一种基于改进MVO算法的PV-TEG混合系统重构方法与流程

一种基于改进mvo算法的pv-teg混合系统重构方法
技术领域
1.本发明属于光伏发电技术领域，具体涉及一种基于改进mvo算法的pv-teg混合系统重构方法。


背景技术：

2.太阳能作为一种取之不尽用之不竭的能源因其清洁无污染性而广受人们关注。但光伏(pv)电池转换效率低，易受外界环境影响和自身建造工艺不完善等问题依然是当前一大亟待解决的问题。光伏阵列在运行过程中难免会由于飞鸟、云层、附近建筑物以及间距设置不合理等因素而产生部分阴影遮挡问题，这种随机不规则的部分阴影遮挡会使光伏输出变得十分不稳定。同时光伏阵列中被遮挡的电池单元由于输出电流降低，导致阵列整体输出电压被施加到该单元，使其变成负载消耗电能产生热量，损坏电池和系统。
3.温差发电(teg)是利用半导体热电材料的热电特性，将热能直接转化为电能的环境友好型发电技术。其依靠p型和n型半导体两端的温度差，利用赛贝克效应向外输送电能，具有绿色、无污染和无噪声等优势，具有广阔的应用前景。在pv组件发电过程中，pv组件的表面温度高于环境温度。特别是在部分遮阴下，pv组件的发热更为严重。因此，为高效利用pv组件表面热能，实现光伏组件的主动冷却，减少部分遮阴带来的不良影响，pv-teg混合发电技术应运而生。
4.混合系统在部分遮阴条件下工作时会因为功率失配而损失能量，致使输出特性曲线出现多峰值，而部分遮阴问题又无法绝对避免。重构技术是解决该问题的有效手段之一，对阵列内的组件排列方式进行不同形式的组合，当产生部分阴影时，阴影的实际位置被均匀分散开，达到了均衡每行电流、减少多峰值数目的目的。该技术不仅降低了光伏系统对全局最大功率点追踪精度的要求，同时也提升了功率输出，因此，提出一种行之有效的光伏阵列重构方法具有极为重要的现实意义。


技术实现要素：

5.本发明的目的是为克服现有技术的不足，针对现有研究多采用群智能算法进行光伏阵列重构，但所提方法输出功率提高受限，失配损耗较高，功率提升百分比较低，且伴随着收敛速度不高和收敛精度低的问题，本发明提出一种基于改进mvo算法的pv-teg混合系统重构方法，该方法利用改进的多元宇宙优化(imvo)算法进行pv-teg混合系统重构，使得光伏阵列获得最大的功率输出，可有效缓解部分遮阴对混合系统有功输出的影响，减少系统功率损耗，改善混合系统阵列在遮阴情况下i-u和p-u输出特性曲线出现多峰值的问题。
6.本发明采用的技术方案为：一种基于改进mvo算法的pv-teg混合系统重构方法，包括如下步骤：
7.s1：建立pv-teg混合系统数学模型；
8.s2：以pv-teg混合系统输出功率最大为目标，建立待优化的目标函数；
9.s3：确定pv-teg混合系统电气开关状态量应满足的约束条件；
10.s4：对标准mvo算法进行改进；
11.s5：建立pv-teg混合系统重构后输出特性的衡量指标；
12.s6：基于改进mvo算法的pv-teg混合系统重构流程。
13.具体的，所述步骤s1：建立pv-teg混合系统数学模型。pv阵列多采用全交叉型(tct)结构，光伏组件首先通过串联形成组件串，组件串再经过并联形成tct型结构的pv阵列。对于尺寸为“m
×
n”的pv阵列，其中第i行第j列对应组件m
ij
在光辐照度g
ij
下产生的电流为i
ij
，其计算公式为：
[0014][0015]
式中：i
mij
表示组件m
ij
在光辐照度g0下产生的电流，g0＝1000w/m2(常温25℃)，部分遮阴情况下，小于1000w/m2。
[0016]
pv阵列的输出功率为：
[0017][0018]
式中：vi、ii分别表示pv阵列第i行的电压和电流。
[0019]
teg阵列采用串并联(sp)结构，对于尺寸为“m
×
n”的teg阵列，每个组件可以等效成一个电压源和一个电阻串联，其输出功率可以表示为：
[0020][0021]
式中：r
teg
、i
teg
分别表示在工作时总的电阻和电流，计算公式为：
[0022][0023][0024]
