[发明专利]一种时变阴影情况下光伏阵列的最大功率点跟踪方法

权利要求书

1.一种时变阴影情况下光伏阵列的最大功率点跟踪方法，其特征在于，包括以下步骤：

步骤一：初始化粒子群，使各个粒子均匀的分布在光伏阵列可能存在的局部极值点；

步骤二：评价粒子群，评价每个粒子x的适应度f(x)，从中选择搜索性粒子P__Search、探索性粒子P__Explore；

步骤三：计算适应度值方差σ²的值，判断是否符合收敛情况，如果粒子的适应度方差则判断粒子群算法陷入早熟收敛，此时选择探索性粒子P__Explore进行全局搜索，否则直接转步骤二；

步骤四：对每个粒子，用它的适应度f(x)值和个体最优值p_best比较，如果每个粒子的适应度f(x)值优于个体最优值p_best，则适应度f(x)值进行替换个体最优值p_best；用它的适应度f(x)值和全局最优值g_best比较，如果每个粒子的适应度f(x)值优于全局最优值g_best，则适应度f(x)值进行替换全局最优值g_best；

步骤五：根据公式(1)、(2)更新粒子的最新位置与最新速度；

式中：为此刻第i个粒子的速度；

为下一时刻第i个粒子的速度；

为此刻第i个粒子的位置；

为下一时刻的位置；

p_best,i为第i个粒子的个体最好的位置；

g_best为所有粒子所有历史位置中的适应度最好的位置；

w为粒子的惯性权重；

c₁、c₂为学习因子；

r₁、r₂为[0,1]之间相互独立的随机概率值；

步骤六：判断迭代终止条件是否满足下述条件，其一是种群粒子之间位置比较靠近，可以认为粒子群已经搜索到最优值；其二是迭代次数达到最大迭代次数，若满足上述一种情况，则转步骤七，否则转步骤二；

步骤七：在算法寻优过程中，当外界情况发生明显变化时，这时粒子的适应度f(x)值也将发生变化，当适应度值变化率K_p达到一定的程度，需要重启算法，使系统能够找到新的最优值，即新的最大功率点，判断算法重启条件是否满足，若满足，转步骤二，系统重启，若不满足，则输出最优值，并结束算法。

2.根据权利要求1所述的一种时变阴影情况下光伏阵列的最大功率点跟踪方法，其特征在于，步骤一初始化粒子群后，当光伏阵列功率-电压输出特性曲线呈现多个局部极值点时，各个极值点处的电压差约为0.8×U_soc×n，对于m×n的阵列，最多有n个可能的极值点，选择n个粒子，第1个粒子的位置选为U₁＝0.8×U_soc，第2个粒子位置选为U₂＝0.8×2×U_soc，之后的粒子以此类推，第n个粒子位置选为U_n＝0.8×n×U_soc；这样各粒子的初始位置均匀的分布在[0,U_oc]之间，而且各个粒子都靠近阵列极值点。