A two-stage MPPT controller with energy-regret coordination and transition memory for PV systems under complex partial shading conditions
Dieses Paper schlägt ER-ISSA-IVY vor, einen neuartigen zweistufigen hybriden MPPT-Regler, der einen verbesserten Sparrow Search Algorithm mit einem Ivy-Algorithmus integriert, koordiniert durch eine Energy-Regret-Regel und einen Transition-Memory-Mechanismus, um eine hohe statische und dynamische Effizienz bei gleichzeitiger Minimierung von Probing-Verlusten und Überschwingen unter komplexen Teilverschattungsbedingungen zu erreichen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Solaranlagen sind die Arbeitspferde der erneuerbaren Energiewende, doch sie sind überraschenderweise fragil, wenn es um ihre Umgebung geht. Eine Photovoltaik-Anlage ist darauf ausgelegt, an einem bestimmten „Sweet Spot“ zu arbeiten, an dem sie den meisten Strom erzeugt – ein Zustand, der als maximaler Leistungspunkt bekannt ist. Unter perfektem, gleichmäßigem Sonnenlicht ist das Auffinden dieses Punktes unkompliziert; die Beziehung zwischen Spannung und Leistung sieht wie ein einfacher Hügel mit einem einzelnen Gipfel aus. Die reale Welt ist jedoch selten perfekt. Wolken, Staub und nahegelegene Gebäude werfen oft Schatten, die ungleichmäßig über eine Solaranlage fallen. Wenn dies geschieht, ändern sich die elektrischen Eigenschaften der Paneele auf komplexe Weise, wodurch eine Leistungslandschaft entsteht, die weniger wie ein einzelner Hügel und mehr wie eine zerklüftete Gebirgskette mit vielen Gipfeln unterschiedlicher Höhe aussieht. Der höchste Gipfel stellt die wahre maximale Leistung dar, aber es gibt viele kleinere, täuschende Gipfel in der Nähe.
Seit Jahrzehnten ist die Standardmethode zur Verfolgung dieser Leistung ein einfacher „Bergsteig-Ansatz“. Der Regler bewegt das System leicht, prüft, ob die Leistung gestiegen ist, und bewegt sich dann in diese Richtung weiter. Das funktioniert gut auf einem einzelnen Hügel, führt aber in einer Gebirgslandschaft aus Schatten oft dazu, dass das System auf dem Gipfel eines kleinen, lokalen Berges landet und den viel größeren, globalen Gipfel unberührt lässt. Das System begnügt sich dann mit weniger Energie, als es produzieren könnte, wobei es manchmal einen erheblichen Teil der verfügbaren Leistung verliert. Um dies zu lösen, haben Forscher sich Methoden zugewandt, die von der Natur inspiriert sind, wie etwa Vogelschwärme oder Insektenschwärme, die die gesamte Landschaft erkunden, um den höchsten Punkt zu finden. Doch selbst diese fortgeschrittenen Methoden stehen vor einem Dilemma: Sie müssen die Zeit, die mit der Suche in der gesamten Region verbracht wird, gegen die Energie abwägen, die verloren geht, während sie noch suchen. Jeder Moment, der damit verbracht wird, einen falschen Punkt zu testen, ist Energie, die nicht geerntet wird.
Ein Team von Forschern der Guangdong Ocean University und der Guangdong Power Grid hat einen neuen Regler entwickelt, der darauf ausgelegt ist, dieses schwierige Gelände intelligenter zu navigieren. Ihr Ansatz, der in einer kürzlich veröffentlichten Studie beschrieben wurde, kombiniert zwei unterschiedliche Strategien in einem einzigen, zweistufigen System. Die erste Stufe fungiert wie ein weiträumiger Späher, der eine verbesserte Version eines „Sparrow Search“-Algorithmus (Sperlingssuche) verwendet, um den gesamten Spannungsbereich abzusuchen und das allgemeine Gebiet des höchsten Gipfels zu lokalisieren. Die zweite Stufe fungiert wie ein präziser Kletterer, der eine Methode nutzt, die dem Wachstum von Efeu nachempfunden ist, um die Suche zu verfeinern und den exakten Gipfel mit minimalem Wackeln zu fixieren. Die Innovation liegt nicht nur in der Kombination dieser beiden Methoden, sondern darin, wie das System entscheidet, wann es vom breiten Suchmodus in den präzisen Klettermodus wechselt.
