混合智能算法在光伏mppt上的應用

宋曉飛

【摘 要】針對傳統的光伏最大功率點跟蹤（maximum power point tracking，MPPT）技術因外界環境發生變化而導致失效這一現象，本文采用粒子集群算法與Tent混沌算法相結合的Tent混沌搜索人工蜂群算法，通過利用映射初始種群，讓個體盡可能分布均勻，再利用自適應調整混沌搜索空間，搜索到最優位置產生的Tent混沌序列，從而找出最優解?；旌现悄芩惴梢源蟠筇岣咚阉鞯乃俣群途?，仿真實驗驗證了該算法的優越性。

【關鍵詞】光伏陣列;最大功率點跟蹤;Tent混沌序列

人工蟻群算法（簡稱ABC算法）是2005年提出的一種新型的優化算法，目前已經廣泛應用于人工神經網絡訓練、濾波器設計、聚類分析等多個領域并且取得了良好的應用效果。然而它與其他的進化算法發展一樣，在研究的初期還尚有大量的問題需要研究與解決[1]。

1 人工蟻群算法與自適應Tent混沌搜索人工蟻群算法的對比

設定光伏陣列的光照強度及溫度參數同圖1。初始化設定引領蜂為5只，跟隨蜂總數為5只，即蜜蜂群體總數為10只，限定次數為5次，總群進化代數為l000我們利用ABC與SATCABC算法仿真得到函數最優解隨進化代數變化對比曲線圖，如圖1所示。

從圖1中ABC算法與SATCABC算法對比圖可以看出，在尋找目標函數最優值（這里最優值為最小值）時，SATCABC算法的性能要明顯優于傳統ABC算法。

除此之外，為驗證ABC算法在引入Tent混沌序列后，能夠有效的避免該算法的“早熟”弊端，仿真采用ABC算法和SATCABC算法各運行100次，不難發現通過SATCABC算法所獲得的全局最優值精度較高[2]。

2 靜態特性分析

針對光伏MPPT的應用，原ABC算法中，為了避免單一蜜源開采次數過多，設定limit值，即經過limit次迭代后解的質量若無提高，則引領蜂變為偵查蜂，隨機確定一個新蜜源的位置，來豐富種群的多樣性?；谶@些問題的產生，許多專家研究出了多種基于混沌序列的ABC優化算法。利用混沌序列與ABC算法結合能夠提高算法收斂速度以及精度。而在多種基于混沌算法的ABC算法里面Logistic的混沌搜索蜂群優化算法以及Tent混沌搜索人工蜂群算法（SATC-ABC）最為常用。由于基于Logistic混沌的ABC算法在尋優速度上受到Logistic遍歷不均勻影響，算法效率會降低，因此我們這里使用遍歷均勻且有更快收斂速度的Tent混沌人工蜂群算法。

Tent混沌人工蟻群算法具有遍歷均勻性和迭代速度快的優勢，很好地填補了Logistic混沌ABC算法上的不足。而Tenct人工蟻群算法主要是ABC算法與Tent混沌序列的結合，而在引入Tent混沌序列后，因為混沌映射具有遍歷均勻性以及迭代速度快的特優勢。算法開始利用Tent映射初始化種群，使得初始個體盡可能分布均勻，然后按照ABC算法的基本步驟，對新蜜源的搜索以及觀察蜂根據根據計算出的概率選擇蜜源，再在該蜜源附近產生新的蜜源，并計算新蜜源的適應值，觀察蜂會根據貪心算法而選擇蜜源。而放棄蜜源的的引領蜂將變成偵察蜂，在偵察蜂尋找蜜源時，利用自適應動態調整混沌搜索空間，最后以迄今為止搜索到的最優位置產生Tent混沌序列，并將序列中的最優解作為新蜜源的位置，跳出局部最優。

3 動態特性分析

在上小節的討論中，均為光伏陣列處于光照強度和溫度不變時進行的，而實際應用中，二者是時變的，仿真設定引領蜂總數為2，跟蹤蜂總數為80溫度為25℃不變，僅改變光照強度。初始設定光伏陣列中1C，1D光照強度為_500W/m2;2D光照強度為：100 W/m2;其余組件為參考光照強度700 W/m2;在4s時光照強度升高，其中1C，1D光照強度為700 W/m2;2D光照強度為：100 W/m2;其余組件為參考光照強度1000 W/m2;8 s時，光照強度再次改變，其中1C，1D光照強度為500W/m2;2D光照強度為：100 W/m2;其余組件為參考光照強度800 W/m2。仿真運300次，得到圖2。

從上圖可以得知，ABC算法存在過早收斂問題，即易陷入局部極值點，而SATCABC算法很好的解決了這一問題;ABC和SATCABC算法均能夠對光照強度的改變做出快速響應;在4s時，光照強度增大，此時ABC算法，即圖2中黑色線，己運行83次，平均每次0.0482 s，而SATCABC算法運行了92次，平均每次0.043_5 s。由此可知，? SATCABC算法收斂時間較ABC較短，且能夠有效的跟蹤到GMPP精度更高。

4實驗結果

由圖3不難得出，ABC算法和SATCABC算法均具有較好的魯棒性，能夠根據外界環境的改變，快速確定新的最大功率點。圖3中CIABC算法跟蹤精度較ABC算法較高，ABC算法易陷入局部最優點，實驗中使用本文所提出的SATCABC算法，該最優值精度最高提高了18.12 W。由于算法具有一定的隨機性，且實驗存在一定的誤差，圖中顯示個別情況，ABC算法獲得的最優功率值略高于SATCABC算法。求得一天中的平均△P值為0.49.52 W，而圖3中一天的平均最大功率值為46.20 W，即后的算法使得單位時間所獲得的功率值高了1.07%。

5 結論

人工蟻群算法是一種簡單、高效且新穎的算法。而也因算法的良好優化性能以及應用效果而應用于越來越多領域之中。但由于算法由于仍處在研究的初期階段，尚有許多的問題需要研究與解決。自適應Tent混沌搜索人工蟻群算法不僅能夠填補了ABC算法上的缺點與不足，而且應用的范圍廣，算法穩定性較強。在尋找最優問題上有著較大的優勢。

參考文獻：

[1]么艷香，葉林，屈曉旭，王偉勝，李湃，董凌.風-光-水多能互補發電系統？分析模型[J/OL].電力自動化設備，2019（10）：1-6.

[2]付路路.電站鍋爐不銹鋼管受熱面磁性檢測技術及應用[J].焦作大學學報，2019，33（03）：85-89.

（作者單位：嘉興學院）