IGWO-IP&O算法在光储MPPT控制系统中的应用

doi:10.3778/j.issn.1002-8331.2206-0235

摘要/Abstract

摘要： 局部遮阴情况下光伏阵列的输出功率呈现多峰现象，导致传统MPPT控制算法失效，而基于元启发式算法的MPPT控制功率追踪速度慢，输出功率振荡大。针对上述问题，提出一种基于改进型灰狼优化算法（improved grey wolf optimization algorithm，IGWO）与改进型扰动观察法（improved perturbation and observation method，IP&O）相结合的光伏MPPT控制算法。IGWO采用非线性收敛因子调整策略提高算法适应性，并通过使用改进型莱维飞行与增强型醉汉漫步结合的搜索策略平衡全局搜索与局部寻优的关系。利用IGWO追踪至最大功率点附近，再与可调节扰动步长变化速率的IP&O结合实现最大功率的稳定输出。算法测试实验数据和仿真结果表明，所提出的MPPT控制算法具有快速的追踪速度和高输出精度，且在功率追踪过程中输出振荡小。

关键词: 最大功率点追踪, 元启发式算法, 灰狼算法, 非线性收敛因子, 变步长扰动观察法, 多峰值

Abstract: In the case of partial shading, the output power of photovoltaic array presents multi-peak phenomenon, which leads to the failure of traditional MPPT control algorithm. However, the MPPT control algorithm based on meta-heuristic algorithm has slow power tracking speed and large output power oscillation. To solve the above problems, a photovoltaic MPPT control algorithm based on improved grey wolf optimization algorithm（IGWO） and improved perturbation and observation method（IP&O） is proposed. IGWO adopts a nonlinear convergence factor adjustment strategy to improve the adaptability of the algorithm, and balances the relationship between global search and local optimization by using a search strategy combining improved Levy flight and enhances drunk walk. IGWO is used to track to the vicinity of the maximum power point, and then combines with IP&O, which can adjust the change rate of the disturbance step, the stable output of the maximum power is realized. The experimental data and simulation results show that the proposed MPPT control algorithm has fast tracking speed and high output accuracy, and the output oscillation is small in the process of power tracking.

Key words: maximum power point tracking（MPPT）, meta-heuristic algorithms, gray wolf algorithm, nonlinear convergence factor, variable step perturbation observation method, multi-peak

庞清乐, 郑杨, 马兆兴, 何辰斌. IGWO-IP&O算法在光储MPPT控制系统中的应用[J]. 计算机工程与应用, 2023, 59(20): 306-317.

PANG Qingle, ZHENG Yang, MA Zhaoxing, HE Chenbin. Application of IGWO-IP&O Algorithm in PV Energy Storage MPPT Control System[J]. Computer Engineering and Applications, 2023, 59(20): 306-317.

