《Ain Shams Engineering Journal》:Reliable methodology for performance enhancement of hybrid photovoltaic-thermoelectric system via dynamic reconfiguration
编辑推荐:
混合光伏(PV)-热电发电(TEG)单元的运行受到实际环境因素的影响,如部分遮阴条件(PSCs)和非均匀热分布(NHD)。这些因素对系统的输出特性产生负面影响,导致运行可靠性降低和功率损失。为了优化系统的采集发电量,本研究提出了一种使用最新吸血水蛭优化器(BS
混合光伏(PV)-热电发电(TEG)单元的运行受到实际环境因素的影响,如部分遮阴条件(PSCs)和非均匀热分布(NHD)。这些因素对系统的输出特性产生负面影响,导致运行可靠性降低和功率损失。为了优化系统的采集发电量,本研究提出了一种使用最新吸血水蛭优化器(BSLO)的PV-TEG发电单元动态重构新方法。该问题被表述为一个受限优化问题,目的是提高PV-TEG单元的输出功率。所提方法具有诸多优点,包括强大的局部解规避能力、快速的收敛速度以及出色的探索/开发平衡。研究了对称6×6和非对称6×10两种阵列在十种PSCs(包括不均匀列、不均匀行、长宽、短宽、长窄、短窄、外部、对角线、随机和中心模式)下的案例。通过将所提BSLO与已报道的方法以及其他编程实现的Puma优化算法(POA)、人工大猩猩部队优化器(GTO)和白鲸优化(BWO)进行对比,验证了其有效性。在短宽遮阴模式下,所提BSLO对对称6×6阵列的发电提升为27.04%,优于POA获得的23.86%。然而,所提BSLO在短宽模式下对非对称6×10阵列实现的最佳提升为15.29%。所得结果验证了所提BSLO在PSCs和NHD条件下精确求解PV-TEG发电单元最优重构问题的优越性。
随着全球碳中和目标的推进,光伏(PV)发电系统在可再生能源中占据重要地位。然而,PV电池在光电转换过程中会将大部分入射太阳能转化为热能,导致电池温度升高,转换效率下降。为充分利用这部分废热,研究者提出将热电发电(TEG)模块与PV面板组合成混合光伏-热电(PV-TEG)发电单元,利用Seebeck效应将温差转化为电能。但在实际运行中,部分遮阴条件(PSCs)和非均匀热分布(NHD)会显著影响系统输出特性,造成功率损失和热斑效应,甚至损坏组件。现有最大功率点跟踪(MPPT)技术只能追踪全局峰值,无法改变辐照分布;而动态重构方法通过重新配置阵列电气连接,可优化辐照与温度分布,从而提升系统总输出功率。然而,已有重构算法普遍存在探索与开发不平衡、收敛速度慢、易陷入局部最优、参数敏感及可扩展性差等问题,尤其缺乏对热-电多物理场耦合的考虑。为此,研究人员引入最新的吸血水蛭优化器(BSLO),提出一种新的动态重构方法,以提升PV-TEG系统在PSCs和NHD条件下的发电性能。该研究发表于《Ain Shams Engineering Journal》。
研究人员将重构问题建模为以最大化总输出功率为目标的受限优化问题,约束条件包括PV面板只能在同列内交换位置、TEG模块只能在同行内移动,以确保电气接线合法。采用BSLO算法求解开关矩阵状态。在对称6×6和非对称6×10两种PV-TEG阵列上,分别考察了十种典型PSCs模式:不均匀列(UC)、不均匀行(UR)、长宽(LW)、短宽(SW)、长窄(LN)、短窄(SN)、外部(OUT)、对角线(DIAG)、随机(RAN)和中心(CEN)。PV模块采用BP3170N,TEG数据取自文献[35]。将BSLO与已报道的CDI-WOA及编程实现的POA、GTO、BWO进行对比,并进行Wilcoxon和Friedman秩检验。
关键技术方法主要包括:BSLO优化器,模拟吸血水蛭在稻田中的觅食行为,包含方向性水蛭探索、引导水蛭开发、引导水蛭交换机制、无目的搜索策略和重追踪机制,通过Lévy飞行增加多样性并避免局部最优;基于开关矩阵的整数编码,每个候选解由PV和TEG的开关状态组成,并满足唯一分配约束;在Matlab/Simulink中建立PV-TEG阵列仿真模型,以输出功率为适应度函数;同时采用多个元启发式算法进行对比验证,并使用统计检验评估算法显著性。
