劉 瑞,簡(jiǎn)獻(xiàn)忠,錢雙杰

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院,上海 200093)

粒子群-細(xì)菌覓食在光伏系統(tǒng)MPPT控制中的應(yīng)用

劉 瑞,簡(jiǎn)獻(xiàn)忠,錢雙杰

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院,上海 200093)

在光照不均勻情況下,光伏陣列P-V曲線上會(huì)出現(xiàn)多個(gè)極值點(diǎn),傳統(tǒng)算法容易陷入局部最優(yōu)而失效。文中提出粒子群-細(xì)菌覓食算法,將粒子群算法和細(xì)菌覓食算法結(jié)合。用粒子群算法進(jìn)行全局搜索,再將粒子看成細(xì)菌用細(xì)菌覓食算法進(jìn)行局部搜索。仿真結(jié)果證明,該算法在多峰情況的快速準(zhǔn)確性。

光伏陣列;粒子群-細(xì)菌覓食算法;光照不均勻

當(dāng)今社會(huì)能源危機(jī),太陽(yáng)能的可再生性使之發(fā)揮了重要的作用[1]。光伏發(fā)電是目前人類的重要利用手段之一,提高發(fā)電效率就需要使之工作在最大功率點(diǎn),根據(jù)光伏電池?cái)?shù)學(xué)模型運(yùn)用合適的算法實(shí)現(xiàn)最大功率追蹤。光伏陣列P-V曲線存在一個(gè)最大點(diǎn),但在光照不均勻或遮擋時(shí)會(huì)產(chǎn)生多個(gè)波峰,傳統(tǒng)的算法容易搜尋到偽波峰,陷入局部最大值[2-3]。針對(duì)該問(wèn)題許多研究人員提出了用智能算法來(lái)解決該問(wèn)題,如粒子群算法[4-5]、遺傳算法[6-7]和免疫算法[8]等。

本文將傳統(tǒng)細(xì)菌覓食算法(BFO)與粒子群算法(PSO)結(jié)合引入MPPT算法中。BFO由于趨向性操作使之局部搜索能力較好,但由于BFO的細(xì)菌沒(méi)有記憶能力,使全局搜索能力不強(qiáng)。由于PSO算法粒子對(duì)個(gè)體和群體最優(yōu)信息有記憶性,所以將其改變后引入BFO中,得到新的算法PSO-BFO。先用PSO算法完成全局空間搜索,再將粒子看作細(xì)菌用BFO算法的趨向性進(jìn)行局部操作,這樣就結(jié)合了PSO全局搜索能力和BFO的局部搜索能力。其中PSO算法僅使用種群搜索部分,BFO通過(guò)PSO算法記憶功能提高全局搜索能力和搜索效率。根據(jù)光伏板局部陰影情況下P-V曲線遵循的規(guī)律[2],初始時(shí)把細(xì)菌分布在可能的極值點(diǎn)附近,這樣則避免陷入了局部極值點(diǎn),有效地提高了算法效率。

1 粒子群-細(xì)菌覓食算法在多峰中運(yùn)用

粒子群—細(xì)菌覓食算法是以細(xì)菌覓食算法為主體,結(jié)合粒子群算法全局搜索性強(qiáng)的特點(diǎn)的優(yōu)化算法。細(xì)菌覓食算法是2002年P(guān)assino根據(jù)人類腸道中大腸桿菌提出的一種仿生智能算法,細(xì)菌覓食有趨向性、復(fù)制性和遷徙性行為[10-11]。細(xì)菌覓食趨向性操作使它局部搜索能力較強(qiáng),但細(xì)菌覓食全局搜索能力只能靠遷徙實(shí)現(xiàn),全局搜索能力不強(qiáng)受限于遷徙概率ped。粒子群算法的特點(diǎn)就是全局所索性強(qiáng),有個(gè)體效應(yīng)和群體效應(yīng),所以結(jié)合這兩個(gè)算法得出粒子群—細(xì)菌覓食算法。

1.1 細(xì)菌算法覓食的原理

細(xì)菌覓食算法的主要步驟是趨向、復(fù)制和選擇選擇[10-11]。通過(guò)這3個(gè)步驟的循環(huán)迭代實(shí)現(xiàn)最優(yōu)值的尋找。細(xì)菌覓食算法的原理如下:

