专利名称：基于蚁群、人工免疫混合优化算法的最大功率点跟踪光伏系统的利记博彩app
技术领域：
本发明技术方案属于电力电子技术领域，是一种基于先进人工智能算法的电源优化系统，用于光伏发电系统提高发电效率。
背景技术：
由于太阳能电池阵列具有强烈的非线性特性，为保证太阳能电池阵列在任何光照和环境温度下始终可以相应的最大功率输出，通常都引入了太阳能电池最大功率点跟踪控制技术。通过对太阳能电池发电的原理、光伏电池的伏安特性及结温和光照强度对太阳能电池输出特性的影响的研究分析，为进行最大功率追踪研究提供了理论基础及研究对比数据，在对光伏发电系统有了清晰的了解之后，项目组对目前关于MPPT策略的研究，已经出现了的方法，包括恒压追踪法、扰动观察法、增量电导法、纹波扰动法、功率计算法、电流寻优法和模糊逻辑控制法等进行了分析研究，这些解决方法有搜索时间和停滞时间过长等不足。本发明在这些最大功率点跟踪技术基础上融入了蚁群、人工免疫算法，使其大规模并行自适应信息处理系统特点应用于最大功率点跟踪，对检测和消除干扰问题显示出精确的调节能力。
发明内容
本发明的目的是为了解决在目前最大功率点跟踪系统需要较长的搜索时间、容易出现早熟、停滞现象，提高光伏发电系统发电效率。本发明提供一套光伏发电系统中基于蚁群、人工免疫混合优化算法的最大功率点跟踪解决方案。蚁群算法在求解复杂组合优化问题上具有强大的优势，它具有正反馈性、并行性、分布性、自组织性等特点。但是，蚁群算法也存在一些不足之处例如，算法需要较长的搜索时间、容易出现早熟、停滞现象。针对蚁群算法中的个体蚂蚁缺乏识别问题特征信息的能力，将免疫算法中疫苗的思想引入到蚁群算法中，提出了蚁群算法与免疫算法的混合算法。将问题的特征信息作为疫苗注射给蚂蚁，使蚂蚁具有免疫的能力，旨在借鉴其他仿生算法的长处，利用其优点弥补蚁群算法的不足，从而提高蚁群算法的求解性能。这些免疫优化算法分别吸收了免疫系统的不同特点，使得优化后的算法，相比较于传统进化算法，在不同方面有了不同程度的改进。应用该算法的电源优化器对电池板进行双重跟踪一方面，它们跟踪最佳的局部MPP ;另一方面，它们将输入电压/电流转换为不同的输出电压/电流，以最大限度提高系统中的能源传输。电源优化器以间接的方式互相连通。它们具有认知和自行组织能力，可以检测自己的电流与电压环境并自行调整，直到整串电池板达到最佳值，同时在电池板级别达到局部最优点。本发明的有益效果是，进一步提高光伏发电设备最大功率点跟踪效率，对检测和 消除干扰问题达到更精确的调节能力，显著提高光伏发电系统的发电性能比。在安装电源优化器之前，设备性能比只有65%，在电池板系统上安装电源优化器之后，即使存在遮蔽阴影、电池板与线路不平衡问题，整体输出功率也提升了 20%，系统的性能比达到前所未有的85%。
图I是本发明的系统原理图。图2是算法的全局流程图。图3是信号示意图。
具体实施例方式图I所示电源优化器保留了久经验证的串联电池板排列方式，并通过只将DC/DC和PMMT功能分布到电池板来实现改进。与此同时，电源优化器架构与现有的多级逆变器完美兼容，实际上将使它们能够更高效地运行，因为总线电压可保持更高水平且更恒定。电源优化器不只限于提升直流/直流转换器的性能，它们既能处理能源多的情况，也能处理能源减少的情况。因反射而增加的辐照(与遮蔽阴影相反的不匹配问题)也可被利用来增加产能。同样电源优化器有能力处理功率变化，方法是给某个串列添加电池板(使该串列产生更多的电量)，或者从某个串列减少一块或两块电池板(从而减少电量)。蚁群算法在求解复杂组合优化问题上具有强大的优势，它具有正反馈性、并行性、分布性、自组织性等特点。但是，蚁群算法也存在一些不足之处例如，算法需要较长的搜索时间、容易出现早熟、停滞现象。针对蚁群算法中的个体蚂蚁缺乏识别问题特征信息的能 力，将免疫算法中疫苗的思想引入到蚁群算法中，提出了蚁群算法与免疫算法的混合算法。将问题的特征信息作为疫苗注射给蚂蚁，使蚂蚁具有免疫的能力，旨在借鉴其他仿生算法的长处，利用其优点弥补蚁群算法的不足，从而提高蚁群算法的求解性能。