一种用于MPPT的改进型遗传算法

发布时间：2025-06-21 02:56

　　 在众多最大功率点跟踪(MPPT)算法中,遗传算法具有收敛速度快的优点,但实际应用中其存在准确率较低、在最大功率点附近摆动的问题,所以在传统遗传算法的基础上引入扰动观察法来提高遗传算法的准确率,并将改进型遗传算法和传统遗传算法进行了仿真对比。结果表明,改进型遗传算法具有更高的准确率,可提高光伏阵列的发电效率。

【文章页数】：4 页

【部分图文】：

图1P-V曲线单峰情况1030V/V50204060050

操作产生新一代的种群，每代种群中适应度最大值记为bi；达到预设的迭代次数后算法停止，bi的最大值就是算法找到的最大输出功率P，公式为：P=Max{bi}(1)1.2.3传统遗传算法的测试和分析经过大量的仿真测试，传统遗传算法能找到最大功率点的概率为63.7%，其找到最大功率点的情....

图2P-V曲线多峰情况1030V/V50204060050

代种群中适应度最大值记为bi；达到预设的迭代次数后算法停止，bi的最大值就是算法找到的最大输出功率P，公式为：P=Max{bi}(1)1.2.3传统遗传算法的测试和分析经过大量的仿真测试，传统遗传算法能找到最大功率点的概率为63.7%，其找到最大功率点的情况如图3a所示。而传统遗....

P2可得到扰动方向sgn为：图4改进型遗传算法流程图否是停止Pmax=Pn到施加扰动后的电压U1=Uo–Δu、U2=Uo+Δu，对应的输出功率为P1

SOLARENERGY11/201961到施加扰动后的电压U1=Uo–Δu、U2=Uo+Δu，对应的输出功率为P1、P2。对比P1、P2可得到扰动方向sgn为：sgn=(2)最后在该Uo点处施加n次扰动，可知第i次扰动时的输出电压为：Ui=Uo+isgnΔu(3)比较扰动后各点的....

图3传统遗传算法的最大功率点搜索结果示意图103050204060100200050150V/Vc.在最大功率点附近摆动

进型遗传算法实现的流程图如图4所示。算法运行后随机选取10个样本点作为初始种群，通过采样、计算获得对应的适应度，保存该代最优个体；经过选择、复制、交叉、变异等操作后得到第二代种群，第二代种群保存最优个体；再经过选择复制等操作得到下一代种群，直到满足迭代次数要求后停止迭代。比较各代....

本文编号：4051805