(1)趨向性。細(xì)菌在搜尋食物時(shí)會(huì)有兩個(gè)動(dòng)作:旋轉(zhuǎn)和游動(dòng)。旋轉(zhuǎn)可以任意改變方向,使細(xì)菌運(yùn)動(dòng)方向可以改變,游動(dòng)是在一個(gè)方向上前進(jìn)幾個(gè)步長(zhǎng)。旋轉(zhuǎn)和游動(dòng)共同組成了細(xì)菌的趨向操作,當(dāng)細(xì)菌處在食物匱乏區(qū)時(shí)會(huì)旋轉(zhuǎn)方向,然后再沿著這個(gè)方向游動(dòng)。

細(xì)菌種群大小為S,其中每個(gè)細(xì)菌用θi表示,則θi(j,k,l)表示細(xì)菌i第次趨向操作,k次復(fù)制操作和l次遷徙后所在的位置。細(xì)菌i趨向操作的公式為

θi(j+1,k,l)=θi(j,k,l)+c(i)φ(i)

(1)

其中,c(i)是前進(jìn)步長(zhǎng),決定方向。趨向操作是細(xì)菌在局部搜索,由于光伏板P-V曲線是二維的,所以細(xì)菌趨向操作時(shí)只有兩個(gè)方向,當(dāng)沿一個(gè)方向前進(jìn)時(shí),功率下降就旋轉(zhuǎn)方向。

(2)復(fù)制性。細(xì)菌群體之間存在競(jìng)爭(zhēng),細(xì)菌搜索過(guò)程中會(huì)進(jìn)行比較,這樣把搜索能力差的細(xì)菌淘汰掉,然后把排在前S/2的細(xì)菌進(jìn)行復(fù)制代替被淘汰的細(xì)菌,這樣可以使細(xì)菌群體中都留下搜索能力強(qiáng)的細(xì)菌種群數(shù)量不變。通過(guò)復(fù)制操作大幅提高細(xì)菌覓食的效率和速度。

(3)遷徙性。細(xì)菌在局部區(qū)域搜索生活中可能突然消失,然后在其它區(qū)域產(chǎn)生一個(gè)細(xì)菌,這樣就可以使細(xì)菌遷徙到其它區(qū)域。細(xì)菌的遷徙操作是按一定概率發(fā)生的,每個(gè)細(xì)菌都有ped的概率發(fā)生遷徙,細(xì)菌的遷徙破壞了趨向性操作,但增加了算法的全局搜索能力,避免細(xì)菌早熟,陷入局部最大值。遷徙的概率也會(huì)影響細(xì)菌的收斂速度,所以遷徙概率不能過(guò)大影響運(yùn)算速度。

圖1 細(xì)菌覓食算法總流程圖

1.2 粒子群算法的原理

粒子群算法是對(duì)自然界中鳥類尋找食物研究的一種仿生算法,把鳥看成空間的一個(gè)粒子,鳥群就是粒子群[12]。每個(gè)粒子本身都攜帶相應(yīng)的信息,即自身的速度和位置,根據(jù)粒子自身的相應(yīng)信息決定他們的運(yùn)動(dòng)的距離和方向。粒子群算法就是把一群粒子隨機(jī)分布到一個(gè)要搜尋的解空間進(jìn)行初始化,然后根據(jù)給定的公式進(jìn)行迭代?，F(xiàn)在成熟的粒子群算法的公式中包含兩個(gè)最優(yōu)概念,一個(gè)局部最優(yōu)pbest,還有一個(gè)全局最優(yōu)gbest。其中局部最優(yōu)是每個(gè)粒子在搜尋中得到的最好解,全局最優(yōu)是這個(gè)粒子群得到的最優(yōu)解。這樣粒子群算法具有記憶性特點(diǎn),利用正反饋調(diào)節(jié),算法原理簡(jiǎn)單,參數(shù)少,適用性好。

粒子群算法的公式為

(2)

(3)

其中,v表示速度;k為迭代次數(shù);c1,c2是學(xué)習(xí)因子;rand1和rand2是[0,1]之間的隨機(jī)數(shù);x是位置,pbest是局部最優(yōu);gbest是全局最優(yōu)。

圖2 粒子群算法總流程圖

1.3 粒子群-細(xì)菌覓食算法

細(xì)菌覓食算法因?yàn)橼呄蛐圆僮鞯奶匦?局部搜索能力好,因?yàn)樵谮呄蛐圆僮鲿r(shí)可以改變方向所以局部搜索精度非常好,但細(xì)菌全局搜索只能依靠遷徙操作,因此它的全局搜索能力較差。由于粒子群算法具有記憶性,全局性搜索能力較強(qiáng),這樣利用粒子先進(jìn)行全局搜索,然后把粒子看成細(xì)菌,用細(xì)菌覓食算法進(jìn)行趨向性操作就提高了細(xì)菌覓食算法的全局搜索能力。這里引入的粒子群算子只引用全局性部分的變異算子,利用粒子群算法的記憶性提高細(xì)菌覓食的全局搜索能力。粒子群變異算子公式為