式中：rj表示第j列的电阻；vj表示第j列的总电压。其中rj由第j列所有行的电阻相加，第i行第j列组件的电阻受工作温度的影响，可以表示为：
[0025]rij
(t
av
)＝-2.597+0.014t
av
[0026]
式中：t
av
为组件两端温度的平均值。
[0027]
实际应用中，pv-teg混合系统将teg组件直接连接在pv组件的背面，整个混合系统的输出可以表示为：
[0028]
p
pv-teg
＝p
pv
+p
teg
[0029]
具体的，所述步骤s2：以pv-teg混合系统输出功率最大为目标，建立待优化的目标函数。pv-teg混合系统重构是根据不同的阴影模式，通过调整整个系统中组件的连接方式，确定最佳的连接方式下光伏阵列每一行的功率之和最大，因此建立目标函数：
[0030]
f＝max(p
pv-teg
)＝max(p
pv
+p
teg
)
[0031]
具体的，所述步骤s3：确定pv-teg混合系统电气开关状态量应满足的约束条件。进行光伏阵列重构时，每个组件仅与同一列中的另一个组件交换，即组件改变的是行序号。因
此，由电气开关状态构成的重构变量应满足约束条件：
[0032][0033]
式中：x
i,j
为第i行、第j列组件的序号。
[0034]
teg阵列中，每个组件仅与同行的另一个组件交换，改变的是列序号，因此，电气开关的状态量应该满足如下约束：
[0035][0036]
具体的，所述步骤s4：对标准mvo算法进行改进。标准mvo算法的具体描述如下：
[0037]
假设一个由n个宇宙组成的群在d维目标空间中搜索最优解，将其初始化如下：
[0038][0039]
式中：表示第i个宇宙的第j个参数，计算公式为：
[0040][0041]
式中：xi表示第i个宇宙；ni(xi)表示第i个宇宙的归一化膨胀率；r1为[0,1]之间的随机数；表示利用轮盘赌机制选择出的第i个宇宙的第k个参数。
[0042]
宇宙之间通过虫洞随机传送物质以保证种群多样性，同时都与最优宇宙交换物质以提高膨胀率，这一过程的数学模型可以表示为：
[0043][0044]
式中：xj表示当前最好宇宙的第j个参数；ubj表示第j个变量的上边界；lbj表示第j个变量的下边界；r2、r3、r4表示[0,1]之间的随机数；w
ep
表示虫洞存在概率；t
dr
表示虫洞旅行距离率。w
ep
、t
dr
计算公式如下：
[0045][0046][0047]
式中：w
epmax
、w
epmin
分别表示的最大、最小值，分别取0.2、1；l表示当前迭代次数；l
表示最大迭代次数；p表示算法的开发精度，取值为6。
[0048]
为了进一步提高mvo算法在对delm参数寻优过程中的搜索能力和收敛性能力，对传统mvo算法进行改进。改进方式包括以下三点：
[0049]
1)引入螺旋更新策略强化算法全局搜索能力，计算公式为：
[0050][0051]
式中：表示第i个宇宙的第j个参数；xj表示当前最好宇宙的第j个参数；b表示度量螺旋形态的系数，m为[0,1]间的随机数。
[0052]
2)采用指数形式对虫洞旅行距离率进行更新。具体更新公式为：
[0053][0054]
式中：t
dr
表示虫洞旅行距离率；q为介于0到6000之间的常数；l表示当前迭代次数；l表示最大迭代次数。
[0055]
3)引入自适应压缩系数(λ)来改变当前最优域的位置。具体更新公式为：
[0056][0057]
通过引入上述改进策略，公式(6)可以写为：
[0058][0059]
具体的，所述步骤s5：建立pv-teg混合系统重构后输出特性的衡量指标。可以采用失配损耗p
mis
和功率提升百分比λ进行衡量，具体计算公式为：
[0060]
p
mis
＝p
pv-teg-p
pv-teg.ps
[0061][0062]
式中：p
pv-teg
表示无部分遮阴时混合系统的最大输出功率；p
pv-teg,ps
表示部分遮阴条件下混合系统的最大输出功率；p
pv-teg1
为重构前混合系统的最大输出功率；p
pv-teg2
表示重构后混合系统最大输出功率。
[0063]
