粒子群-细菌觅食在光伏系统MPPT控制中的应用

刘 瑞,简献忠,钱双杰

(上海理工大学 光电信息与计算机工程学院,上海 200093)

粒子群-细菌觅食在光伏系统MPPT控制中的应用

刘 瑞,简献忠,钱双杰

(上海理工大学 光电信息与计算机工程学院,上海 200093)

在光照不均匀情况下,光伏阵列P-V曲线上会出现多个极值点,传统算法容易陷入局部最优而失效。文中提出粒子群-细菌觅食算法,将粒子群算法和细菌觅食算法结合。用粒子群算法进行全局搜索,再将粒子看成细菌用细菌觅食算法进行局部搜索。仿真结果证明,该算法在多峰情况的快速准确性。

光伏阵列;粒子群-细菌觅食算法;光照不均匀

当今社会能源危机,太阳能的可再生性使之发挥了重要的作用[1]。光伏发电是目前人类的重要利用手段之一,提高发电效率就需要使之工作在最大功率点,根据光伏电池数学模型运用合适的算法实现最大功率追踪。光伏阵列P-V曲线存在一个最大点,但在光照不均匀或遮挡时会产生多个波峰,传统的算法容易搜寻到伪波峰,陷入局部最大值[2-3]。针对该问题许多研究人员提出了用智能算法来解决该问题,如粒子群算法[4-5]、遗传算法[6-7]和免疫算法[8]等。

本文将传统细菌觅食算法(BFO)与粒子群算法(PSO)结合引入MPPT算法中。BFO由于趋向性操作使之局部搜索能力较好,但由于BFO的细菌没有记忆能力,使全局搜索能力不强。由于PSO算法粒子对个体和群体最优信息有记忆性,所以将其改变后引入BFO中,得到新的算法PSO-BFO。先用PSO算法完成全局空间搜索,再将粒子看作细菌用BFO算法的趋向性进行局部操作,这样就结合了PSO全局搜索能力和BFO的局部搜索能力。其中PSO算法仅使用种群搜索部分,BFO通过PSO算法记忆功能提高全局搜索能力和搜索效率。根据光伏板局部阴影情况下P-V曲线遵循的规律[2],初始时把细菌分布在可能的极值点附近,这样则避免陷入了局部极值点,有效地提高了算法效率。

1 粒子群-细菌觅食算法在多峰中运用

粒子群—细菌觅食算法是以细菌觅食算法为主体,结合粒子群算法全局搜索性强的特点的优化算法。细菌觅食算法是2002年Passino根据人类肠道中大肠杆菌提出的一种仿生智能算法,细菌觅食有趋向性、复制性和迁徙性行为[10-11]。细菌觅食趋向性操作使它局部搜索能力较强,但细菌觅食全局搜索能力只能靠迁徙实现,全局搜索能力不强受限于迁徙概率ped。粒子群算法的特点就是全局所索性强,有个体效应和群体效应,所以结合这两个算法得出粒子群—细菌觅食算法。

1.1 细菌算法觅食的原理

细菌觅食算法的主要步骤是趋向、复制和选择选择[10-11]。通过这3个步骤的循环迭代实现最优值的寻找。细菌觅食算法的原理如下:

(1)趋向性。细菌在搜寻食物时会有两个动作:旋转和游动。旋转可以任意改变方向,使细菌运动方向可以改变,游动是在一个方向上前进几个步长。旋转和游动共同组成了细菌的趋向操作,当细菌处在食物匮乏区时会旋转方向,然后再沿着这个方向游动。

细菌种群大小为S,其中每个细菌用θi表示,则θi(j,k,l)表示细菌i第次趋向操作,k次复制操作和l次迁徙后所在的位置。细菌i趋向操作的公式为

θi(j+1,k,l)=θi(j,k,l)+c(i)φ(i)

(1)

其中,c(i)是前进步长,决定方向。趋向操作是细菌在局部搜索,由于光伏板P-V曲线是二维的,所以细菌趋向操作时只有两个方向,当沿一个方向前进时,功率下降就旋转方向。

(2)复制性。细菌群体之间存在竞争,细菌搜索过程中会进行比较,这样把搜索能力差的细菌淘汰掉,然后把排在前S/2的细菌进行复制代替被淘汰的细菌,这样可以使细菌群体中都留下搜索能力强的细菌种群数量不变。通过复制操作大幅提高细菌觅食的效率和速度。

(3)迁徙性。细菌在局部区域搜索生活中可能突然消失,然后在其它区域产生一个细菌,这样就可以使细菌迁徙到其它区域。细菌的迁徙操作是按一定概率发生的,每个细菌都有ped的概率发生迁徙,细菌的迁徙破坏了趋向性操作,但增加了算法的全局搜索能力,避免细菌早熟,陷入局部最大值。迁徙的概率也会影响细菌的收敛速度,所以迁徙概率不能过大影响运算速度。

图1 细菌觅食算法总流程图

1.2 粒子群算法的原理

粒子群算法是对自然界中鸟类寻找食物研究的一种仿生算法,把鸟看成空间的一个粒子,鸟群就是粒子群[12]。每个粒子本身都携带相应的信息,即自身的速度和位置,根据粒子自身的相应信息决定他们的运动的距离和方向。粒子群算法就是把一群粒子随机分布到一个要搜寻的解空间进行初始化,然后根据给定的公式进行迭代。现在成熟的粒子群算法的公式中包含两个最优概念,一个局部最优pbest,还有一个全局最优gbest。其中局部最优是每个粒子在搜寻中得到的最好解,全局最优是这个粒子群得到的最优解。这样粒子群算法具有记忆性特点,利用正反馈调节,算法原理简单,参数少,适用性好。

