改进乌鸦算法的光伏阵列MPPT研究

袁建华，何宝林，赵子玮，李 尚，刘 宇

(三峡大学电气与新能源学院，湖北宜昌 443000)

当前，传统化石能源对环境破坏日益严重，而太阳能有洁净、广泛、长久、可再生的特点，得到了广泛利用。但光伏发电受外界影响因数较大，为了使光伏输出功率最大，需要跟踪光伏发电的最大功率点[1]。

最大功率追踪(maximum power point tracking,MPPT)技术是提高光伏系统发电效率的关键技术[2]。当光照均匀时，光伏阵列的P-U曲线只存在一个最大功率峰值点，许多传统方法如扰动观察法、恒定电压法、电导增量法等方法能有效地跟踪到该点[3]。在实际工作过程中，因云层移动与建筑物遮挡等因素使光伏阵列出现局部遮阴的现象，此时光伏阵列的P-U曲线存在多个峰值点，常规的MPPT 算法容易陷入局部极值而导致算法失效[4-5]。针对多峰最大功率追踪问题，学者们对传统MPPT 算法进行改进以及对群体智能优化算法进行了研究。文献[6]在常规扰动观察法(P&O)的基础上加以改进，提出一种滞环比较和面积差结合的变步长算法，能够快速跟踪最大功率点。文献[7]采用粒子群算法(PSO)与扰动观测法结合的算法，能有效缩短达到稳定的时间。文献[8]采用猫群算法与混沌搜索算法相结合，解决猫群算法“早熟”问题。文献[9]模拟布谷鸟寄生育雏行为和莱茵飞行机制，提出布谷鸟搜索算法，具有较高的搜索精度。文献[10]将差分算法和蜂群算法相结合，提高收敛速度。但上述算法存在调节参数多、算法复杂、振荡幅度大的问题。

乌鸦算法(crow search algorithm,CSA)是由Askarzadeh[11]提出的一种新型元启发式智能算法，它通过仿生乌鸦觅食过程中互相窃取与反窃取食物的行为。……