具体的，所述步骤s6：建立pv-teg混合系统重构后输出特性的衡量指标。进一步地，基于改进mvo算法的pv-teg混合系统重构流程。包括以下主要步骤：
[0064]
1)通过传感器收集pv-teg阵列的输出电流、电压、辐照度等数据；
[0065]
2)初始化算法初始参数，将p
mis
最小、λ最大作为算法的适应度函数，并计算初始适应度值；
[0066]
3)构造目标函数和约束条件；
[0067]
4)利用imvo对重构模型进行求解，更新局部最优解，确定全局最优解，根据适应度函数不断更新最优解；
[0068]
5)判断是否达到最大迭代次数，若达到最大迭代次数，则输出最优阵列排列和最
大输出功率，否则不断执行步骤4)直至满足算法终止条件。
[0069]
本发明的有益效果：现有研究多采用群智能算法进行光伏阵列重构，但所提方法输出功率提高受限，失配损耗较高，功率提升百分比较低，且伴随着全局搜索能力不高和收敛精度低的问题，为解决现有技术不足，本发明提出一种基于改进mvo算法的pv-teg混合系统重构方法，该方法利用改进的mvo算法进行光伏阵列重构，使得光伏阵列获得最大的功率输出，相比于标准mvo算法，改进算法收敛性能进一步提升，且相比于传统智能算法，可获得更小的失配损耗和更大的功率提升百分比。
附图说明
[0070]
图1为本发明基于改进mvo算法的pv-teg混合系统重构方法流程；
[0071]
图2为本发明实施例中四种对比算法在pv-teg混合系统重构过程中得到的输出功率随算法迭代次数的变化曲线；
[0072]
图3为本发明实施例中大小为9
×
9的pv-teg混合阵列在长宽型遮阴情况下重构前、后混合系统的辐照情况；
[0073]
图4为本发明实施例中大小为9
×
9的pv-teg混合阵列在短窄型遮阴情况下重构前、后混合系统的辐照情况；
[0074]
图5为本发明实施例中大小为9
×
9的pv-teg混合阵列在长宽型遮阴情况下利用imvo算法进行重构后的i-u和p-u曲线；
[0075]
图6为本发明实施例中大小为9
×
9的pv-teg混合阵列在短窄型遮阴情况下利用imvo算法进行重构后的i-u和p-u曲线。
具体实施方式
[0076]
下面将利用实施例对所提方法进行有效性验证，并结合附图对本发明实施例中的技术方案进行清楚、完整地描述。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0077]
如附图1所示，一种基于改进mvo算法的pv-teg混合系统重构方法流程，主要包括以下主要步骤：
[0078]
s1：建立pv-teg混合系统数学模型；
[0079]
s2：以pv-teg混合系统输出功率最大为目标，建立待优化的目标函数；
[0080]
s3：确定pv-teg混合系统电气开关状态量应满足的约束条件；
[0081]
s4：对标准mvo算法进行改进；
[0082]
s5：建立pv-teg混合系统重构后输出特性的衡量指标；
[0083]
s6：基于改进mvo算法的pv-teg混合系统重构流程。
[0084]
为了验证所提方法的有效性，通过matlab/simulink仿真软件模拟大小为9
×
9的pv-teg混合阵列在2种典型的辐照类型(长宽型、短窄型)造成的阴影评估imvo算法的阵列重构性能，并与标准mvo算法、粒子群优化算法(pso)、遗传算法(ga)对比，探究imvo的性能。长宽型遮阴情况下，混合阵列出力受限于五种大小的光辐照度，分别为900w/m2、800w/m2、600w/m2、400w/m2、200w/m2。短窄型遮阴情况下，混合阵列出力受限于五种大小的光辐照度，分别为900w/m2、800w/m2、700w/m2、400w/m2、300w/m2。
[0085]
为更好设置对照比较，将所有算法的迭代次数设置为200次，种群规模设置为25。经过仿真，两种遮阴情况下重构前系统输出有功分别为12.93kw、13.39kw，在全光照条件下混合阵列最大输出功率为17.63kw，重构后得到各对比方法的失配损耗及功率提升百分比如表1、2所示，以长宽型遮阴情况为例，以适配损失为适应度函数，得到该情况下各个对比方法的收敛曲线如图2所示。在两种遮阴情况下，利用imvo算法对阵列进行重构，得到重构前、后的辐照情况附图3、4所示，并画出两种遮阴情况下混合阵列重构前、后的i-u和p-u曲线如图5、6所示。