粒子群算法的公式为

(2)

(3)

其中,v表示速度;k为迭代次数;c1,c2是学习因子;rand1和rand2是[0,1]之间的随机数;x是位置,pbest是局部最优;gbest是全局最优。

图2 粒子群算法总流程图

1.3 粒子群-细菌觅食算法

细菌觅食算法因为趋向性操作的特性,局部搜索能力好,因为在趋向性操作时可以改变方向所以局部搜索精度非常好,但细菌全局搜索只能依靠迁徙操作,因此它的全局搜索能力较差。由于粒子群算法具有记忆性,全局性搜索能力较强,这样利用粒子先进行全局搜索,然后把粒子看成细菌,用细菌觅食算法进行趋向性操作就提高了细菌觅食算法的全局搜索能力。这里引入的粒子群算子只引用全局性部分的变异算子,利用粒子群算法的记忆性提高细菌觅食的全局搜索能力。粒子群变异算子公式为

(4)

(5)

粒子群—细菌觅食算法的流程如图3所示。

图3 PSO-BFO算法总流程图

1.4 粒子群-细菌觅食算法的运用

1.4.1 初始粒子位置的设置

由文献[2]可知,在{m×n}的光伏阵列中,最多会出现包括最大峰值点在内的n个波峰。当光伏组件开路电压为Voc_moudle时,n个波峰的极值点会在0.7Voc_moudle+0.8(n-1)Voc_moudle附近。根据这一特性可以使第一个粒子在0.7Voc_moudle处,第二个在0.7Voc_moudle+0.8Voc_moudle处,依此类推,粒子初始位置设置为0.7Voc_moudle+0.8(n-1)Voc_moudle。这样可以提高速度,防止粒子丢失极值点。

1.4.2 趋向操作步长调整

细菌觅食算法主要搜寻是细菌的趋向性操作,在趋向操作对目标区域进行搜寻时,趋向操作的游动步长C直接影响算法效果。步长大小固定影响算法收敛和稳定,参数C大时全局搜索能力强,参数C小时在局部区域搜索能力较强。所以这里提出一种变步长思路,在每次趋向性操作循环结束后,步长C变成原来的一半。开始步长大有利于全局搜索,然后慢慢变小有利于局部搜索和最终的收敛和稳定。

2 实验仿真

通过Matlab仿真研究该方法的有效性,其中光伏阵列选择{2×2}组件。最大功率追踪的控制图如图4所示。利用Boot调压电路进行调压,其中实现最大追踪到最大功率的原理就是使蓄电池的等效电阻等于光伏阵列的阻值,光伏阵列阻值受环境温度光照影响,不断变化,Boost电路通过改变占空比D使蓄电池的阻值相应改变,进行追踪最大功率。其中占空比通过MPPT控制器里的算法进行计算不断改变占空比,使输出电压和算法搜索到电压相匹配后保持,进行稳定输出。

图4 基于Boost最大功率跟踪系统

其中光伏组件连接方式是两两串联然后再并联,每个组件并联一个旁路二极管保护组件,当其中一个光伏组件受到遮挡时,组件受到反向电压,旁路二极管就可以阻断流入的反向电流,避免组件发热损坏[9],结构如图5所示。正常情况即光照均匀时采取温度25 ℃,设置1 000 W/m2的阳光均匀照在4块光伏组件上,它的波峰只有一个P-V特性曲线如图6所示。如果其中一光伏组件受到遮挡,其光照强度变为原来的一半500 W/m2,另外3个不变,环境温度不变,则它的波峰会有两个,如图7所示。两个波峰最大功率约122 W,另一个只有92 W。

图5 光伏阵列

图6 均匀光照下光伏阵列P-V输出特性

图7 遮挡下光伏阵列P-V输出特性

使用PSO-BFO进行计算其中最大功率追踪,其中NP取10,Nc取4,Nre取3。仿真结果如图8所示,从图中可以看出搜寻到的最大功率约为122 W,稳定时间约为1.5 s,由此可以看出,该算法快速、可行。

图8 PSO-BFO算法仿真结果

3 结束语

本文将细菌觅食算法和粒子群算法组合运用到光伏发电的最大功率追踪中,为了提高细菌觅食算法全局搜索能力引入粒子群变异算子,进行全局搜索,然后再用细菌觅食算法进行趋向性操作完成局部搜索。仿真结果表明,该算法成功实现了多峰最大值的搜索,收敛速度快。光伏发电越来越被重视,提高其效率有着重要意义。在受外界环境影响,光照不均匀情况下,该算法的应用,可以有效避免陷入局部最大值,提高光伏发电效率。

[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] 彭志辉,姜锐,和军平,等.一种新型光伏系统最大功率点跟踪研究[J].太阳能学报,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] 刘艳莉,周航,程泽.基于粒子群优化的光伏系统 MPPT 控制方法[J].计算机工程,2010,36(15):265-267.

[6] 高林,谭伟.基于遗传算法的最大功率点跟踪[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] 刘立群,王志新,张华强.部分遮蔽光伏发电系统模糊免疫MPPT 控制[J].电力自动化设备,2010,30(7):96-99.

[9] 刘晓燕,祁新梅,郑寿森,等.局部阴影条件下光伏阵列的建模与分析[J].电网技术,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]杨大炼,李学军,蒋玲莉.一种细菌觅食算法的改进及其应用[J].计算机工程与应用,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

刘瑞(1988—),男,硕士研究生。研究方向:光伏发电的最大功率追踪。E-mail:525494979@qq.com

10.16180/j.cnki.issn1007-7820.2015.05.033

TM615

A

1007-7820(2015)05-114-04