混沌改进猫群算法及其在光伏MPPT中的应用

摘要：

针对猫群(cat swarm optimization，CSO)算法具有易陷入局部极值点的“早熟”问题和跟踪精度差的问题，提出一种混沌改进猫群算法，并运用于光伏最大功率点跟踪。该算法利用logistic混沌序列的遍历性、随机性和规律性，解决了猫群算法的“早熟”问题。通过引入惯性权重因子w，同时使不同适应度值的猫对应不同的记忆池(seeking memory pool，SMP)，较大适应度的猫将获得较多的变异猫，提高了跟踪精度。仿真和实验验证了所提改进猫群算法的有效性和可行性，该算法能够很好地应用于光伏最大功率点跟踪，不但提高了跟踪精度，而且通过适当减小变异猫的总数，能够花费较少的收敛时间获得较优的最大功率点值，进而提高了光伏发电的效率。

关键词：猫群算法、logistic混沌序列、光伏阵列、最大功率点跟踪、多峰值特性

所属期刊栏目：36

分类号：TM46(变压器、变流器及电抗器)

资助基金：国家自然科学基金项目51467013。Project Supported by National Natural Science Foundation of China 51467013

在线出版日期：2016-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：6103-6110