本发明属于新能源领域，特别涉及一种基于蜣螂优化算法的光伏系统部分阴影mppt控制方法。
背景技术：
1、在全球能源危机日益严重的背景下，清洁能源和可再生能源的开发与应用成为研究热点。光伏(pv)系统作为一种重要的可再生能源技术，通过将太阳能直接转化为电能，为全球能源供应提供了一种清洁、无污染的解决方案。然而，光伏阵列在实际应用中常常受到部分遮挡的影响，例如云层、树叶、建筑物等遮挡物。这些遮挡会导致光伏阵列的功率-电压(p-u)特性曲线表现出动态多峰值特征，给传统的最大功率点跟踪(mppt)技术带来了巨大挑战。在部分遮挡条件下，光伏阵列的输出特性会出现多个局部峰值，而传统的单极值寻优算法如恒定电压法、扰动观察法、电导微增量法等，往往难以跳出局部极值点，导致光伏电池的输出功率无法达到最大值。这不仅降低了电池的效率，也使得能源利用率不高，影响了光伏系统的整体性能。
2、现有的mppt技术在复杂光照条件下，面临着一系列技术难题。首先，收敛速度慢是一个主要问题，传统算法在寻找最大功率点时需要较长的时间，导致系统响应滞后。其次，跟踪效率低也是一个关键问题，传统算法在动态环境中难以准确跟踪最大功率点，导致能量损失。最后，传统算法在接近最大功率点时容易产生振荡现象，进一步增加了功率损失。于是有学者提出基于群智能算法的光伏mppt技术，极大改善了光伏阵列的功率输出，但现有群智能算法易出现过早收敛、收敛精度低、收敛速度慢、陷入局部最优等问题，尤其在复杂阴影下光伏阵列mppt控制方面，传统智能算法效果也不太理想。
3、因此亟待提出一种局部阴影下可以实现最大功率点高精度快速追踪的光伏阵列mppt控制方法。
技术实现思路
1、本发明的目的在于提供一种基于蜣螂优化算法的光伏系统部分阴影mppt控制方法，用于传统算法追踪速度慢、精度较低且功率波动大的问题，以此来提高局部阴影下光伏发电系统mppt控制效率。
2、为实现上述技术效果，本发明所采用的技术方案是：
3、1)不同种类蜣螂个体的位置被定义为占空比；选取i只蜣螂个体，初始化所有蜣螂个体搜索的空间位置，设置迭代次数，占空比被用来调节光伏系统的输出功率；
4、2)当光伏系统处于稳定状态时，测量负载两端的输出电压和流过负载的电流；
5、3)计算蜣螂个体在t时刻的输出功率；
6、4)通过贪婪选择比较各个蜣螂的对应功率，得到最佳占空比及其最优功率值；
7、5)判断是否全部监测完毕，若是则输出并保持最佳占空比，若否则继续；
8、6)判断外界光照条件是否发生变化，若是则执行算法重启策略，否则继续维持最优占空比输出；
9、进一步地，所述步骤1)的具体内容为：
10、11)将所有蜣螂个体按照6：6：7：11的比例划分为滚球蜣螂、觅食蜣螂、繁殖蜣螂和小偷蜣螂；不同蜣螂将按照不同的更新策略进行位置更新；
11、进一步地，所述步骤中11)中的不同蜣螂位置跟新策略如下。
12、滚球蜣螂通过天体线索保持粪球在直线上滚动，位置更新公式为：
13、xi(t+1)＝xi(t)+α×k×xi(t-1)+b×δx,
14、δx＝∣xi(t)-xw∣
15、其中，t表示当前迭代次数，xi(t)表示第i只蜣螂在t次迭代时的位置信息，k∈(0,0.2]表示一个常数值，b表示(0，1)之间的一个常数，α是赋值为-1或1的自然系数，1表示无偏差，-1表示偏离原方向。xw表示全局最差位置，δx用于模拟光强的变化。
