[发明专利]一种自适应惯性权重混沌粒子群算法

摘要

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。

主权项

1.一种自适应惯性权重混沌粒子群算法(ACPSO)，其特征在于，包括以下步骤：S1：初始化惯性权重ω₀，加速因子c₁、c₂，种群规模N，最大迭代次数N_m，确定搜索空间[‑x_max，x_max]以及最大速度v_max；S2：随机产生一个每个分量取值在(0，1)范围内的D维向量，作为第1个粒子，使用如下式经N‑1次迭代生成其余N‑1个粒子，记为x_id，i＝1，2，…N；d＝1，2，…，D。初始化粒子速度；式中，y(n)∈(0，1)，本发明初值y(n)取0.355；μ是控制参量，μ＝4时，系统完全混沌。S3：计算各粒子适应度值。将粒子自身最优位置p_id设为其当前位置，全局最优位置p_gd设为初始种群中最优粒子的位置；S4：令惯性权重ω按下式进行更新：ω′＝ω₀‑ω_uu+ω_hh其中：ω₀为初始惯性权重，ω_u为进化度调节系数，ω_h为聚合度调节系数。根据下式更新粒子的速度和位置：v_id(t+1)＝ω′·v_id(t)+c₁r₁·(p_id(t)‑x_id(t))+c₂r₂·(p_gd(t)‑x_id(t))x_id(t+1)＝x_id(t)+v_id(t+1)其中，t为粒子更新迭代次数。在第t代，粒子i在d维空间中所经历过的“最好”位置记作粒子群中“最好”的粒子位置记作ω为粒子更新的惯性权重；c₁和c₂为加速因子；r₁和r₂为区间[0，1]服从均匀分布的两个独立随机数。更新p_id以及p_gd。然后判断p_id与p_gd是否改变，若未变，则对应的停滞步数t₀与t_g分别加1，然后转S5，若发生改变，则转S7；S5：判断停滞步数是否超过其阈值T₀或T_g，如果超过，则转S6，否则转S7；S6：按下式加极值扰动，跳出局部最值点，然后转S4；S7：如果未达到预先设定的最大迭代次数N_m，则转向S4，否则执行S8；S8：输出p_gd及f_best，算法运行结束。