基于蒲公英优化算法的光伏系统最大功率点跟踪控制技术研究及其在局部阴影条件下的性能验证

为解决光伏(PV)系统在局部阴影条件(PSC)下因非均匀辐照导致的功率损失问题，研究人员开发了基于蒲公英优化(DO)算法的MPPT控制技术。该研究通过模拟多种阴影场景，证明DO算法能以0.2 s收敛时间、99.9%跟踪效率显著优于P&O、PSO等方法，为提升光伏系统动态环境适应性提供了新方案。

　　

随着全球对清洁能源需求的增长，太阳能光伏(PV)系统已成为替代传统化石能源的重要选择。然而，实际运行中普遍存在的局部阴影条件(PSC)会导致系统输出功率显著下降，这主要源于非均匀辐照引发的热斑效应和多峰值功率曲线现象。传统最大功率点跟踪(MPPT)算法如扰动观察法(P&O)和电导增量法(IC)在PSC下易陷入局部极值，而人工智能方法虽能改善性能，仍存在收敛速度慢、振荡明显等问题。针对这一挑战，Youcef Halali团队在《Scientific African》发表研究，创新性地将蒲公英优化(Dandelion Optimization, DO)算法引入MPPT控制领域。

研究团队首先建立了包含三模块串联PV阵列的仿真模型，通过设置不同辐照度(1000/300/600 W/m²和1000/800/300 W/m²)模拟PSC场景。关键技术包括：1) 基于蒲公英种子扩散机制的DO算法设计，分上升、下降和着陆三阶段优化搜索过程；2) 10kHz开关频率的Boost转换器设计，采用3mH电感和100μF电容实现低纹波输出；3) 与P&O、PSO、龙蝇算法(DFO)和自适应布谷鸟搜索(ACS)的对比实验框架。

PV系统在PSC下的行为

通过P-V和I-V曲线分析发现，PSC会导致功率曲线出现多个局部峰值(LMPP)，传统方法易误判为全局最大功率点(GMPP)。研究首次量化了不同阴影模式下功率损失程度，如300 W/m²阴影可使最大功率降至104.5W（较标准条件降低58%）。

DO算法运行机制

受蒲公英种子随风扩散启发，算法通过对数正态分布模拟强风探索阶段(公式7)，布朗运动模拟下降阶段(公式18)，Levy飞行实现精确着陆(公式20)。关键创新在于单参数α同时控制探索与开发，数学分析证明其时间复杂度仅为O(M T pop Dim f)，优于马群优化等算法。

系统设计

Boost转换器将30.7V输入升压至90V输出，LC滤波器将电流纹波控制在1%以下。实验显示DO在追踪104.5W的GMPP时，电压波动比P&O降低83%。

性能对比

在三种测试场景中，DO均展现出显著优势：1) 标准条件下收敛时间0.2s，效率99.9%；2) 重度阴影下仍保持99.8%效率，而P&O陷入LMPP导致效率仅91.6%；3) 动态阴影过渡时，DO的0.24s settling time比ACS快55%。

该研究证实DO算法能有效解决PSC下的MPPT难题，其99.1%的平均跟踪效率和亚秒级响应速度为光伏系统优化树立了新标杆。特别是算法仅需测量输出电压/电流即可实现控制，便于实际部署。未来研究可进一步验证其在混合能源系统中的应用潜力，为推动可再生能源高效利用提供了重要技术路径。