[发明专利]局部阴影下光伏阵列全局最大功率点快速寻优方法

说明书

技术领域

本发明属于最优控制和最优化方法研究领域，具体应用于光伏发电系统中，解决阴影情况下输出最大功率的方法。

背景技术

局部遮阴情况在光伏并网发电系统中普遍存在，它会使得光伏发电系统输出功率下降，严重时会引起“热斑”效应造成安全问题。同时，在局部遮阴情况下，由于光照强度和温度的不同，光伏阵列的输出特性会呈现多个峰值点，使常规的最大功率点寻优算法极有可能会陷入到某个局部最大功率值，而不是真正最大功率点，引起输出功率的失配。

利用修正果蝇算法的全局搜索和改进黄金分割法的局部搜索法相结合，可实现对光伏阵列的最大功率点进行快速寻优。

发明内容

发明目的：局部阴影下光伏阵列的输出功率曲线呈现多峰状，常规最大功率点寻优算法无法保证搜索到全局最大功率点的问题。本发明提出了将系统总的输出功率作为目标函数，运用修正果蝇算法进行全局搜索找到总输出功率的最大值所在范围；接着通过改进黄金分割法实现单峰值的局部寻优。该算法能够在多峰值情况下，避免了陷入局部极值点，能够找到光伏系统的全局最大功率点。

技术方案：为实现上述发明目的，本发明采用以下技术方案：一种局部阴影下光伏阵列全局最大功率点快速寻优方法，包括修正果蝇算法的全局搜索和改进黄金分割法的局部搜索法两部分：

（1）修正果蝇算法的全局搜索法：定义光伏阵列的功率函数为目标函数，而变量为光伏阵列的输出电压，修正果蝇群体搜索全局搜索的步骤如下：

步骤1：随机初始果蝇群体位置；

InitX_axis；InitY_axis

步骤2：给定果蝇个体利用嗅觉寻找食物的随机方向和距离；

X_i＝X_axis+RandomValue；Y_i＝Y_axis+RandomValue

步骤3：由于无法得知食物的具体位置，因此先通过下式，计算该点与原点的距离Dist；再计算味道浓度判定值S，此值为距离的倒数；

Disti=Xi2+Yi2;]]>Si=1Disti]]>

步骤4：味道浓度判定值S代入味道浓度判定函数(适应度函数)以求出该果蝇个体位置的味道浓度Smell_i；

Smell_i＝Function(S_i)

步骤5：求极大值，通过下式，找出此果蝇群体中的味道浓度最高的果蝇；

[bestSmell bestIndex]＝max(Smell)

步骤6：保留该最佳味道浓度值(适应度函数值)与x、y坐标，此时果蝇群体利用视觉往该位置飞去；

Smellbest＝bestSmell

X_axis＝X(bestIndex)

Y_axis＝Y(bestIndex)

步骤7：进入迭代寻优，重复执行步骤2-5，并判断味道浓度值是否优于前一次迭代味道浓度值，若是，则执行步骤6；

果蝇算法在光伏阵列最大功率点寻优过程中，整个算法分为两个部分：一部分为果蝇的寻优环节，另一部分为最大功率点所在区域的确定。在FOA算法中，每个优化问题的潜在解(即最大功率点)都是搜索空间中的一个“果蝇”，所有果蝇个体都有一个被目标函数决定的适应值。

（2）改进黄金分割法的局部搜索法：黄金分割法，又称作0.618法，它适用于在给定的区间[a,b]内搜索极值点的一种搜索方法。改进黄金分割法的局部搜索步骤如下：

步骤1、首先，已知f(x1)、f(x2)和f(x3)的函数值，因为f(x3)＞f(x1)且f(x3)＞f(x2)，所以必有最大值存在于区间[x1,x2]内；