一种基于改进布谷鸟算法的极值搜索控制方法及应用*

黄政雨 ， 白玉婷

（1.杭州电子科技大学经济学院，浙江 杭州 310018；2.黔南民族师范学院计算机与信息学院，贵州 黔南州 558000）

0 引言

化石燃料的减少和环境污染的加剧是当今世界面临的重要发展问题[1]。太阳能的利用具有成本低、环境友好、零碳排放和自然资源丰富等优点，受到广大科研人员的青睐[2]。由于不确定的环境影响，太阳能电池功率-电压（P-V）曲线是非线性的，需要一个最大功率点跟踪（MPPT）控制器确保在任何环境下太阳能电池都保持最大功率工作[3]。

极值搜索控制方法（ESC）一般针对不确定复杂动力学模型，通过动态调整动力学参数和反馈控制实现这些系统的最优控制[4]。太阳能光伏系统所处外界环境复杂，最优稳态模型不确定，传统最优控制难以应用，因此可采用极值搜索控制方法实现动态环境下的最大功率点跟踪（MPPT）控制[5]。

传统MPPT 控制技术，例如增量电导法（INC）、扰动和观测方法（P&O）基于梯度下降原理，无法区分局部最优和全局最优值[6]。基于智能优化的MPPT控制技术，例如蚁群算法（ACO）、灰狼算法（GWO）等由于其随机性的特点，动态性能参差不齐且系统振荡过多，工业应用困难[7]。课题组研究了一种基于改进布谷鸟算法（CS）的极值搜索控制方法，并进行了仿真实验以验证方法性能。首先，介绍控制系统动力学模型；其次，介绍基于改进布谷鸟算法的极值搜索控制方法；再次，进行实验测试；最后，对全文进行总结。

1 太阳能光伏系统动力学模型

一般的太阳能光伏系统由三个部分组成，即太阳能电池、DC-DC 转换电路和MPPT 控制器。……