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 

单位：南昌大学信息工程学院; 江西省南昌市330031