A two-stage MPPT controller with energy-regret coordination and transition memory for PV systems under complex partial shading conditions
Questo articolo propone ER-ISSA-IVY, un nuovo controllore MPPT ibrido a due stadi che integra un algoritmo di ricerca del passero migliorato con un algoritmo Ivy, coordinati da una regola di rimpianto dell'energia e un meccanismo di memoria di transizione, per ottenere un'elevata efficienza statica e dinamica minimizzando al contempo le perdite di sonda e il sovraelongamento in condizioni complesse di ombreggiamento parziale.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
I pannelli solari sono i cavalli di battaglia della transizione verso le energie rinnovabili, ma sono sorprendentemente fragili per quanto riguarda il loro ambiente. Un array fotovoltaico è progettato per operare in un punto ottimale specifico dove genera la massima elettricità, uno stato noto come punto di massima potenza. Sotto una luce solare perfetta e uniforme, trovare questo punto è semplice; la relazione tra tensione e potenza appare come una semplice collina con una singola vetta. Tuttavia, il mondo reale è raramente perfetto. Nuvole, polvere e edifici vicini spesso proiettano ombre che cadono in modo non uniforme su un array solare. Quando ciò accade, le caratteristiche elettriche dei pannelli cambiano in modi complessi, creando un paesaggio di potenza che assomiglia meno a una singola collina e più a una catena montuosa accidentata con molte vette di diverse altezze. La vetta più alta rappresenta la vera massima potenza, ma ci sono molte altre vette minori e ingannevoli nelle vicinanze.
Per decenni, il metodo standard per tracciare questa potenza è stato un semplice approccio di "scalata della collina". Il controller sposta leggermente il sistema, controlla se la potenza è aumentata e continua a muoversi in quella direzione. Questo funziona bene su una singola collina, ma in una catena montuosa di ombre, spesso porta il sistema sulla cima di una piccola vetta locale, lasciando intatta la vetta globale molto più grande. Il sistema si accontenta di meno energia di quella che potrebbe produrre, perdendo talvolta una frazione sostanziale della potenza disponibile. Per risolvere questo problema, i ricercatori si sono rivolti a metodi ispirati alla natura, come stormi di uccelli o sciami di insetti, che esplorano l'intero paesaggio per trovare il punto più alto. Eppure, anche questi metodi avanzati affrontano un dilemma: devono bilanciare il tempo trascorso a cercare in tutto l'intervallo rispetto all'energia persa mentre stanno ancora cercando. Ogni momento trascorso a testare un punto sbagliato è energia che non viene raccolta.
Un team di ricercatori della Guangdong Ocean University e della Guangdong Power Grid ha sviluppato un nuovo controller progettato per navigare in questo terreno complicato in modo più intelligente. Il loro approccio, descritto in uno studio recente, combina due strategie distinte in un unico sistema a due fasi. La prima fase agisce come un esploratore a lungo raggio, utilizzando una versione migliorata di un algoritmo di "ricerca dello spazzolo" (sparrow search) per setacciare l'intero intervallo di tensione e individuare l'area generale della vetta più alta. La seconda fase agisce come un scalatore preciso, utilizzando un metodo modellato sulla crescita delle piante di edera per perfezionare la ricerca e agganciarsi alla vetta esatta con un minimo di oscillazione. L'innovazione non risiede solo nel combinare questi due metodi, ma nel modo in cui il sistema decide quando passare dalla ricerca ampia alla scalata precisa.
I ricercatori hanno introdotto una regola basata sul "rimpianto energetico". In termini semplici, il sistema calcola costantemente se il guadagno potenziale dal continuare la ricerca valga l'energia che sta attualmente perdendo per il fatto di non trovarsi nel punto ottimale. Se la matematica suggerisce che l'ulteriore ricerca costerà più energia di quanta sia probabile recuperare, il sistema interrompe la ricerca ampia e passa immediatamente alla modalità di scalata precisa. Questo evita al controller di sprecare tempo esplorando aree che sono già state escluse o dove il ritorno sull'investimento è troppo basso. Inoltre, il sistema include una forma di memoria. Se il sole si sposta e il modello di ombreggiatura cambia, il controller controlla se ha già visto questo specifico schema di cambiamento prima. Se lo ha, ricorda la posizione della vetta trovata l'ultima volta e inizia la sua ricerca da lì, invece di ricominciare da capo. Questo "riavvio a caldo" permette al sistema di recuperare molto più velocemente quando modelli di nuvole familiari si muovono sopra i pannelli.
Il team ha testato questo nuovo controller, che hanno chiamato ER-ISSA-IVY, contro una varietà di metodi esistenti utilizzando simulazioni dettagliate al computer di array solari. Hanno sottoposto il sistema a scenari che vanno dalla luce solare uniforme a schemi di ombreggiatura severi e complessi che creano molteplici vette confuse. Nei test statici in cui l'ombreggiatura non cambiava, il nuovo controller ha trovato la vera vetta più alta il 100 percento delle volte, riuscendoci più velocemente e con meno oscillazioni rispetto agli altri metodi testati. Nei test dinamici, in cui la luce solare cambiava rapidamente per simulare il movimento delle nuvole attraverso l'array, il controller ha mantenuto un'efficienza energetica dinamica del 94,35 percento. Ciò significa che, nel corso di una giornata variabile, ha catturato quasi tutta l'energia che era teoricamente disponibile, superando significativamente i metodi standard che spesso rimangono bloccati su vette inferiori.
I ricercatori hanno anche simulato il funzionamento del controller con un convertitore di potenza reale, ovvero l'hardware che gestisce il flusso di elettricità. In questi test, il nuovo sistema ha mostrato una stabilità notevole, producendo pochissimo "ripple" elettrico o sovraelongazione (overshoot), che sono fluttuazioni che possono stressare l'hardware. Quando testato contro un profilo storico di luce solare derivato da dati satellitari per un'intera giornata in Algeria, il controller ha raggiunto un'efficienza integrata giornaliera del 99,99 percento. Questo risultato suggerisce che, nel corso di un'intera giornata, il sistema ha perso quasi nulla rispetto al massimo teorico. Lo studio ha incluso anche un test specifico in cui i ricercatori hanno rimosso la funzione di "memoria" e la regola del "rimpianto energetico" una alla volta per vedere quale parte fosse più importante. I risultati hanno mostrato che entrambi i componenti contribuivano in modo unico: la regola del rimpianto energetico aiutava il sistema a reagire rapidamente alle nuvole mutevoli, mentre la funzione di memoria aiutava a recuperare più velocemente quando i medesimi schemi di ombreggiatura si ripetevano.
Sebbene i risultati siano impressionanti, gli autori avvertono con cautela che queste scoperte derivano da simulazioni e non da un vero parco solare sul campo. Lo studio dimostra che la logica funziona in un ambiente digitale controllato, ma le condizioni del mondo reale comportano rumore dei sensori e limitazioni dell'hardware che non erano pienamente presenti nella simulazione. I ricercatori intendono procedere con esperimenti sull'hardware per vedere come il controller si comporta nelle effettive condizioni di campo. Per ora, il lavoro fornisce un modello convincente su come i sistemi solari possano diventare più intelligenti, andando oltre la semplice scalata della collina verso una strategia più sofisticata che pesa il costo della ricerca rispetto al valore dell'energia trovata. Bilanciando esplorazione e sfruttamento, e ricordando le lezioni passate, questo nuovo approccio offre una strada per estrarre la massima potenza possibile dal sole, anche quando il cielo non è perfettamente limpido.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.