A two-stage MPPT controller with energy-regret coordination and transition memory for PV systems under complex partial shading conditions
本文提出了一种名为 ER-ISSA-IVY 的新型两阶段混合 MPPT 控制器，该控制器通过集成改进的麻雀搜索算法与常春藤算法，并由能量遗憾规则和转换记忆机制进行协调，旨在复杂局部遮挡条件下实现高静态和动态效率，同时最小化探测损失和超调。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
太阳能电池板是可再生能源转型的中流砥柱，但它们在环境适应性方面却出人意料地脆弱。光伏阵列的设计目标是在一个特定的“甜点区”运行，以产生最多的电量，这种状态被称为最大功率点。在完美、均匀的阳光下，寻找这个点非常简单；电压与功率之间的关系看起来就像一个带有单一顶峰的简单山丘。然而，现实世界很少是完美的。云层、灰尘和附近的建筑物经常会在太阳能阵列上投下不均匀的阴影。当这种情况发生时，电池板的电气特性会发生复杂的改变，使得功率景观看起来不再像是一个单一的山丘，而更像是一座拥有许多不同高度顶峰的崎岖山脉。最高的峰代表真正的最大功率，但附近存在许多较小的、具有欺骗性的峰值。
几十年来，追踪这种功率的标准方法是一种简单的“爬山”法：控制器轻微移动系统，检查功率是否上升，然后沿着该方向继续移动。这在单座山丘上效果很好，但在阴影构成的山脉中，它往往会导致系统停留在某个局部的小峰顶上，从而错过了真正巨大的全局峰值。这导致系统只能获取本可以生产到的更少能量，有时甚至损失掉相当大比例的可用功率。为了解决这个问题，研究人员转向了受自然启发的算法，例如鸟群或昆虫群，它们通过探索整个景观来寻找最高点。然而，即使是这些先进的方法也面临着一个两难困境：它们必须在探索整个范围所花费的时间与在搜索过程中损失的能量之间取得平衡。在测试错误位置时浪费的每一刻时间，都是未能采集到的能量。
来自广东海洋大学和广东电网的一支研究团队开发了一种旨在更智能地应对这种复杂地形的新型控制器。他们的方法（在最近的一项研究中描述）将两种截然不同的策略结合成一个两阶段系统。第一阶段充当广域侦察员，使用一种改进的“麻雀搜索”算法横扫整个电压范围，以定位最高峰的大致区域。第二阶段充当精确攀爬者，使用一种模拟常春藤生长的方法来精细化搜索，并以最小的波动锁定精确的峰值。这项创新的之处不仅在于结合了这两种方法，还在于系统如何决定何时从广域搜索切换到精确攀爬。
研究人员引入了一种基于“能量遗憾”（energy regret）的规则。简单来说，系统会不断计算：继续搜索带来的潜在收益，是否值得其目前因未处于最佳位置而损失的能量。如果数学计算表明，进一步搜索所花费的成本将超过其可能回收的能量，系统就会停止广域搜索，并立即切换到精确攀爬模式。这防止了控制器在已经排除的区域或投资回报率过低的区域浪费时间。此外，该系统还具备一种“记忆”功能。如果阳光发生偏移且阴影模式发生变化，控制器会检查它是否见过这种特定的变化模式。如果是，它会回想起上次找到的峰值位置，并从那里开始搜索，而不是从头开始。这种“热启动”（warm restart）使系统在熟悉的云层模式掠过面板时能够更快地恢复。
该团队利用太阳能阵列的详细计算机模拟，针对多种现有方法对名为 ER-ISSA-IVY 的新控制器进行了测试。他们让该系统经历了从均匀阳光到产生多个混淆峰值的严重复杂遮挡模式等各种场景。在遮挡不变化的静态测试中，新控制器百分之百找到了真实的最高峰，且比测试的其他方法更快、波动更小。在阳光快速变化以模拟云层掠过阵列的动态测试中，该控制器保持了 94.35% 的动态能量效率。这意味着在变化的一天之中，它捕捉到了理论上几乎所有的可用能量，显著优于那些经常卡在较低峰值的标准方法。
研究人员还模拟了该控制器与实际功率转换器（即管理电流流动的硬件）协同工作的情况。在这些测试中，新系统表现出了卓越的稳定性，产生的电学“纹波”或过冲极小，这些波动通常会对硬件造成压力。在针对阿尔及利亚全天卫星数据提取的历史阳光剖面进行测试时，该控制器的全天集成效率达到了 99.99%。这一结果表明，在完整的一天内，该系统与理论最大值相比几乎没有能量损失。研究还包括了一项特定测试，研究人员分别移除“记忆”功能和“能量遗憾”规则，以观察哪部分作用最大。结果显示，两者都做出了独特的贡献：“能量遗憾”规则帮助系统快速应对变化的云层，而“记忆”功能则帮助系统在相同的阴影模式重复出现时更快地恢复。
尽管结果令人印象深刻，但作者谨慎地指出，这些发现来自于模拟而非物理太阳能电站实地测试。该研究证明了逻辑在受控数字环境中的有效性，但现实世界的条件涉及模拟中并未完全体现的传感器噪声和硬件限制。研究人员计划推进硬件实验，以观察该控制器在实际现场条件下的表现。目前，这项工作提供了一个关于太阳能系统如何变得更聪明的有力蓝图——即超越简单的“爬山”法，转向一种能够权衡搜索成本与所获能量价值的更高级策略。通过平衡探索与开发，并记住过去的教训，这种新方法为即使在天空并非完全晴朗的情况下，也能从太阳中提取最大可能功率提供了一条路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。