16、当蜣螂遇到障碍，无法前进时，它通过跳舞重新挑战前进方向。使用切线函数来模拟蜣螂的舞蹈行为，以获得一条新的滚动方向。一旦蜣螂成功地确定了一个新的方向，他就会继续向前滚动粪球。因此，蜣螂跳舞行为的位置更新如下：xi(t+1)＝xi(t)+tan(θ)∣xi(t)-xi(t-1)∣
17、其中θ∈[0,π]，如果θ等于0或π/2时，将不会更新蜣螂的位置。
18、繁殖蜣螂会选择一个安全的地点进行产卵，位置更新公式为：bi(t+1)＝x*+b1×(bi(t)-lb*)+b2×(bi(t)-ub*)
19、其中，bi(t)为第t次迭代时第i个孵化球的位置信息。b1和b2表示两个独立大小为1×d的随机向量，d表示优化问题的维数。孵化球的位置被严格限制在产卵区域。
20、孵化成功的卵会变成小蜣螂，小蜣螂会在最佳区域附近觅食，小蜣螂的位置更新公式为：
21、xi(t+1)＝xi(t)+c1×(xi(t)-lbb)+c2×(xi(t)-ubb)
22、式中，xi(t)表示第t次迭代时第i只小蜣螂的位置信息，c1表示遵循正态分布的随机数，c2表示属于(0,1)的随机向量。
23、一些蜣螂会从其他蜣螂那里偷粪球，小偷蜣螂的位置更新公式为：xi(t+1)＝xb+s×g×(∣xi(t)-x*∣+∣xi(t)-xb∣)
24、式中，xi(t)为第t次迭代时第i个偷窃蜣螂的位置信息，g为大小为1×d的随机向量，服从正态分布，s为常数值。
25、进一步地，步骤6)种所述的算法重启策略为：
26、
27、式中，ppvnew和ppvold分别表示光伏系统当前时刻和上一时刻的输出功率。
28、进一步地，所述方法通过在一个复杂阴影条件下的光伏系统模型中进行了最大功率点追踪性能验证；
29、进一步地，所述光伏发电系统仿真模型包括：光伏阵列、boost电路、负载、mppt算法模块；mppt控制器根据采集到的光伏系统工作电压及功率，调节输出占空比，控制光伏发电系统工作电压，从而实现最大功率点追踪。
30、与现有技术相比，本发明的有益效果是：
31、本发明提出了一种基于蜣螂优化算法(dbo)的光伏系统mppt控制方法，dbo中的种群分类和边界选择策略机制使得它拥有更好的gm全局勘探和局部收敛性能。所提出的dbo技术解决了其他生物启发式技术收敛和稳定时间长、功率振荡突变、适应性差的问题。此外，它能够以更少的迭代达到gm，同时保证在gm处的功率零振荡。
1.一种基于蜣螂优化算法的光伏系统部分阴影mppt控制方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于蜣螂优化算法的光伏系统部分阴影mppt控制方法，其特征在于，所述步骤1)的具体内容为：
3.根据权利要求2所述的一种基于蜣螂优化算法的光伏系统部分阴影mppt控制方法，其特征在于，所述步骤中11)中的不同蜣螂位置跟新策略为：
4.根据权利要求2所述的一种基于蜣螂优化算法的光伏系统部分阴影mppt控制方法，其特征在于，步骤6)种所述的算法重启策略为：
5.根据权利要求1所述的一种基于蜣螂优化算法的光伏系统部分阴影mppt控制方法，其特征在于，所述方法通过在一个复杂阴影条件下的光伏系统模型中进行了最大功率点追踪性能验证。
6.根据权利要求1所述的一种基于蜣螂优化算法的光伏系统部分阴影mppt控制方法，其特征在于，所述光伏发电系统仿真模型包括：光伏阵列、boost电路、负载、mppt算法模块；mppt控制器根据采集到的光伏系统工作电压及功率，调节输出占空比，控制光伏发电系统工作电压，从而实现最大功率点追踪。
