[发明专利]选秀竞争算法DCA及基于该算法的光伏系统最大功率点跟踪方法有效

专利信息
申请号: 202011529255.9 申请日: 2020-12-22
公开(公告)号: CN113050745B 公开(公告)日: 2022-05-06
发明(设计)人: 徐艳春;刘海权;汪平 申请(专利权)人: 三峡大学
主分类号: G05F1/67 分类号: G05F1/67;G06N3/00
代理公司: 宜昌市三峡专利事务所 42103 代理人: 吴思高
地址: 443002 *** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 选秀 竞争 算法 dca 基于 系统 最大 功率 跟踪 方法
【权利要求书】:

1.基于选秀竞争算法的光伏系统最大功率点跟踪方法,其特征在于:

光伏电池数学建模:

光伏电池的I-U特性方程为:

I=IPH-ID-ISH (5);

式(5)中,IPH为光生电流,其值与光照强度成正比,ID为流过二极管的电流,ISH为流经等效并联电阻的电流,I为输出电流;将I进一步转换如下:

其中,

式(6)中,UOC光伏电池的开路电压,ISC为短路电流,Um和Im分别表示光伏电池工作在最大功率点时其输出电压和电流,I为输出电流,U为输出电压;考虑到光照强度和温度的变化会对光伏电池的输出造成影响,其相关方程式如公式(7)所示:

其中,

G=-b·DT-RS·D

DT=Te-25

式(7)中,标准光照强度下,a为光伏电池输出电流变化的温度系数,b为光伏电池输出电压变化的温度系数,S表示光伏板受到的光照强度,UOC光伏电池的开路电压,ISC为短路电流,Um和Im分别表示光伏电池工作在最大功率点时其输出电压和电流,I为输出电流,U为输出电压,RS为等效串联电阻,Te为环境温度大小;

将环境温度和光照强度作为选秀竞争算法的控制变量,利用选秀竞争算法对电压U进行寻优,以输出占空比的形式,控制运算放大电路中的绝缘栅双极型晶体管,从而动态的调节电压;

所述选秀竞争算法,具体如下:

设置选秀类节目的相应规则,包含:

规则①、节目组根据评分标准,对每个参赛者进行综合评估排名,按照综合评估排名的结果,将每个参赛者划分到优秀组和一般组两组中;

规则②、对每组均设置一个学习能力阈值,高于此值即视为学习能力强,低于此值则视为学习能力弱;

规则③、在每轮比赛结束后,所有参赛者进行学习,其中在优秀组的参赛者会根据其学习能力进行学习,优秀组中,排名靠前并且学习能力强的参赛者由于其本身分数较高,因此其进步空间相对于排名靠后但学习能力强的参赛者小,但其相对于优秀组中排名靠前而学习能力弱的参赛者来讲进步空间大;

规则④、在一般组中的参赛者也会根据其自身的学习能力和学习方式的不同进行学习;设定被评为一般组的参赛者中学习能力强的参赛者由于自身排名较为靠后,因此产生了消极的态度,其几乎放弃学习的过程;排名靠后学习能力弱的参赛者努力学习;

规则⑤、每轮比赛的人数不变,但在每一轮比赛结束时,由于各种各样的原因总有一部分参赛者会退赛,这个时候总有相应人数的新参赛者会加入进来比赛,新加入的参赛者的学习能力以及各项原始评估指标都是随机的;

根据选秀类节目的相应规则,构建选秀竞争算法数学模型和选秀竞争算法框架:

选秀竞争算法数学模型构建过程中,使用虚拟的参赛者进行比赛,由n个参赛者组成的种群如式(1)所示:

其中,d代表比赛中对参赛者评估的各项指标,即代表待优化问题的变量维数;n表示参赛者的数量,X代表参赛者集;

所有参赛者的评估成绩即适应度值,如式(2)所示:

其中,n代表参赛者的数量,Fx中每一行的值代表每个参赛者所获得的评估成绩即适应度值;d代表比赛中对参赛者评估的各项指标,Fx代表参赛者的评估成绩集合,f的值代表每个参赛者所获得的评估成绩即适应度值,xn,d代表第n个参赛者第d项指标所在位置;

每轮比赛竞争过后会对每个参赛者进行评估并对其适应度值进行排名,根据适应度值的排名将每个参赛者分别分到优秀组和一般组两组,在优秀组中,学习能力强但其排名靠前的参赛者由于其上升空间的限制,其进步空间会相对学习能力强但排名靠后的参赛者小,学习能力强且排名靠前的参赛者相对于学习能力弱但排名靠前的参赛者进步程度大;

根据设定规则③,对优秀组中的参赛者进行各项指标的参数更新,如公式(3)所示:

其中,t代表当前迭代次数,j代表X在第几维度,j=1,2,3,4…d;iterMax表示最大迭代次数,Xi,j代表第i个参赛者的第j个评估指标的值,即在第j维中的位置信息;A(i)代表当前参赛者的学习能力;其中,C是属于[0,0.1]中的一个随机数;L1代表优秀组中学习能力强弱的一个界限值,L1∈[0,1];

对于每轮评估被评在一般组中的参赛者,根据设定的规则④进行学习,其各项指标的更新函数如公式(4)所示:

其中,α是[-1,1]中的随机数,Q是[0,2]中的一个随机数,D、L3均为1×d的矩阵,但D矩阵中的元素均为1,而L3中的元素为-1、1随机分布;P是均值为0方差为1的标准正态分布,在每个参赛者位置更新时,o从矩阵[0.1,0.2,0.3,0.4,0.5]中随机抽取,L2代表一般组组中学习能力强弱的一个界限值L2∈[0,1];

通过公式(3)和公式(4),对所有参赛者的各项评估指标进行学习更新,同时,根据规则⑤,在每一轮比赛结束后,总有一部分参赛者因为各种原因无法进行接下来的比赛,因此为了比赛人数始终不变,随机加入相应数量的参赛者,其各项评估指标以及学习能力均为随机产生。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三峡大学,未经三峡大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011529255.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top