5.1 对称6×6 PV-TEG发电单元:该部分旨在验证所提重构方法对对称6×6阵列的有效性。在Simulink中搭建阵列模型,对十种PSCs分别施加对应辐照分布,利用式(18)计算TEG热侧温度。通过BSLO获得最优PV和TEG架构,绘制重构前后I-V、P-V、P-I特性曲线。结果表明,重构后的曲线在所有模式下均具有更高的全局功率。以不均匀行模式为例,原始布局全局功率为10.413 kW,BSLO重构后达11.188 kW,提升约0.775 kW;CDI-WOA为11.142 kW,BWO最低为10.687 kW。短窄模式下提升最大,增加1.445 kW;长宽模式下提升最小,仅0.0622 kW。BSLO相较CDI-WOA在UC、SW、LW、SN、LN、DIAG、OUT、CEN、RAN模式下分别提升1.617%、22.43%、4.39%、6.24%、4.28%、6.25%、2.06%、3.18%和0.16%。计算时间方面,BSLO在不同遮阴模式下表现稳定,优于GTO和BWO,接近POA。
5.2 非对称6×10 PV-TEG系统:为了进一步验证BSLO的普适性,对非对称6×10阵列进行相同实验。结果显示,在不均匀行模式下,原始布局功率为15.055 kW,CDI-WOA提取16.550 kW,BSLO获得最高16.915 kW。短宽模式下BSLO实现最佳提升17.213 kW,而GTO仅为15.868 kW。对角线模式下提升最小,BSLO获得18.704 kW,但仍高于CDI-WOA的18.698 kW。BSLO在UR、UC、SW、LW、SN、LN、DIAG、OUT、CEN、RAN模式下较CDI-WOA分别提升2.21%、5.49%、0.20%、5.48%、1.43%、0.53%、0.03%、0.37%、1.46%和2.69%。在所有测试模式下,BSLO均取得最高全局功率。
5.3 统计验证:对BSLO和对比算法进行20次独立运行,计算均值和标准差。BSLO在多数模式下表现出较小的标准差或较好的均值。收敛曲线显示BSLO通常能以较少迭代收敛到更高功率。Wilcoxon秩检验表明,在多种遮阴模式下,BSLO与其他方法存在显著差异,拒绝了零假设;Friedman秩检验中,BSLO在所有测试模式下均排名第一,BWO多数排名最低。箱线图显示,BSLO的功率输出分布更集中,说明算法具有较好的稳定性和鲁棒性。
讨论部分指出,研究中使用的一些建模假设可能影响分析准确性:PV阵列采用单二极管模型(SDM),该模型在高温梯度、部分遮阴及热耦合条件下可靠性下降;PV与TEG之间的热-电耦合采用经验线性公式,可能不适用于所有配置;TEG模型基于简化的诺顿等效电路,未考虑热接触电阻等非线性因素。此外,在某些复杂部分遮阴场景下,BSLO的收敛速度仍需改进,对标准差较大的工况性能有待提升。
研究结论翻译如下:本文提出了一种新方法,通过结合最新的BSLO来提升在部分遮阴和非均匀热分布下运行的混合PV-TEG系统的采集功率。所提方法通过受限优化问题重构系统以优化输出功率。在十种PSCs(UC、UR、LW、SW、LN、SN、OUT、DIAG、RAN和CEN)下研究了对称6×6和非对称6×10两种PV-TEG阵列。为评估所提技术,与已发表的CDI-WOA方法和其他类似方法POA、GTO、BWO进行了比较。主要发现如下:对于对称6×6阵列,推荐的BSLO在短宽遮阴模式下发电增益达27.04%,高于POA的23.86%和CDI-WOA的3.765%;对于非对称6×10阵列,短宽模式下最佳提升为15.29%。结果证明了BSLO在解决PV-TEG重构问题中的可靠性。未来工作将把BSLO应用于动态天气环境下的大规模混合发电系统重构,并搭建实验平台;同时改进BSLO在复杂部分遮阴场景中的收敛速度,集成更高保真度的PV与TEG模型,并分析实际可行性、开关损耗和成本。