重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2019, Vol. 33 ›› Issue (11): 148-154.doi: 10.3969/j.issn.1674-8425(z).2019.11.022

• 电气·电子 • 上一篇    下一篇

一种基于迁徙策略的自适应粒子群算法

张红民ａ，巴忠镭ａ，王 艳ｂ，孙成胜ａ   

  1. 重庆理工大学 ａ．电气与电子工程学院；ｂ．计算机科学与工程学院，重庆 ４０００５４
  • 收稿日期:2019-02-28 出版日期:2019-12-18 发布日期:2019-12-18
  • 作者简介:张红民，男，博士，教授，硕士生导师，主要从事图像处理与模式识别研究，Ｅ-ｍａｉｌ：ｈｍｚｈａｎｇ＠ｃｑｕｔ．ｅｄｕ．ｃｏｍ；通讯作者 巴忠镭，男，硕 士 研 究 生， 主要从事电气信息获取与处理技术研究，Ｅ-ｍａｉｌ：ｂａｚｈｏｎｇｌｅｉ＠ｆｏｘｍａｉｌ．ｃｏｍ。
  • 基金资助:
    重庆市基础与前沿研究计划项目（ｃｓｔｃ２０１５ｊｃｊｙＡ４００５１）

  • Received:2019-02-28 Online:2019-12-18 Published:2019-12-18

PDF (PC)

168

赞

摘要： 光伏组件表面因灰尘沉降形成的局部阴影使得光伏阵列功率－电压特性曲线出现多个峰值，从而造成传统的最大功率点跟踪算法失效。粒子群算法因具有良好的全局寻优特性，被应用于局部阴影下的最大功率点追踪中，但仍存在搜索速度慢、精度不高等缺点。基于迁徙策略的自适应粒子群算法采用了自适应系数，其惯性权重和学习因子随着迭代次数的变化而变化，有效地平衡了算法的全局搜索能力和局部寻优能力；同时引入迁徙策略，根据评价算子对粒子种群的多样性进行判断，对多样性低的粒子种群执行迁徙操作，增加种群间的信息交流，跳出局部最优区域。仿真实验结果表明：该算法能避免早熟收敛问题，提高了算法的收敛速度和搜索精度，在静态和动态阴影中都具有良好的追踪效果。

关键词: 最大功率点跟踪, 局部阴影, 粒子群优化算法, 迁徙策略

中图分类号: 

  • ＴＭ３９１．９