基于遺傳算法和擾動觀察法的MPPT算法
加入技術交流群
4.3遺傳算法重啟時種群初始化
當外界環境變化不大時，新環境下的最大功率點與舊環境相差不大。此時，舊環境的最大功率點可以作為精英個體保留下來，直接進入下一輪搜索。
4.4算法流程圖
該算法的流程圖如圖3所示。
5 仿真結果
5.1 遺傳算法的進化過程
設定MAXGEN=50，Pc=0.9，Nind=20，染色體長度為16，Pmean=0.1，Pmax=0.2，T=25℃，S=800 W／m2，仿真結果如圖4所示。
由圖4可見，算法在第五代時就已經搜索到最大功率點，并且搜索過程中每代種群始終保持較大的多樣性。
5.2 穩定光強下的階躍響應
設定MAXGEN=15，Cmax=2 500，△Pmax=40，△D=0.000 01，Pc=0.9，種群個體數Nind=20，染色體長度為16，Pmean=0.1，Pmax=0.2，T=25℃。考查算法對光強從200～800 W／m2的階躍響應，仿真結果見圖5。
由圖5可見，該算法具有良好的搜索速度和穩定性。為了提高搜索速度還可以減小遺傳算法執行時間，在接近最大功率點時由擾動觀察法來執行搜索。
5.3光強劇烈變化下的階躍響應
在光強上疊加一個幅度為5 W／m2的隨機噪聲，參數設置與第5.2節相同，對算法進行仿真，仿真結果見圖6。
由圖6可見，該算法具有良好的抗干擾性能，在劇烈干擾下仍然可以準確搜索到最大功率點。
6結 語
在此把遺傳算法和傳統的擾動觀察法相結合提出了一種新的MPPT算法，并在Matlab中進行了仿真。由仿真實驗可以看出，通過遺傳算法的應用，該算法具有極好的抗干擾能力和良好的搜索速度，通過減小擾動觀察法的擾動步長，算法可以穩定地工作在最大功率點。
評論