宋曉飛

【摘 要】針對傳統(tǒng)的光伏最大功率點跟蹤（maximum power point tracking，MPPT）技術(shù)因外界環(huán)境發(fā)生變化而導(dǎo)致失效這一現(xiàn)象，本文采用粒子集群算法與Tent混沌算法相結(jié)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(yīng)調(diào)整混沌搜索空間，搜索到最優(yōu)位置產(chǎn)生的Tent混沌序列，從而找出最優(yōu)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(yōu)越性。

【關(guān)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(yōu)化算法，目前已經(jīng)廣泛應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練、濾波器設(shè)計、聚類分析等多個領(lǐng)域并且取得了良好的應(yīng)用效果。然而它與其他的進(jìn)化算法發(fā)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(yīng)Tent混沌搜索人工蟻群算法的對比

設(shè)定光伏陣列的光照強(qiáng)度及溫度參數(shù)同圖1。初始化設(shè)定引領(lǐng)蜂為5只，跟隨蜂總數(shù)為5只，即蜜蜂群體總數(shù)為10只，限定次數(shù)為5次，總?cè)哼M(jìn)化代數(shù)為l000我們利用ABC與SATCABC算法仿真得到函數(shù)最優(yōu)解隨進(jìn)化代數(shù)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(biāo)函數(shù)最優(yōu)值（這里最優(yōu)值為最小值）時，SATCABC算法的性能要明顯優(yōu)于傳統(tǒng)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(fā)現(xiàn)通過SATCABC算法所獲得的全局最優(yōu)值精度較高[2]。

2 靜態(tài)特性分析

針對光伏MPPT的應(yīng)用，原ABC算法中，為了避免單一蜜源開采次數(shù)過多，設(shè)定limit值，即經(jīng)過limit次迭代后解的質(zhì)量若無提高，則引領(lǐng)蜂變?yōu)閭刹榉?，隨機(jī)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(chǎn)生，許多專家研究出了多種基于混沌序列的ABC優(yōu)化算法。利用混沌序列與ABC算法結(jié)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(yōu)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(yōu)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(yōu)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(jié)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(yōu)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(jù)根據(jù)計算出的概率選擇蜜源，再在該蜜源附近產(chǎn)生新的蜜源，并計算新蜜源的適應(yīng)值，觀察蜂會根據(jù)貪心算法而選擇蜜源。而放棄蜜源的的引領(lǐng)蜂將變成偵察蜂，在偵察蜂尋找蜜源時，利用自適應(yīng)動態(tài)調(diào)整混沌搜索空間，最后以迄今為止搜索到的最優(yōu)位置產(chǎn)生Tent混沌序列，并將序列中的最優(yōu)解作為新蜜源的位置，跳出局部最優(yōu)。

3 動態(tài)特性分析

在上小節(jié)的討論中，均為光伏陣列處于光照強(qiáng)度和溫度不變時進(jìn)行的，而實際應(yīng)用中，二者是時變的，仿真設(shè)定引領(lǐng)蜂總數(shù)為2，跟蹤蜂總數(shù)為80溫度為25℃不變，僅改變光照強(qiáng)度。初始設(shè)定光伏陣列中1C，1D光照強(qiáng)度為_500W/m2;2D光照強(qiáng)度為：100 W/m2;其余組件為參考光照強(qiáng)度700 W/m2;在4s時光照強(qiáng)度升高，其中1C，1D光照強(qiáng)度為700 W/m2;2D光照強(qiáng)度為：100 W/m2;其余組件為參考光照強(qiáng)度1000 W/m2;8 s時，光照強(qiáng)度再次改變，其中1C，1D光照強(qiáng)度為500W/m2;2D光照強(qiáng)度為：100 W/m2;其余組件為參考光照強(qiáng)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?qū)庹諒?qiáng)度的改變做出快速響應(yīng);在4s時，光照強(qiáng)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(jié)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(jù)外界環(huán)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(yōu)點，實驗中使用本文所提出的SATCABC算法，該最優(yōu)值精度最高提高了18.12 W。由于算法具有一定的隨機(jī)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(yōu)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(jié)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(yōu)化性能以及應(yīng)用效果而應(yīng)用于越來越多領(lǐng)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(yīng)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(yīng)用的范圍廣，算法穩(wěn)定性較強(qiáng)。在尋找最優(yōu)問題上有著較大的優(yōu)勢。

參考文獻(xiàn)：

[1]么艷香，葉林，屈曉旭，王偉勝，李湃，董凌.風(fēng)-光-水多能互補發(fā)電系統(tǒng)？分析模型[J/OL].電力自動化設(shè)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(shù)及應(yīng)用[J].焦作大學(xué)學(xué)報，2019，33（03）：85-89.

（作者單位：嘉興學(xué)院）