[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

摘要

本发明公开了一种局部阴影下光伏阵列全局最大功率点快速寻优方法。在局部遮阴情况下，光伏阵列的输出特性会呈现多个峰值点，该方法为了搜索到全局最大值，先采用修正果蝇算法进行全局范围搜索，确定最大功率所在的范围；而后，在确定的区域内，通过改进黄金分割法，找到分区域内的最大功率点作为整个光伏阵列的工作点。通过以上两步法的设计，可以对光伏阵列的最大输出功率点进行快速寻优。

主权项

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；Xi＝X_axis+RandomValue；Yi＝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； Dist i = X i 2 + Y i 2 ; S i = 1 Dist i 步骤4：味道浓度判定值S代入味道浓度判定函数以求出该果蝇个体位置的味道浓度Smelli；Smelli＝Function(Si)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；[bestSmellbestIndex]＝max(Smell)步骤6：保留该最佳味道浓度值与x、y坐标，此时果蝇群体利用视觉往该位置飞去；Smellbest＝bestSmellX_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；（2）改进黄金分割法的局部搜索法：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；步骤2、在该区间内插入一个新的点x4，则f(x4)可知；步骤3、在随机初试果蝇群体位置曲线中，如果有f(x4)＞f(x3)，则最大值点位于区间(x3,x2)。此时插入x4点，而舍弃x1点，重新得到新的更窄的搜索区间(x3,x2)，该区间内依然有三个已知点x3、x4和x2；步骤4、在随机初试果蝇群体位置曲线中，如果有f(x4)＜f(x3)，则最大值点位于区间(x1,x4)。此时依然插入x4点，但是舍弃x2点，重新得到另一个新的更窄的搜索区间(x1,x4)，该区间内依然有三个已知点x1、x3和x4；步骤5、多次循环步骤2至步骤4，直到搜索区间很小能够达到预先设定的范围，并且确保新插入的点近似为最大值点时为止。