[发明专利]一种基于随机蛙跳全局搜索算法的局部阴影光伏阵列MPPT控制

权利要求书

1.一种基于随机蛙跳全局搜索算法的局部阴影光伏阵列多峰MPPT控制方法，其特征在于，包括以下步骤：

步骤101：实时采集光伏阵列的环境温度T、光照强度S；

步骤102：根据当前各个光伏阵列的环境温度T和光照强度S，采用随机蛙跳全局搜索算法迭代搜索出光伏阵列的总最大功率点；

步骤103：将随机蛙跳全局搜索算法迭代搜索出光伏阵列的总最大功率与光伏列阵实际输出的功率作差，其偏差值通过模糊PI控制算法得到脉冲宽度调制(Pulse WidthModulation，PWM)占空比控制量，用于产生PWM波；

步骤104：利用PWM波控制Boost电路，使光伏阵列随着光照变化稳定工作在最大功率点上；

所述步骤102中采用随机蛙跳全局搜索算法迭代搜索出光伏列阵的总最大功率点的方法为：

步骤2010：输入各个光伏阵列的环境温度T和光照强度S，设置算法蛙群的总数量H；

步骤2020：对随机蛙跳全局搜索算法进行初始化，随机产生初始蛙群个体的初始位置X和初始速度V；

步骤2030：对群体中的个体，根据光伏阵列的功率计算适应函数得出各个种群个体对应的功率P；

步骤2040：根据功率P的大小进行降序排列，选出种群中的最优个体P_gbest，并将蛙群分成各族群，等间隔循环取样分别把H个蛙分配到m个族群中去，每个族群包括n个蛙个体；

步骤2050：局部搜索过程，即：根据随机蛙跳算法的算法公式，在每一个族群中进行独立进化；

所述局部搜索过程包括步骤251至步骤260；

步骤251：计数器初始化；设族群的序号I_m＝0,用它来标记进化到了哪个族群并与族群总数m进行比较；设族群内部蛙个体独立进化次数的序号I_n＝0，用它与局部族群内部蛙个体进化次数Is比较以判断独立进化是否结束；同时，寻找当前族群中最佳蛙个体位置和最差蛙个体位置，分别记为E_best和E_wost；

步骤252：设I_m＝I_m+1，进行下一个族群；

步骤253：设I_n＝I_n+1，进行下一次独立进化；

步骤254：利用更新策略更新当前族群中最差青蛙的位置，更新策略为：根据蛙群随机个体与最优个体距离，判断其受力情况，计算蛙个体的引力加速度、斥力加速度和扰动加速度；

步骤255：根据算法的速度更新公式Vi(t+1)＝(0.9-0.5*t/T)*Vi(t)+ai更新种群蛙个体的速度，并根据算法的位置更新公式Xi(t+1)＝Xi(t)+Vi(t+1)更新种群蛙个体的位置，其中t为当前迭代次数，T为总迭代次数，Vi表示速度，ai表示加速度，Xi表示位置；如果蛙个体速度越过边界，则把边界值赋值给当前蛙个体速度，同理，如果蛙个体位置越过边界，则把边界值赋值给当前蛙个体位置；

步骤256：如果步骤255改进了最差蛙的位置，就用新产生的位置取代最差蛙的位置，否则就采用全局最好解P_gbest代替式中最差解P_wost，更新最差蛙的位置；

步骤257：如果步骤256还是没有改进最差蛙的位置，则随机产生一个处于湿地中任何位置的蛙来替代最差蛙，并重新计算其适应值；

步骤258：更新I_m族群的最优适应值P_gbest与最差适应值P_wost；

步骤259：如果InIs，则跳到步骤253，否则进行步骤2060，并让In＝0；

步骤260：如果I_mm，则跳到步骤252，否则跳出局部搜索，进行外步骤2060，回到全局搜索；

步骤2060：将各个种群进行混合，在每个族群多经过一轮独立进化过程以后，将各个族群中的蛙再次进行重新排列和族群划分，并再次记录全局适应值P_gbest；

步骤2070：检验计算停止条件，如果满足了算法收敛迭代条件，则停止算法的执行过程，否则跳转到步骤2040；

步骤2080：输出最优解，算法结束。

2.根据权利要求1所述的一种基于随机蛙跳全局搜索算法的局部阴影光伏阵列多峰MPPT控制方法，其特征在于：通过PWM波控制Boost电路是通过PWM波来控制IGBT开关模块使升压电路的等效电阻等于光伏阵列在实时环境条件下的内阻，从而实现光伏列阵的最大输出功率控制。