[0086]
表1失配损耗对比
[0087][0088]
表2功率提升百分比对比
[0089][0090]
从图2可知，mvo算法迭代19次后就快速收敛，但获得的输出功率最低(约为14.21kw)，pso算法也仅获得了约14.35kw的输出功率，寻优效果并不理想，imvo在迭代12次后收敛，收敛速度优于mvo、ga(72次)和pso(45次)，并且获得了最高的输出功率。因此，imvo可以在更少的迭代次数内找到相对最优解。基于上述讨论可知，imvo相较于改进前的算法，全局搜索能力和收敛精度都有所提升。
[0091]
从图3、4可以看出，重构前整个阵列辐照度不均衡，重构后，阵列的部分遮阴情况被均衡分布到整个阵列中，可有效降低遮阴对混合系统有功输出的影响。从表1可知，混合系统在两种典型遮阴情况下，利用算法对混合系统重构，重构后系统的失配损耗降低，系统输出功率得到提升，其中基于imvo重构后的失配损耗最低，重构效果最好，两种遮阴情况下失配损耗分别降低了2.63kw、1.81kw。从表2可以看出，基于imvo重构后平均功率提升百分比最高，对减轻遮阴影响的效果最明显。从图5、6中曲线可以看出，利用算法对混合系统进行重构，缓解了其在遮阴情况下i-u和p-u输出特性曲线出现多峰的问题。在遮阴情况下，输出功率曲线的多峰问题容易导致在最大功率点跟踪时陷入局部最大值的问题。通过图表分析，相比于标准mvo算法，imvo的全局搜索能力和收敛精度有显著改善，验证了改进方法的有效性，且相比于其他优化算法，重构后可得到更高的功率输出，说明改进方法的优越性。
[0092]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的得同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

技术特征：
1.一种基于改进mvo算法的pv-teg混合系统重构方法，包括如下步骤：s1：建立pv-teg混合系统数学模型；s2：以pv-teg混合系统输出功率最大为目标，建立待优化的目标函数；s3：确定pv-teg混合系统电气开关状态量应满足的约束条件；s4：对标准mvo算法进行改进；s5：建立pv-teg混合系统重构后输出特性的衡量指标；s6：基于改进mvo算法的pv-teg混合系统重构流程。2.根据权利要求1所述的一种基于改进mvo算法的pv-teg混合系统重构方法，其特征在于，步骤s1中，建立pv-teg混合系统数学模型；pv阵列多采用全交叉型(tct)结构，光伏组件首先通过串联形成组件串，组件串再经过并联形成tct型结构的pv阵列；对于尺寸为“m
×
n”的pv阵列，其中第i行第j列对应组件m
ij
在光辐照度g
ij
下产生的电流为i
ij
，其计算公式为：式中，表示组件m
ij
在光辐照度g0下产生的电流，g0＝1000w/m2(常温25℃)，部分遮阴情况下，小于1000w/m2；pv阵列的输出功率为：式中，v
i
、i
i
分别表示pv阵列第i行的电压和电流；teg阵列采用串并联(sp)结构，对于尺寸为“m
×
n”的teg阵列，每个组件可以等效成一个电压源和一个电阻串联，其输出功率可以表示为：式中，r
teg
、i
teg
分别表示在工作时总的电阻和电流，计算公式为：分别表示在工作时总的电阻和电流，计算公式为：式中，r
j
表示第j列的电阻；v
j
表示第j列的总电压；其中r
j
由第j列所有行的电阻相加，第i行第j列组件的电阻受工作温度的影响，可以表示为：r
ij
(t
av
)＝-2.597+0.014t
av
式中，t
av
为组件两端温度的平均值；实际应用中，pv-teg混合系统将teg组件直接连接在pv组件的背面，整个混合系统的输出可以表示为：p
pv-teg
＝p
pv
+p
teg
。3.根据权利要求1所述的一种基于改进mvo算法的pv-teg混合系统重构方法，其特征在
