系统稳定在α狼对应的占空比上；否则，返回步骤S2，继续迭代。

2.根据权利要求1所述的基于改进灰狼优化算法的光伏MPPT方法，其特征在于，还包括：

S7、持续监测光伏系统输出功率是否发生突变，当输出功率的变化率大于设定阈值时，返回步骤S1，重启算法。

3.根据权利要求2所述的基于改进灰狼优化算法的光伏MPPT方法，其特征在于，步骤S7中判断输出功率是否发生突变的判定式为：

式中：P_real是实时采集到的功率，P_m是重启前的最大功率。

4.根据权利要求1所述的基于改进灰狼优化算法的光伏MPPT方法，其特征在于，所述执行反向搜索，产生当前最优解的反向解，包括：

搜索α狼的反向解X_rd，其计算公式为：

5.根据权利要求1所述的基于改进灰狼优化算法的光伏MPPT方法，其特征在于，所述终止条件包括：判定算法是否达到最大迭代次数tmax；计算全体灰狼位置的标准差σ是否小于设定阈值θ。

6.一种基于改进灰狼优化算法的光伏MPPT装置，其特征在于，包括：

初始化模块，用于在[0，1]内选取N个随机值，作为灰狼种群的初始位置，灰狼个体代表光伏系统中的占空比；

适应度计算模块，用于获取光伏系统在各占空比控制下的输出功率，并以此作为灰狼个体的适应度，记适应度最大的三个灰狼依次为α狼、β狼和δ狼；

搜索范围收缩模块，用于收缩灰狼种群的搜索范围，更新搜索区间上下限，搜索区间[a(t)，b(t)]上下限更新公式为：

s(t)＝1-(1-λ)t/t_max

其中，t是当前迭代代数，X_α是α狼的位置，s(t)是一个线性递减的函数，λ为最终收敛比例，t_max是算法的最大迭代次数，a(0)＝0，b(0)＝1；

位置更新模块，用于使用改进的位置更新公式对灰狼种群进行位置更新，该改进的位置更新公式为：

其中，X_old由传统灰狼优化算法的位置更新公式计算得出；

反向搜索模块，用于执行反向搜索，产生当前最优解的反向解，计算反向解的适应度，与灰狼种群适应度相比较，更新α狼、β狼和δ狼；

判断模块，用于判断是否满足终止条件，若满足，则停止迭代并将光伏系统稳定在α狼对应的占空比上；否则，返回适应度计算模块，继续迭代。

7.根据权利要求6所述的基于改进灰狼优化算法的光伏MPPT装置，其特征在于，还包括：

重启模块，用于持续监测光伏系统输出功率是否发生突变，当输出功率的变化率大于设定阈值时，返回初始化模块，重启算法。