基于混合增强型原子搜索优化算法的并网光伏系统 PI 控制器优化设计

《Scientific Reports》：DC-link voltage control of grid-iegrated solar photovoltaic system using hybrid enhanced atom search optimization

　　

摘要

原子搜索优化（ASO）源于物理学，是一种受自然界启发的算法，基于原子和分子动力学原理。它模拟了原子和分子的运动及相互作用力，利用了Lennard–Jones（L-J）势等概念的力量。作用于分子上的力（如吸引力、排斥力以及由拉伸或压缩引起的力）被用来引导搜索空间中的导航，以寻找最佳可行解或全局最优值。在这项研究中，ASO被应用于优化设计用于并网光伏（GCPV）系统中的比例-积分（PI）控制器。在并网运行过程中，最优的PI控制器对于调节直流链路电压至关重要。为了提高ASO的收敛性能，引入了一种名为混合增强型ASO（HASO）的新方法。HASO融合了来自Black Widow优化（BWO）的“蜘蛛机制”，以处理因速度更新而移出搜索空间边界的原子。这种“蜘蛛机制”引导下的原子优化选择确保了算法遵守搜索空间的边界，同时允许优化算法搜索和探索新的解决方案，并有效利用搜索空间内的新解。所提出的HASO算法在多种单峰和多峰基准函数上进行了测试，包括Sphere、Rosenbrock、Rastrigin、Griewank、Ackley、Schwefel、Zakharov和Levy等函数。仿真研究结果表明，与传统ASO相比，HASO显著提高了收敛速度和优化效率。改进后的算法能够在较少的迭代次数内找到最优解，展现出其在复杂优化任务中的鲁棒性。HASO还通过为逆变器设计PI控制器得到了进一步验证。该算法在稳态和动态条件下进行了测试，考虑了不同的辐照水平和并网光伏系统中的负载变化。使用HASO优化的控制器增益值在所有测试条件下均表现出优于文献中报道的传统控制器，提高了系统稳定性和响应性，并使总谐波失真保持在5%以下。这项研究凸显了HASO在提升优化性能方面的有效性，例如在电力电子系统中的高级控制器设计中。