这些免疫优化算法分别吸收了免疫系统的不同特点，使得优化后的算法，相比较于传统进化算法，在不同方面有了不同程度的改进。例如，引入免疫自我调节机制可以保持种群的多样性，避免优秀基因的流失和过早收敛于局部最优解；引入疫苗接种机制可以充分利用具体问题中已经积累的先验经验，使问题在某些关键部分具备合理的导向性，有利于引导模型快速成熟；引入免疫抗体的记忆机制则使得算法拥有了一定程度的学习能力，自动储存优秀抗体，当相同或者相似抗原再次入侵时，系统可以通过选择性克隆、变异已有记忆抗体，迅速找出对应最优解，缩小了搜索范围，提高了系统的反应速度，并且这种效果是随着工作经验的增加而愈加明显的。具体实现算法如图2所示。应用该算法的电源优化器对电池板进行双重跟踪一方面，它们跟踪最佳的局部MPP;另一方面，它们将输入电压/电流转换为不同的输出电压/电流，以最大限度提高系统中的能源传输。电源优化器以间接的方式互相连通。它们具有认知和自行组织能力，可以检测自己的电流与电压环境并自行调整，直到整串电池板达到最佳值，同时在电池板级别达到局部最优点。当环境温度或者光照强度超出一定范围明显影响到光伏发电系统输出功率时才会启动免疫响应重新追踪最大功率点。因此，免疫响应启动的次数是有限的，只要免疫响应占用的时间相对于光伏发电系统正常工作的时间足够小，一段时间内因免疫响应过程输出功率波动而引起的电能损耗相对于该段时间光伏发电系统整体输出电能足够小，只要数量级能够控制在1000毫秒级，就是优于国际标准的。为了验证免疫优化算法的时效性，抽取了 20组随机温度和光强进行最大功率点跟踪，并记录追踪时间，如图3所示。表中数据显示每次追踪时间主要集中在50ms至200ms之间波动，大大超出系统IOOOms的 要求。
权利要求
1.基于蚁群、人工免疫混合优化算法的最大功率点跟踪光伏系统，将免疫算法中疫苗的思想引入到蚁群算法中，提出了蚁群算法与免疫算法的混合算法。将问题的特征信息作为疫苗注射给蚂蚁，使蚂蚁具有免疫的能力，旨在借鉴其他仿生算法的长处，利用其优点弥补蚁群算法的不足，从而提高蚁群算法的求解性能。这些免疫优化算法分别吸收了免疫系统的不同特点，使得优化后的算法，相比较于传统进化算法，在不同方面有了不同程度的改进。例如，引入免疫自我调节机制可以保持种群的多样性，避免优秀基因的流失和过早收敛于局部最优解；引入疫苗接种机制可以充分利用具体问题中已经积累的先验经验，使问题在某些关键部分具备合理的导向性，有利于引导模型快速成熟；引入免疫抗体的记忆机制则使得算法拥有了一定程度的学习能力，自动储存优秀抗体，当相同或者相似抗原再次入侵时，系统可以通过选择性克隆、变异已有记忆抗体，迅速找出对应最优解，缩小了搜索范围，提高了系统的反应速度，并且这种效果是随着工作经验的增加而愈加明显的。具体实现算法如图2所示。应用该算法的电源优化器对电池板进行双重跟踪一方面，它们跟踪最佳的局部MPP ;另一方面，它们将输入电压/电流转换为不同的输出电压/电流，以最大限度 提高系统中的能源传输。电源优化器以间接的方式互相连通。它们具有认知和自行组织能力，可以检测自己的电流与电压环境并自行调整，直到整串电池板达到最佳值，同时在电池板级别达到局部最优点。
全文摘要
本发明提供一套光伏发电系统中基于蚁群、人工免疫混合优化算法的最大功率点跟踪解决方案。蚁群算法在求解复杂组合优化问题上具有强大的优势，但是也存在一些不足，针对蚁群算法中的个体蚂蚁缺乏识别问题特征信息的能力，将免疫算法中疫苗的思想引入到蚁群算法中，提出了蚁群算法与免疫算法的混合算法。应用该算法的电源优化器对电池板进行双重跟踪一方面，跟踪最佳的局部MPP；另一方面，最大限度提高系统中的能源传输。电源优化器以间接的方式互相连通，它们具有认知和自行组织能力，可以检测自己的电流与电压环境并自行调整，直到整串电池板达到最佳值，同时在电池板级别达到局部最优点。
文档编号H02N6/00GK102651087SQ20111025164
公开日2012年8月29日 申请日期2011年8月30日 优先权日2011年8月30日
发明者李捷 申请人:广西南宁华泰德隆资讯科技有限公司