Die Forscher führten eine Regel basierend auf „Energie-Reue“ (Energy Regret) ein. Vereinfacht gesagt berechnet das System ständig, ob der potenzielle Gewinn aus der Fortsetzung der Suche den Energieaufwand wert ist, den es derzeit verliert, weil es nicht am optimalen Punkt ist. Wenn die Mathematik nahelegt, dass die weitere Suche mehr Energie kosten wird, als sie wahrscheinlich zurückgewinnen kann, stoppt das System die breite Suche und wechselt sofort in den präzisen Klettermodus. Dies verhindert, dass der Regler Zeit damit verschwendet, Bereiche zu erkunden, die bereits ausgeschlossen wurden oder in denen die Rendite zu gering ist. Darüber hinaus verfügt das System über eine Form des Gedächtnisses. Wenn sich die Sonne verschiebt und sich das Schattenmuster ändert, prüft der Regler, ob er dieses spezifische Muster der Veränderung schon einmal gesehen hat. Wenn ja, erinnert er sich an die Position des Gipfels, den er beim letzten Mal gefunden hat, und beginnt seine Suche dort, anstatt ganz von vorn anzufangen. Dieser „Warmstart“ ermöglicht es dem System, sich viel schneller zu erholen, wenn bekannte Wolkenmuster über die Paneele ziehen.
Das Team testete diesen neuen Regler, den sie ER-ISSA-IVY nannten, gegenüber einer Vielzahl bestehender Methoden unter Verwendung detaillierter Computersimulationen von Solaranlagen. Sie unterzogen das System Szenarien, die von gleichmäßiger Sonneneinstrahlung bis hin zu schweren, komplexen Beschattungsmustern reichten, die mehrere verwirrende Gipfel erzeugen. In statischen Tests, bei denen die Beschattung unverändert blieb, fand der neue Regler den wahren höchsten Gipfel zu einhundert Prozent der Zeit und tat dies schneller und mit weniger Oszillation als die anderen getesteten Methoden. In dynamischen Tests, bei denen sich das Sonnenlicht schnell änderte, um ziehende Wolken über das Array zu simulieren, hielt der Regler einen dynamischen Wirkungsgrad von 94,35 Prozent aufrecht. Das bedeutet, dass er im Laufe eines wechselhaften Tages fast die gesamte theoretisch verfügbare Energie eingefangen hat und damit die Standardmethoden, die oft auf niedrigeren Gipfeln stecken bleiben, deutlich übertraf.
Die Forscher simulierten auch den Betrieb des Reglers mit einem realen Stromwandler, der die Hardware ist, die den Stromfluss steuert. In diesen Tests zeigte das neue System eine bemerkenswerte Stabilität und produzierte sehr wenig elektrisches „Rippel“ oder Überschwingen – Fluktuationen, die die Hardware belasten können. Bei einem Test gegen ein historisches Sonnenlichtprofil, das aus Satellitendaten für einen ganzen Tag in Algerien abgeleitet wurde, erreichte der Regler einen integrierten Tageswirkungsgrad von 99,99 Prozent. Dieses Ergebnis deutet darauf hin, dass das System über den Verlauf eines ganzen Tages im Vergleich zum theoretischen Maximum fast keine Energie verloren hat. Die Studie beinhaltete auch einen spezifischen Test, bei dem die Forscher die „Gedächtnis“-Funktion und die „Energie-Reue“-Regel jeweils einzeln entfernten, um zu sehen, welcher Teil am wichtigsten war. Die Ergebnisse zeigten, dass beide Merkmale einzigartig beitrugen: Die „Energie-Reue“-Regel half dem System, schnell auf wechselnde Wolken zu reagieren, während die „Gedächtnis“-Funktion half, schneller zu reagieren, wenn sich dieselben Schattenmuster wiederholten.
Obwohl die Ergebnisse beeindruckend sind, weisen die Autoren vorsichtig darauf hin, dass diese Erkenntnisse aus Simulationen stammen und nicht von einem physischen Solarpark im Feld. Die Studie beweist, dass die Logik in einer kontrollierten digitalen Umgebung funktioniert, aber reale Bedingungen beinhalten Sensorrauschen und Hardwarebeschränkungen, die in der Simulation nicht vollständig vorhanden waren. Die Forscher planen, im Rahmen von Hardware-Experimenten vorzugehen, um zu sehen, wie der Regler unter tatsächlichen Feldbedingungen abschneidet. Vorerst bietet die Arbeit einen überzeugenden Entwurf dafür, wie Solarsysteme intelligenter werden können, indem sie über einfaches „Hill-Climbing“ hinausgehen und eine anspruchsvollere Strategie verfolgen, die die Kosten der Suche gegen den Wert der gefundenen Energie abwägt. Durch das Gleichgewicht zwischen Exploration und Exploitation und durch das Erinnern an vergangene Lektionen bietet dieser neue Ansatz einen Weg, um die maximale Leistung aus der Sonne zu extrahieren, selbst wenn der Himmel nicht perfekt klar ist.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.