[发明专利]一种基于SVM和粒子群算法的光伏列阵最大功率跟踪方法

权利要求书

1.一种基于SVM和粒子群算法的光伏列阵最大功率跟踪方法，其特征在于，所述方法包括以下步骤：

步骤S10，建立光伏列阵最大功率跟踪预测模型，对确定规模的光伏列阵进行大量仿真验证，获得不同光照和温度下光伏列阵的最大功率值及其对应的电压值；所述光伏列阵最大功率跟踪预测模型输入为光照和温度，输出为最大功率点及其对应的光伏阵列电压；

步骤S20，将步骤S10各光电池的光照、温度、该光照温度条件下光伏列阵的最大功率值及其对应的电压值数据作为训练样本和测试样本，建立和训练SVM最大功率跟踪模型，仿真测试；所述SVM最大功率跟踪模型输入为步骤S10各光电池的光照、温度、该光照温度条件下光伏列阵的最大功率值及其对应的电压值，输出为最大功率点对应电压值的大概范围；

步骤S30，根据步骤S20得到的SVM最大功率跟踪模型预测出待跟踪条件下最大功率点对应电压值的范围，通过粒子群算法对电压值进行寻优，获得最优电压值及其对应的全局最大功率点。

2.根据权利要求1所述的一种基于SVM和粒子群算法的光伏列阵最大功率跟踪方法，其特征在于，所述建立光伏列阵最大功率跟踪预测模型包括以下步骤：

步骤S101，首先确定光伏列阵的规模，即构成光伏列阵的光伏电池数量，并搭建光伏列阵仿真平台；

步骤S102，分析影响光伏列阵输出功率的因素，从而建立相应的光伏列阵最大功率跟踪预测模型。

3.根据权利要求2所述的一种基于SVM和粒子群算法的光伏列阵最大功率跟踪方法，其特征在于：步骤S101中，通过对光伏列阵设置不同的光照和温度情况，进行仿真，获得该条件下的最大功率点及其对应的光伏列阵电压，记录每个光电池所受光照、温度，及整个光伏列阵最大输出功率值和输出该功率值时光伏列阵两端的电压值；步骤S102中，所述影响光伏列阵输出功率的因素包括各光电池的光照和温度情况、光伏列阵的最大功率点及其对应的光伏列阵两端的电压值，以各影响因素作为输入量，建立和训练SVM最大功率跟踪模型。

4.根据权利要求1所述的一种基于SVM和粒子群算法的光伏列阵最大功率跟踪方法，其特征在于：步骤S20中，在建立和训练SVM最大功率跟踪模型前，首先要对训练样本的数据进行归一化处理。

5.根据权利要求1所述的一种基于SVM和粒子群算法的光伏列阵最大功率跟踪方法，其特征在于：步骤S30中，所述利用SVM最大功率跟踪模型预测待跟踪条件下最大功率点对应电压值的范围时，采用核函数代替点积运算来求解对偶问题和非线性映射到高维特征空间的问题，同时采用粒子群算法，通过个体极值和群体极值更新个体位置，通过多次迭代获得最优值。

6.根据权利要求5所述的一种基于SVM和粒子群算法的光伏列阵最大功率跟踪方法，其特征在于，所述核函数包括：

线型核函数：K(x,x_i)＝xx_i (1)

D阶多项式核函数：K(x,x_i)＝(xx_i+1)^d (2)

径向基核函数：

Sigmoid核函数K(x,x_i)＝tanh(k(xx_i))+θ (4)

其中，K(x,x_i)表示核函数，x表示自变量，x_i表示样本向量，即输入量，d表示多项式核函数的阶数，σ表示径向基核函数参数，θ表示Sigmoid核函数参数1，k(xx_i)表示Sigmoid核函数参数2。