于，所述步骤s2中，以pv-teg混合系统输出功率最大为目标，建立待优化的目标函数；pv-teg混合系统重构是根据不同的阴影模式，通过调整整个系统中组件的连接方式，确定最佳的连接方式下光伏阵列每一行的功率之和最大，因此建立目标函数：f＝max(p
pv-teg
)＝max(p
pv
+p
teg
)。4.根据权利要求1所述的一种基于改进mvo算法的pv-teg混合系统重构方法，其特征在于，所述步骤s3中，确定pv-teg混合系统电气开关状态量应满足的约束条件；进行光伏阵列重构时，每个组件仅与同一列中的另一个组件交换，即组件改变的是行序号；因此，由电气开关状态构成的重构变量应满足约束条件：式中，x
i,j
为第i行、第j列组件的序号；teg阵列中，每个组件仅与同行的另一个组件交换，改变的是列序号，因此，电气开关的状态量应该满足如下约束：5.根据权利要求1所述的一种基于改进mvo算法的pv-teg混合系统重构方法，其特征在于，所述步骤s4中，对标准mvo算法进行改进；改进方式包括以下三点：(1)引入螺旋更新策略强化算法全局搜索能力，计算公式为：式中，表示第i个宇宙的第j个参数；x
j
表示当前最好宇宙的第j个参数；b表示度量螺旋形态的系数，m为[0,1]间的随机数；(2)采用指数形式对虫洞旅行距离率进行更新；具体更新公式为：式中，t
dr
表示虫洞旅行距离率；q为介于0到6000之间的常数；l表示当前迭代次数，l表示最大迭代次数；(3)引入自适应压缩系数(λ)来改变当前最优域的位置；具体更新公式为：6.根据权利要求1所述的一种基于改进mvo算法的pv-teg混合系统重构方法，其特征在于，所述步骤s5中，建立pv-teg混合系统重构后输出特性的衡量指标，可以采用失配损耗p
mis
和功率提升百分比λ进行衡量，具体计算公式为：p
mis
＝p
pv-teg-p
pv-teg.ps
式中，p
pv-teg
表示无部分遮阴时混合系统的最大输出功率；p
pv-teg,ps
表示部分遮阴条件下混合系统的最大输出功率；p
pv-teg1
为重构前混合系统的最大输出功率；p
pv-teg2
表示重构后混合系统最大输出功率。7.根据权利要求1和5、6所述的一种基于改进mvo算法的pv-teg混合系统重构方法，其特征在于，所述步骤s6中，进一步地，基于改进mvo算法的pv-teg混合系统重构流程；包括以下主要步骤：1)通过传感器收集pv-teg阵列的输出电流、电压、辐照度等数据；2)初始化算法初始参数，将p
mis
最小、λ最大作为算法的适应度函数，并计算初始适应度值；3)构造目标函数和约束条件；4)利用imvo对重构模型进行求解，更新局部最优解，确定全局最优解，根据适应度函数不断更新最优解；5)判断是否达到最大迭代次数，若达到最大迭代次数，则输出最优阵列排列和最大输出功率，否则不断执行步骤4)直至满足算法终止条件。

技术总结
本发明涉及本发明提出一种基于改进MVO算法的PV-TEG混合系统重构方法：首先，建立光伏-温差发电（PV-TEG）混合系统数学模型，以PV-TEG混合系统输出功率最大为目标，建立待优化的目标函数，并确定出PV-TEG混合系统电气开关状态量应满足的约束条件；然后，为了进一步提高多元宇宙（MVO）算法在模型求解过程中的搜索能力和收敛性能力，对标准MVO算法进行改进，并建立PV-TEG混合系统重构后输出特性的衡量指标；最后，通过软件仿真，基于改进MVO（IMVO）算法进行PV-TEG混合系统重构验证所提方法的有效性与优越性。结果仿真分析，所提方法可有效缓解部分遮阴对混合系统有功输出的影响，减少系统功率损耗，改善混合系统阵列在遮阴情况下I-U和P-U输出特性曲线出现多峰值的问题，相比于传统方法，改进算法具有更优的全局搜索能力和收敛特性。敛特性。敛特性。


技术研发人员：元亮 王鑫 苗桂喜 王继勇 连勇 呼建礼 闫娇 王丽晔 赵悠悠 郑惠瀛 梁悦 王悠然 刘远哲 崔哲芳 王远 孟红杰 马永星
受保护的技术使用者：国网河南省电力公司安阳供电公司
技术研发日：2023.05.15
技术公布日：2023/8/14