(4)

(5)

粒子群—細(xì)菌覓食算法的流程如圖3所示。

圖3 PSO-BFO算法總流程圖

1.4 粒子群-細(xì)菌覓食算法的運(yùn)用

1.4.1 初始粒子位置的設(shè)置

由文獻(xiàn)[2]可知,在{m×n}的光伏陣列中,最多會(huì)出現(xiàn)包括最大峰值點(diǎn)在內(nèi)的n個(gè)波峰。當(dāng)光伏組件開路電壓為Voc_moudle時(shí),n個(gè)波峰的極值點(diǎn)會(huì)在0.7Voc_moudle+0.8(n-1)Voc_moudle附近。根據(jù)這一特性可以使第一個(gè)粒子在0.7Voc_moudle處,第二個(gè)在0.7Voc_moudle+0.8Voc_moudle處,依此類推,粒子初始位置設(shè)置為0.7Voc_moudle+0.8(n-1)Voc_moudle。這樣可以提高速度,防止粒子丟失極值點(diǎn)。

1.4.2 趨向操作步長(zhǎng)調(diào)整

細(xì)菌覓食算法主要搜尋是細(xì)菌的趨向性操作,在趨向操作對(duì)目標(biāo)區(qū)域進(jìn)行搜尋時(shí),趨向操作的游動(dòng)步長(zhǎng)C直接影響算法效果。步長(zhǎng)大小固定影響算法收斂和穩(wěn)定,參數(shù)C大時(shí)全局搜索能力強(qiáng),參數(shù)C小時(shí)在局部區(qū)域搜索能力較強(qiáng)。所以這里提出一種變步長(zhǎng)思路,在每次趨向性操作循環(huán)結(jié)束后,步長(zhǎng)C變成原來(lái)的一半。開始步長(zhǎng)大有利于全局搜索,然后慢慢變小有利于局部搜索和最終的收斂和穩(wěn)定。

2 實(shí)驗(yàn)仿真

通過(guò)Matlab仿真研究該方法的有效性,其中光伏陣列選擇{2×2}組件。最大功率追蹤的控制圖如圖4所示。利用Boot調(diào)壓電路進(jìn)行調(diào)壓,其中實(shí)現(xiàn)最大追蹤到最大功率的原理就是使蓄電池的等效電阻等于光伏陣列的阻值,光伏陣列阻值受環(huán)境溫度光照影響,不斷變化,Boost電路通過(guò)改變占空比D使蓄電池的阻值相應(yīng)改變,進(jìn)行追蹤最大功率。其中占空比通過(guò)MPPT控制器里的算法進(jìn)行計(jì)算不斷改變占空比,使輸出電壓和算法搜索到電壓相匹配后保持,進(jìn)行穩(wěn)定輸出。

圖4 基于Boost最大功率跟蹤系統(tǒng)

其中光伏組件連接方式是兩兩串聯(lián)然后再并聯(lián),每個(gè)組件并聯(lián)一個(gè)旁路二極管保護(hù)組件,當(dāng)其中一個(gè)光伏組件受到遮擋時(shí),組件受到反向電壓,旁路二極管就可以阻斷流入的反向電流,避免組件發(fā)熱損壞[9],結(jié)構(gòu)如圖5所示。正常情況即光照均勻時(shí)采取溫度25 ℃,設(shè)置1 000 W/m2的陽(yáng)光均勻照在4塊光伏組件上,它的波峰只有一個(gè)P-V特性曲線如圖6所示。如果其中一光伏組件受到遮擋,其光照強(qiáng)度變?yōu)樵瓉?lái)的一半500 W/m2,另外3個(gè)不變,環(huán)境溫度不變,則它的波峰會(huì)有兩個(gè),如圖7所示。兩個(gè)波峰最大功率約122 W,另一個(gè)只有92 W。

圖5 光伏陣列

圖6 均勻光照下光伏陣列P-V輸出特性

圖7 遮擋下光伏陣列P-V輸出特性

使用PSO-BFO進(jìn)行計(jì)算其中最大功率追蹤,其中NP取10,Nc取4,Nre取3。仿真結(jié)果如圖8所示,從圖中可以看出搜尋到的最大功率約為122 W,穩(wěn)定時(shí)間約為1.5 s,由此可以看出,該算法快速、可行。

