作者：李梦佳1, 谷志锋1, 阮振鹏1, 杨轶轩2, 李伦迪1, 张晓亮1, 孔子君1
作者单位：1. 石家庄铁道大学电气与电子工程学院，河北 石家庄 050043;
2. 北京全路通信信号研究设计院集团有限公司，北京 100070
关键词：局部阴影;MPPT;环形结构;非线性变异;MIRPSO
摘要：
为解决局部阴影条件下传统智能算法最大功率点跟踪（maximum power point tracking, MPPT）波动剧烈、收敛效果不佳等问题，采用个体位置变异环形粒子群(particle swarm optimization, PSO)优化策略，实现惯性权重与学习因子非线性变化，提高种群遍历性，均衡全局搜索与局部收敛能力，形成一种非线性变异改进环形粒子群（mutation improved ring particle swarm optimization, MIRPSO）MPPT新算法。将MIRPSO算法与传统PSO算法进行数字仿真对比与分析，实验结果表明：在多峰值寻优过程中，采用MIRPSO算法，最大功率追踪时间可缩短57.5%，追踪误差仅为2.5‰，功率振荡减弱，电能损失减小，在光照强度突变及温度持续变化时，同样可以重新准确定位到全局最大功率点。
Photovoltaic nonlinear mutation ring particle swarm MPPT algorithm
LI Mengjia1, GU Zhifeng1, RUAN Zhenpeng1, YANG Yixuan2, LI Lundi1, ZHANG Xiaoliang1, KONG Zijun1
1. School of Electrical and Electrics Engineering, Shijiazhuang Tiedao University, Shijiazhuang 050043, China;
2. CRSC Research & Design Institute Group Co., Ltd., Beijing 100070, China
Abstract: In order to solve the problems of severe fluctuation and poor convergence effect of traditional intelligent algorithm maximum power point tracking ( MPPT ) under local shadow conditions, the particle swarm optimization ( PSO ) optimization strategy with individual position variation is adopted to realize the nonlinear change of inertia weight and learning factor, improve the population ergodicity and balance the global search and local convergence ability. A new MPPT algorithm of nonlinear mutation improved ring particle swarm optimization ( MIRPSO ) is formed. The comparison and analysis of digital simulation results between MIRPSO algorithm and traditional PSO algorithm show that in the process of multi-peak optimization, the maximum power tracking time is shortened by 57.5%, and the tracking error is only 2.5‰. The power oscillation is weakened, and the power loss is reduced. When the light intensity changes suddenly and the temperature changes continuously, the global maximum power point can also be relocated accurately.
Keywords: local shadow;MPPT;ring structure;nonlinear variation;MIRPSO
2022, 48(12):118-124 收稿日期: 2022-04-26;收到修改稿日期: 2022-05-29
基金项目: 国家自然基金项目(51407196，51677180)；河北省自然基金项目(E2017506007)；河北省重点研发计划项目(20354501D)；河北省专项研发项目(SJMYF2022X13)；石家庄市军民融合项目(201060104A)；2020石家庄铁道大学校级研究生创新资助项目(YC2020065)
作者简介: 李梦佳(1998-),女,河北唐山市人,硕士研究生,专业方向为直流微电网稳定性分析与控制研究
参考文献
[1] 花赟昊, 朱武, 郭启明. 光伏发电系统MPPT算法研究综述[J]. 电源技术, 2020, 44(12): 1855-1858
[2] 李天博, 褚俊, 陈坤华. 基于粒子群算法的MPPT仿真及应用[J]. 电力电子技术, 2012, 46(1): 7-9
[3] 陈维荣, 王伟颖, 郑义斌, 等. 局部阴影光伏发电系统中基于改进PSO的MPPT控制[J]. 西南交通大学学报, 2018, 53(6): 1095-1101+1129
[4] 王雅, 曾成碧, 付文雯. 基于蚁群算法的局部阴影光伏最大功率跟踪算法[J]. 内蒙古师范大学学报(自然科学汉文版), 2015, 44(4): 523-527
[5] 刘春娟, 郑丽君, 孙赟赟, 等. 基于改进型细菌觅食算法的MPPT[J]. 太阳能学报, 2021, 42(9): 83-89
[6] 杨海柱, 岳刚伟, 康乐. 基于粒子群优化算法和电导增量法的多峰值MPPT控制[J]. 电源学报, 2019, 17(6): 128-136
[7] 胡林静, 刘凯, 杨明文. 基于粒子群遗传算法的光伏MPPT控制研究[J]. 电测与仪表, 2019, 56(14): 23-27
[8] 邹子君, 杨俊华, 杨金明. 基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制[J]. 电机与控制应用, 2017, 44(10): 13-18
[9] 周元贵, 陈启卷, 何昌炎, 等. 局部阴影下光伏阵列建模及多峰值MPPT控制[J]. 太阳能学报, 2016, 37(10): 2484-2490
[10] 郭昆丽, 刘璐雨, 蔡维正. 基于混合算法的光伏多峰值MPPT研究[J]. 电源技术, 2021, 45(8): 1040-1043
[11] 丁爱华, 卢子广, 卢泉, 等. 基于改进PSO的复杂环境下光伏MPPT控制[J]. 太阳能学报, 2015, 36(2): 408-413
[12] 徐广治. 非线性群智能优化及其应用研究[D]. 北京: 北京邮电大学, 2019.
[13] SHAMI T M, El-SALEH A A, ALSWAITTI M, et al. Particle swarm optimization: a comprehensive survey[J]. IEEE Access, 2022, 10: 10031-10061
[14] WANG X, ZHANG H, FAN S, et al. Coverage control of sensor networks in IoT bsed on RPSO[J]. IEEE Internet of Things Journal, 2018, 5(5): 3521-3532
[15] 王立乔, 鲍利斌, 孙孝峰. 基于变异粒子群算法的光伏系统最大功率点跟踪研究[J]. 太阳能学报, 2016, 37(3): 743-751