参考文献

[1] 黎博，陈民铀，钟海旺，等.高比例可再生能源新型电力系统长期规划综述[J].中国电机工程学报，2023，43（2）：555-580.
LI B，CHEN M Y，ZHONG H W，et al.A review of long-term planning of new power systems with large share of renewable energy[J].Proceedings of the CSEE，2023，43（2）：555-580.
[2] 陈国平，梁志峰，董昱.基于能源转型的中国特色电力市场建设的分析与思考[J].中国电机工程学报，2020，40（2）：369-379.
CHEN G P，LIANG Z F，DONG Y.Analysis and reflection on the marketization construction of electric power with Chinese characteristics based on energy transformation[J].Proceedings of the CSEE，2020，40（2）：369-379.
[3] MANOHARAN P，SUBRAMANIAM U，BABU T S，et al.Improved perturb and observation maximum power point tracking technique for solar photovoltaic power generation systems[J].IEEE Systems Journal，2021，15（2）：3024-3035.
[4] 陈景文，张文倩，李晓飞.基于改进电导增量法的光伏MPPT控制[J].智慧电力，2021，49（9）：47-55.
CHEN J W，ZANG W Q，LI X F.Photovoltaic MPPT control based on improved conductance increment method[J].Smart Power，2021，49（9）：47-55.
[5] SABA J，KASHIF I，SHOAIB A S，et al.A simple yet fully adaptive PSO algorithm for global peak tracking of photovoltaic array under partial shading conditions[J].IEEE Transactions on Industrial Electronics，2022，69（6）：5922-5930.
[6] PAN Z，QUYNH N V，ALI Z M，et al.Enhancement of maximum power point tracking technique based on PV-battery system using hybrid bat algorithm and fuzzy controller[J].Journal of Cleaner Production，2020，274（20）：1-16.
[7] LAXMAN B，ANNAMRAJU A，SRIKANTH N V.A grey wolf optimized fuzzy logic based MPPT for shaded solar photovoltaic systems in microgrids[J].International Journal of Hydrogen Energy，2021，46（18）：10653-10665.
[8] BHUKYA L，NANDIRAJU S.A novel photovoltaic maximum power point tracking technique based on grasshopper optimized fuzzy logic approach[J].International Journal of Hydrogen Energy，2020，45（16）：9416-9427.
[9] MIRZA A F，LING Q，JAVED M Y.Novel MPPT techniques for photovoltaic systems under uniform irradiance and partial shading[J].Solar Energy，2019，184（5）：628-648.
[10] RAM J P，PILLAI D S，GHIAS A M M Y，et al.Performance enhancement of solar PV systems applying P&O assisted flower pollination algorithm（FPA）[J].Solar Energy，2020，199（3）：214-219.
[11] FIGUEIREDO S N，AQUINO，R N A L S.Hybrid MPPT technique PSO-P&O applied to photovoltaic systems under uniform and partial shading conditions[J].IEEE Latin America Transactions，2021，19（10）：1610-1617.
[12] 袁清，赵斌，王力，等.基于TSA-P&O混合算法的光伏多峰值MPPT控制[J].电力系统及其自动化学报，2021，33（12）：101-109.
YUAN Q，ZHAO B，WANG L，et al.Multi-peak MPPT of photovoltaic array based on TSA-P&O hybrid algorithm[J].Proceedings of the CSU-EPSA，2021，33（12）：101-109.
[13] 龙文，伍铁斌，唐明珠，等.基于透镜成像学习策略的灰狼优化算法[J].自动化学报，2020，46（10）：2148-2164.
LONG W，WU T B，TANG M Z，et al.Grey wolf optimizer algorithm based on lens imaging learning strategy[J].Acta Automatica Sinica，2020，46（10）：2148-2164.
[14] 杨博，束洪春，朱德娜，等.基于群灰狼优化的光伏逆变器最优无源分数阶PID控制[J].控制与决策，2020，35（3）：593-603.
YANG B，SHU H C，ZHU D N，et al.Grouped grey wolf optimizer based optimal passive fractional-order PID control of photovoltaic inverters[J].Control and Decision，2020，35（3）：593-603.
[15] ALTAN A，KARASU S，ZIO E.A new hybrid model for wind speed forecasting combining long short-term memory neural network，decomposition methods and grey wolf optimizer[J].Applied Soft Computing，2021，100：106996.
[16] 郝芃斐，池瑞，屈志坚，等.求解铁路物流配送中心选址问题的改进灰狼优化算法[J].计算机应用，2021，41（10）：2905-2911.
HAO P F，CHI R，QU Z J，et al.Improved grey wolf optimizer for location selection problem of railway logistics distribution center[J].Journal of Computer Applications，2021，41（10）：2905-2911.
[17] 李伟中，孔令成，王美玲.结合模糊逻辑的自适应灰狼优化算法[J].小型微型计算机系统，2021，42（10）：2023-2030.
LI W Z，KONG L C，WANG M L.Gray wolf optimization algorithm combined with fuzzy logic[J].Journal of Chinese Computer Systems，2021，42（10）：2023-2030.
[18] 徐辰华，骆珠光，吴冠宏，等.基于正弦因子和量子局部搜索的灰狼优化算法[J].计算机工程与应用，2021，57（24）：83-89.
XU C H，LUO Z G，WU G H，et al.Grey wolf optimization algorithm based on sine factor and quantum local search[J].Computer Engineering and Applications，2021，57（24）：83-89.
[19] 王勇亮，王挺，姚辰.基于Kent映射和自适应权重的灰狼优化算法[J].计算机应用研究，2020，37（S2）：37-40.
WANG Y L，WANG T，YAO C.Grey wolf optimization algorithm based on kent mapping and adaptive weight[J].Application Research of Computers，2020，37（S2）：37-40.
