[发明专利]基于遗传算法的风光互补最大功率追踪方法

说明书

技术领域：

本发明涉及一种基于遗传算法的风光互补最大功率追踪方法。

背景技术：

众所周知，我国自然资源非常丰富，但是存在一个问题，就是分布非常不均匀，水资源石油资源煤炭资源是这样，风能和太阳能的分布也是非常的不均匀，我国北方风能和太阳能正好形成良好的互补，而且在边缘的地方时电网公布到的地方，但是还需要用电。遗传算法找到数学模型的最大功率的方法为寻找函数最优解，但采用扰动观察法存在的震荡问题。

发明内容：

本发明的目的是提供一种基于遗传算法的风光互补最大功率追踪方法。

上述的目的通过以下的技术方案实现：

基于遗传算法的风光互补最大功率追踪方法，所述的风光互补最大功率追踪方法通过以下步骤实现：

步骤一、确定风机生产厂家提供的风力机参数：半径、启动风速、额定风速、桨距角、额定功率、最大功率，得：

C_P表示风能利用系数；λ_i表示最佳叶尖速比；

步骤二、由MTALAB可以得到该风力机的C_P(λ)的曲线增大时逐渐增大，然后又会随着叶尖速比λ的增大迅速减小；在MATLAB中将风能利用系数公式代入遗传算法工具箱进行计算，找到风能利用系数的最大值C_Pmax，并将对应的叶尖速比λ值记录下来，代入λ和λ_i的关系表达式：

中，可以求出此时的风力机转速n；

步骤三、将步骤二中得到的风能利用系数的最大值C_Pmax、风力机转速n和当前的风速v代入到转矩系数表达式中：中，通过计算便可得出风力机实际的最大功率P_max。

步骤四、根据遗传算法原理，利用遗传算法工具箱，寻找最优个体；

步骤五、寻找最佳风力机转速；

步骤六、在控制器设计电路中，跟踪这个风力机的转速值，便实现风能的最大功率追踪。

有益效果：

本发明的遗传算法不需要知道目标函数是否可导，是否连续都能很快的找到目标函数的最优解，与其他算法相比优化速度更快，实时性更强，求解精度更高，而且也克服了扰动观察法存在的震荡问题。

附图说明：

附图1为风机C_P与λ关系曲线；

附图2为风能初始个体分布情况；

附图3为风能电池C_P-λ曲线图。

具体实施方式：

具体实施方式一：

基于遗传算法的风光互补最大功率追踪方法，其特征是：所述的风光互补最大功率追踪方法通过以下步骤实现：

步骤一、确定风机生产厂家提供的风力机参数：半径、启动风速、额定风速、桨距角、额定功率、最大功率，得：

C_P表示风能利用系数；λ_i表示最佳叶尖速比；

步骤二、由MTALAB可以得到该风力机的C_P(λ)的曲线如图1所示，风能利用系数C_P在叶尖速比λ比较小时，随着叶尖速比的增大时逐渐增大，然后又会随着叶尖速比λ的增大迅速减小；

由遗传算法自动寻找最优值的功能，在MATLAB中将风能利用系数公式代入遗传算法工具箱进行计算，便可快速的找到该曲线的最大值即风能利用系数的最大值C_Pmax，并将对应的叶尖速比λ值记录下来，代入λ和λ_i的关系表达式：

中，可以求出此时的风力机转速n；

步骤三、将步骤二中得到的风能利用系数的最大值C_Pmax、风力机转速n和当前的风速v代入到转矩系数表达式中：中，通过计算便可得出风力机实际的最大功率P_max。

步骤四、根据遗传算法原理，利用遗传算法工具箱，结合风能的C_P-λ特性曲线和风能利用系数公式：同样设计繁殖池里共含有20个种群个体，结合C_P-λ特性曲线公式表示的目标函数设定代沟为0.9，基因重组概率为0.7；

由于此目标函数为单峰函数，寻找最优值相对多峰函数较为简单，为了缩短计算时间，同样设定只随即产生20个初始个体，如图2的“*”所示，每一个“*”都表示一个初始个体。用这些初始个体作为父代进行交叉遗传，寻找最优个体；