圖8 PSO-BFO算法仿真結(jié)果

3 結(jié)束語(yǔ)

本文將細(xì)菌覓食算法和粒子群算法組合運(yùn)用到光伏發(fā)電的最大功率追蹤中,為了提高細(xì)菌覓食算法全局搜索能力引入粒子群變異算子,進(jìn)行全局搜索,然后再用細(xì)菌覓食算法進(jìn)行趨向性操作完成局部搜索。仿真結(jié)果表明,該算法成功實(shí)現(xiàn)了多峰最大值的搜索,收斂速度快。光伏發(fā)電越來(lái)越被重視,提高其效率有著重要意義。在受外界環(huán)境影響,光照不均勻情況下,該算法的應(yīng)用,可以有效避免陷入局部最大值,提高光伏發(fā)電效率。

[1] Faranda R,Leva S.Energy comparison of MPPT techniques for PV systems[J].WSEAS Transactions on Power Systems,2008,3(6):446-455.

[2] Patel H,Agarwal V.Matlab-based modeling to studythe effects of partial shading on PV array characteristics[J].IEEE Transaction on Energy Conversion,2008,23(1):302-310.

[3] 彭志輝,姜銳,和軍平,等.一種新型光伏系統(tǒng)最大功率點(diǎn)跟蹤研究[J].太陽(yáng)能學(xué)報(bào),2013,34(6):991-996.

[4] Ishaque K,Salam Z,Taheri H,et al.Maximum power point tracking for PV system under partial shading condition via particle swarm optimization[C].Johor Bahru,Malaysia:Applied Power Electronics Colloquium (IAPEC),IEEE,2011:5-9.

[5] 劉艷莉,周航,程澤.基于粒子群優(yōu)化的光伏系統(tǒng) MPPT 控制方法[J].計(jì)算機(jī)工程,2010,36(15):265-267.

[6] 高林,譚偉.基于遺傳算法的最大功率點(diǎn)跟蹤[J].控制工程,2012,19(4):570-573.

[7] Mostafa Mohamadian.Development a new algorithm for maximum power point tracking of partially shaded photovoltaic arrays[C].20th Iranian Conference on Electrical Engineering,2012:489-494.

[8] 劉立群,王志新,張華強(qiáng).部分遮蔽光伏發(fā)電系統(tǒng)模糊免疫M(jìn)PPT 控制[J].電力自動(dòng)化設(shè)備,2010,30(7):96-99.

[9] 劉曉燕,祁新梅,鄭壽森,等.局部陰影條件下光伏陣列的建模與分析[J].電網(wǎng)技術(shù),2010,34(11):192-197.

[10]Abraham A,Biswas A,Dasgupta S,et al.Analysis of reproduction operator in bacterial foraging optimization algorithm[C].IEEE World Congress on Computational Intelligence,2008:1476-1483.

[11]楊大煉,李學(xué)軍,蔣玲莉.一種細(xì)菌覓食算法的改進(jìn)及其應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2012,48(13):31-34.

[12]Noguchi T,Togashi S,Nakamoto R.Short-current pulse-based maximum power point tracking method for mul-tiple photovoltaic and converter module system[J].IEEE Transaction on Industrial Electronics,2002,49(1):217-222.

Application of PV-MPPT Control Based on PSO-BFO Algorithm

LIU Rui,JIAN Xianzhong,QIAN Shuangjie

(School of Opitcal-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China)

Under the condition of uneven illumination,many extreme value points will appear on the photovoltaic arrayP-Vcurve.The traditional algorithm may suffer from local optimization and become invalid.In this paper,the particle swarm-bacterial foraging algorithm is put forward,which combines the particle swarm optimization (pso) algorithm and the bacterial foraging algorithm.The particle swarm algorithm is used for global search and then the particles are seen as bacteria and the bacterial foraging algorithm is used for local search.Simulation results show that the algorithm is accurate and fast in multi-peak conditions.

photovoltaic array;PSO-BFO algorithm;uneven illumination

2014- 11- 11

劉瑞(1988—),男,碩士研究生。研究方向:光伏發(fā)電的最大功率追蹤。E-mail:525494979@qq.com

10.16180/j.cnki.issn1007-7820.2015.05.033

TM615

A

1007-7820(2015)05-114-04