[20] 蔡娟.混沌映射与精英高斯扰动的非线性灰狼优化算法[J].计算机工程与设计，2022，43（1）：186-195.
CAI J.Non-linear grey wolf optimization algorithm based on chaotic tent mapping and elite Gauss perturbation[J].Computer Engineering and Design，2022，43（1）：186-195.
[21] TENG Z J，LV J L，GUO L W.An improved hybrid grey wolf optimization algorithm[J].Soft Computing，2019，23（15）：6617-6631.
[22] GUO K，CUI L C，MAO M X，et al.An improved gray wolf optimizer MPPT algorithm for PV system with BFBIC converter under partial shading[J].IEEE Access，2020，8：103476-103490.
[23] 赵超，王斌，孙志新，等.基于改进灰狼算法的独立微电网容量优化配置[J].太阳能学报，2022，43（1）：256-262.
ZHAO C，WANG B，SUN Z X，et al.Optimal configuration optimization of islanded microgrid using improved grey wolf optimizer algorithm[J].Acta Energiae Solaris Sinica，2022，43（1）：256-262.
[24] 王秋萍，王梦娜，王晓峰.改进收敛因子和比例权重的灰狼优化算法[J].计算机工程与应用，2019，55（21）：60-65.
WANG Q P，WANG M N，WANG X F.Improved grey wolf optimizer with convergence factor and proportional weight[J].Computer Engineering and Applications，2019，55（21）：60-65.
[25] 傅文渊.具有万有引力加速机理的布谷鸟搜索算法[J].软件学报，2021，32（5）：1480-1494.
FU W Y.Cuckoo search algorithm with gravitational acceleration mechanism[J].Journal of Software，2021，32（5）：1480-1494.
[26] 刘景森，马义想，李煜.改进鲸鱼算法求解工程设计优化问题[J].计算机集成制造系统，2021，27（7）：1884-1897.
LIU J S，MA Y X，LI Y.Improved whale algorithm for solving engineering design optimization problems[J].Computer Integrated Manufacturing Systems，2021，27（7）：1884-1897.
[27] 吴浩峻，郝启润，聂群，等.基于骑手优化的动态布谷鸟搜索算法[J].计算机应用研究，2022，39（7）：2007-2011.
WU H J，HAO Q R，NIE Q，et al.Dynamic cuckoo search algorithm based on rider optimization[J].Application Research of Computers，2022，39（7）：2007-2011.
[28] 刘炼，付绍昌，黄辉先，等.基于醉汉漫步和反向学习的灰狼优化算法[J].计算机工程与科学，2021，43（9）：1558-1566.
LIU L，FU S C，HUANG H X，et al.A grey wolf optimization algorithm based on drunkard strolling and reverse learing[J].Computer Engineering & Science，2021，43（9）：1558-1566.
[29] 李雅丽，王淑琴，陈倩茹，等.若干新型群智能优化算法的对比研究[J].计算机工程与应用，2020，56（22）：1-12.
LI Y L，WANG S Q，CHEN Q R，et al.Comparative study of several new swarm intelligence optimization algorithms[J].Proceedings of the CSU-EPSA，2020，56（22）：1-12.
[30] 李阳，李维刚，赵云涛，等.基于莱维飞行和随机游动策略的灰狼算法[J].计算机科学，2020，47（8）：291-296.
LI Y，LI W G，ZHAO Y T，et al.Grey wolf algorithm based on levy flight and random walk strategy[J].Computer Science，2020，47（8）：291-296.
[31] NADIMI-SHAHRAKI M H，TAGHIAN S，MIRJALILI S.An improved grey wolf optimizer for solving engineering problems[J].Expert Systems with Applications，2021，166（3）：1-25.
[32] 刘威，郭直清，姜丰，等.协同围攻策略改进的灰狼算法及其PID参数优化[J].计算机科学与探索，2023，17（3）：620-634.
LIU W，GUO Z Q，JIANG F，et al.Improved grey wolf optimizer based on cooperative attack strategy and its PID parameter optimization[J].Journal of Frontiers of Computer Science and Technology，2023，17（3）：620-634.
[33] LI H，YANG D，SU W Z，et al.An overall distribution particle swarm optimization MPPT algorithm for photovoltaic system under partial shading[J].IEEE Transactions on Industrial Electronics，2019，66（1）：265-275.
[34] 高晓芝，高帆，姜枫.光伏直流微网系统的蓄电池新型充放电控制策略[J].电力系统及其自动化学报，2019，31（11）：75-80.
GAO X Z，GAO F，JIANG F.Novel charge-discharge control strategy for battery in photovoltaic DC micro-grid system[J].Proceedings of the CSU-EPSA，2019，31（11）：75-80.
[35] IBRAHIM A，ABOELSAUD R，OBUKHOV S.Improved particle swarm optimization for global maximum power point tracking of partially shaded PV array[J].Electrical Engineering，2019，101（2）：443-455.
[36] MOTAMARRI R，NAGU B.GMPPT by using PSO based on levy flight for photovoltaic system under partial shading conditions[J].IET Renewable Power Generation，2020，14（7）：1143-1155.
[37] PRIYADARSHI N，PADMANABAN S，HOLM-NIELSEN J B，et al.An experimental estimation of hybrid ANFIS-PSO-based MPPT for PV grid integration under fluctuating sun irradiance[J].IEEE Systems Journal，2020，14（1）：1218-1229.
[38] 郑含博，杜齐，郭文豪，等.应用于光储系统中的改进型扰动观察MPPT算法[J].控制理论与应用，2022，39（3）：491-498.
ZHENG H B，DU Q，GUO W H，et al.Improved perturbation and observation MPPT algorithm applied to a hybrid photovoltaic energy storage system[J].Control Theory & Applications，2022，39（3）：491-498.