[发明专利]一种光伏阵列全局最大功率点跟踪方法

说明书

技术领域

本发明涉及一种光伏阵列最大功率点跟踪算法，尤其是涉及一种光伏阵列全局最大功率点跟踪方法。

背景技术

老化、局部阴影和制造工艺不同等引起的电池电气特性不同，使光伏阵列P-U曲线出现多个功率峰值点。传统单峰值最大功率点跟踪方法，无法区分局部最大功率点和全局最大功率点。若无法正确跟踪全局最大功率点，不仅造成大量能量损失，还增加光伏阵列调度复杂性。

光伏阵列组态优化法和超级电容补偿法均可削弱局部阴影条件影响，使P-U曲线与正常时单峰值输出特性相似。但组态优化法需要开关器件和传感器数量多，系统结构复杂，应用有局限性。而超级电容补偿法只能短期补偿，对电池脏污等造成的中长期局部阴影条件影响作用有限。目前大容量光伏阵列采用光伏组件数多，易受局部阴影条件影响，采用现有全局最大功率点跟踪算法效果较差。群体智能算法可分布并行搜索，为传统方法难以处理、没有精确数学模型的问题提供了解决方案，用于多峰值全局最大功率点跟踪可提高跟踪效率。在文献《粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用》就研究了粒子群算法在光伏阵列全局最大功率点跟踪中的应用。粒子群算法全局收敛速度很快，但没有跳出局部最大功率点的方法，局部阴影条件改变后需要重启算法。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种动态局部阴影条件下无需重启、不易陷入局部最大功率点、跟踪重复出现全局最大功率点更快的基于免疫细菌觅食算法的大容量光伏阵列全局最大功率点跟踪算法。

本发明的目的可以通过以下技术方案来实现：一种光伏阵列全局最大功率点跟踪方法，该方法将人工免疫算法与细菌觅食算法相结合提出了免疫细菌觅食算法。

利用细菌觅食算法的随机选取方向特性实现时变环境下不重启算法即可动态跟踪全局最大功率点；

利用人工免疫算法的免疫选择算子和免疫记忆算子提高在动态和重复出现局部阴影条件下全局最大功率点的跟踪定位能力。

所述的免疫细菌觅食算法是一种群体智能算法，适用于局部阴影条件下大容量光伏阵列难以建立数学模型的情况，它包括趋化子程序、繁殖子程序、迁移子程序、更新记忆池子程序，具体步骤如下：

(1)用全局最大功率点记忆池初始化群体；

(2)运行趋化子程序；

(3)判断趋化次数是否大于最大趋化次数，如果是，则执行步骤(4)；否则返回步骤(2)；

(4)运行繁殖子程序；

(5)判断繁殖次数是否大于最大繁殖次数，如果是，则执行步骤(6)；否则返回步骤(2)；

(6)运行迁移子程序；

(7)判断迁移次数是否大于最大迁移次数，如果是，则执行步骤(8)；否则返回步骤(2)；

(8)运行更新记忆池子程序；

(9)输出全局最大功率点。

所述的趋化子程序用于及时选择新的跟踪方向，缩短适应度变差方向上的跟踪时间，不断改变免疫细菌觅食算法输出的参考电压，以跟踪功率损失最小的全局最大功率点，趋化子程序包括翻转和游动2个步骤。利用rand()函数生成0～1之间的随机数，此随机数小于0.5时游动方向为输出参考电压减小方向，此随机数大于0.5时游动方向为输出参考电压增大方向。翻转后，个体开始游动，直到游动前后适应度不再改善时再进行翻转，确定游动新方向。游动公式如下：

θⁱ(j+1,k,l)＝θⁱ(j,k,l)+C(i)φ(j)

式中，j为趋化次数，k为繁殖次数，l为迁移次数，θⁱ(j,k,l)为个体i在j次趋化，k次繁殖，l次迁移后的位置，C(i)为个体i的游动步长，φ(j)为个体i随机翻转得到的方向。

所述的繁殖子程序不考虑变异，新个体继承原个体一切属性，为提高全局最大功率点跟踪速度，使用使适应度好且浓度低的个体繁殖最快的免疫选择算子确定待繁殖个体及其繁殖数目，既能保证个体多样性，又能加快全局收敛速度，有助于动态跟踪全局最大功率点；所述的免疫选择算子，按如下公式计算选择概率P_s，以确定个体繁殖数目；

P_s＝α·P_f+(1-α)·P_d