基于LF-ATSO算法在光伏系统MPPT中的研究OA北大核心CSTPCD

在复杂遮荫工况下,传统MPPT策略在面对多峰值现象时易陷入局部最大功率点(LMPP),而基于元启发式算法的最大功率点跟踪策略也存在寻优精度不高、追踪时间慢等问题。为解决上述问题,文中构建Lévy飞行-自适应金枪鱼群算法(LF-ATSO)。首先,采用基于Circle混沌映射的反向学习策略合理分配初始化种群以提高种群遍历性;其次,改进参数a用以调整最优个体和前一个体的比重,提高收敛速度;然后,嵌入Lévy flight策略提高算法全局搜索能力,帮助其跳出局部最优;最后,加入算法重启机制以应对复杂变化工况。将改进后的TSO算法与未改进TSO算法、PSO算法、改进GWO算法进行仿真对比,实验结果表明,改进后的TSO算法在静态、动态复杂遮荫工况下均能够更快、更精准地追踪到全局最大功率点(GMPP)。