[发明专利]基于IIWO优化的SMESC风电系统MPPT方法

说明书

本发明涉及一种基于IIWO优化的SMESC风电系统MPPT方法，包括：初始化入侵杂草算法参数；将随机生成的初始解Kp和ρ_s代入搭建好的Simulink模型，计算每株杂草所对应的适应度值,同时SMESC输出风机控制量，反馈当前代中的最优转速用于风机最大功率追踪；对适应度值进行排序，选取最大种群数目所允许的种子数进行繁殖更新产生子代种子；根据适应度值计算每株杂草所产生的种子数；将子代杂草种子位置信息代入SMESC参数优化模型，输出并产生新的控制量和子代种子适应度值；判断是否满足终止条件，若满足，则输出最优Kp和ρ_s，所对应的功率则位风机输出最大功率。

技术领域

本发明属于新能源风力发电技术领域，涉及一种最大功率追踪方法。

背景技术

由于风力发电机的非线性特性，通常需要采用一定的控制策略来保证风机以最大功率输出，以提高风电系统的发电效率。风力发电机最大功率追踪(Maximum power pointtracking,MPPT)的常用控制方法有叶尖速比控制(Tip Speed Ratio,TSR)、极值搜索法(Extremum Seeking Control,ESC)、爬山搜索算法(Hill-climbing Search，HCS)和模糊推理最优梯度法等。TSR控制需要实时精确地测量风速，而传感器的加入会增加风电系统结构的复杂程度，风速的随机性及可变性使得其在实际控制中较难实现；HCS算法简单、易于实现，但在风速急剧变化的情况下，控制参考信号会发生突变，从而导致算法控制性能变差；ESC同样具有原理简单计算量小的优点，但其工作原理决定了其在应用中不可避免地出现稳态振荡这一现象，极大地限制了算法的应用范围。模糊推理最优梯度法在不需要最大功率曲线和风速的情况下，采用步长呈指数倍形式增减的方式，自适应地对风电系统最大功率点进行跟踪，控制过程较复杂。滑模极值搜索控制(Sliding Mode Extremum SeekingControl,SMESC)控制方法将滑模(Sliding Mode,SM)与ESC相结合，无需获取风速信息和风机的模型参数等，避免了传统ESC控制中的微分环节，具有结构简单，响应快速的优点，但在实际应用中会因参数设置不当导致一定的稳态振荡而引起功率损失，降低风电系统的运行效率。因此，需要合理设置SMESC控制参数来保证最大功率追踪速度，又能减少稳态振幅的MPPT算法来提高风电系统的发电效率。

发明内容

本发明的目的是对现有的滑模极值算法进行优化，提供一种可以兼顾追踪速度和追踪精度，具有更好的动态和稳态响应的，使优化后的滑模极值算法MPPT方法，以减少风力发电系统的损耗，提高系统运行效率。技术方案如下：

一种基于IIWO优化的SMESC风电系统MPPT方法，基于入侵杂草算法，改进滑模极值搜索算法SMESC，进行参数优化，以兼顾追踪速度和精度，包括步骤如下：

1)初始化入侵杂草算法参数，包括设定迭代次数，初始种群大小，积分增益参数Kp和参数ρ_s解的范围参数；

2)将随机生成的初始解Kp和ρ_s代入搭建好的Simulink模型，按目标函数值计算每株杂草所对应的适应度值,同时SMESC输出风机控制量，反馈当前代中的最优转速用于风机最大功率追踪，其中e(τ)为SMESC算法控制信号在通过与Kp和ρ_s相关环节前后的差值；

3)对适应度值进行排序，选取最大种群数目所允许的种子数进行繁殖更新产生子代种子；

4)根据适应度值计算每株杂草所产生的种子数：其中f为当前杂草的适应度值，f_max和f_min分别是当前种群中杂草的最大和最小适应度值，seed_max和seed_min分别代表一株杂草所能产生种子的最大和最小数量；并根据定义的最优个体比例r_best＝M_best/M调节杂草繁殖的种子数；