一种适用于非均匀辐照度条件下屋顶光伏系统的自适应列级智能电力优化器，该优化器结合了混合感知技术和黑翼风筝算法

《Energy》：An Adaptive Column-Level Smart Power Optimizer with Hybrid Sensing and Black-Winged Kite Algorithm for Rooftop PV Systems under Non-Uniform Irradiance

非均匀光照（NUI）导致屋顶光伏系统效率下降，现有方案存在适应性差、硬件复杂、成本高等问题。本文提出智能功率优化器（SPO），采用低开关自适应列级架构和快速收敛的黑翅 kite 算法，通过混合传感技术（模块电压与阵列电流）检测电气失配，无需逐模块光照传感器。实验表明，SPO在3×3、9×9和9×5阵列中较传统方法提升输出功率33.83%、19.35%和15.73%，降低系统成本20-43%和71-73%，经济评估显示年收益提升17-34%，投资回收期短。

　　

Priya Ranjan Satpathy | Vigna K. Ramachandaramurthy

马来西亚国立能源大学（Universiti Tenaga Nasional）电力工程研究所

摘要

非均匀辐照度（NUI）会显著影响屋顶光伏系统的性能，导致能量损失、特性失真以及能源系统效率大幅下降。现有解决方案在适应性、硬件复杂性、收敛速度和成本方面存在局限性，因此不太适合实时屋顶应用。本文提出了一种智能功率优化器（SPO），该优化器采用低开关次数的自适应列级架构，并结合快速收敛的黑翼风筝（Black-winged Kite）算法，在非均匀辐照度条件下重新配置模块以最大化输出功率。该优化器利用模块级电压测量和阵列电流感应的混合传感框架来检测由非均匀辐照度引起的电气不匹配问题，无需为每个模块配备辐照度传感器，从而降低了传感复杂性和系统成本。在MATLAB、OPAL-RT以及多种实际场景下的实验中，对3×3、9×9和9×5阵列进行了验证，并与22种现有技术进行了比较。结果表明，与传统静态和动态技术相比，SPO使阵列功率输出分别提高了33.83%、19.35%和15.73%，同时系统尺寸和成本分别降低了20-43%和71-73%，使其非常适合用于屋顶光伏应用的智能能源优化。进一步的经济评估显示，SPO相比现有技术可带来17-34%的收入提升，且回报周期较短，占总生命周期收益的2.17%。

引言

由于高转换效率、模块化设计、可扩展性、低维护要求以及能有效利用屋顶空间满足住宅能源需求，屋顶光伏系统在城市地区受到广泛青睐[1]。然而，屋顶光伏阵列对附近建筑物、树木、烟囱和灰尘等物体造成的非均匀辐照度和部分遮挡非常敏感[2]。这种情况会导致模块间的阴影效应和严重的功率不匹配，从而产生显著的功率损失、能量产出减少以及功率-电压（P-V）曲线上的多个局部峰值，进而影响最大功率点跟踪器（MPPT）的跟踪能力[3]。因此，减轻这些影响对于屋顶光伏阵列至关重要，因为它们会导致功率损失增加、效率降低、模块物理损坏以及经济损失。

为保护模块免受阴影影响并在非均匀辐照度条件下提高电流输出，最常用的方法是集成旁路二极管[4]。然而，旁路二极管的激活会通过旁路相应模块而导致阵列电压严重失衡，从而在P-V曲线上产生多个峰值。除了串并联（SP）连接外，一些传统的电气配置（如桥式连接（BL）、蜂窝式（HC）和全交叉连接（TCT）也被用于屋顶光伏阵列，以提供替代电流路径并提高功率输出[5]。然而，这些技术由于遮挡分散不足而无法消除功率不匹配问题，导致功率降低和P-V曲线失真。

已经开发了几种改进的MPPT方法来应对P-V曲线上的多个局部峰值问题，从而能够在非均匀辐照度条件下跟踪全局峰值。一些最近的方法包括改进的自适应Jaya优化[6]、抛物线曲线拟合[7]、灰狼优化深度自适应神经MPPT[8]和瑞利分布算法[9]，这些方法能够更快更准确地跟踪失真曲线上的全局峰值。然而，这些算法引入了计算开销，需要复杂的算法、参数调整和强大的微控制器，增加了整体系统成本。这些算法在实时操作中通常收敛速度较慢，并且对初始化和环境瞬变非常敏感，导致响应延迟和不稳定。此外，它们只能跟踪全局峰值而无法恢复功率不匹配造成的损失。

为了实现模块级调节，开发了多种模块级电力电子设备，如微型逆变器[10]和直流优化器[11]，使每个模块都能在其最大功率点运行并产生独立功率，从而减少功率不匹配损失。差分功率处理（DPP）架构（如准Z转换器[12]、开关电容方法[13]、TCT-SC[14]、电荷重新分配梯形架构[15]、GSVB[16]等）被引入，以减轻非均匀辐照度条件下的阵列功率不匹配问题。这些架构通过模块间传输功率来平衡运行特性并减少不匹配和电压失衡。然而，它们存在一些缺点，包括成本较高、组件数量增加、控制协调复杂以及热应力，这些都降低了可靠性和寿命。此外，连续运行会导致转换损失，从而影响效率和电网标准合规性，尤其是在对简单性、成本效益和可靠性要求极高的消费者屋顶光伏安装中。

提出了一种静态重新配置方法，通过修改模块间的电气或物理连接布局来提高非均匀辐照度条件下的功率生成。一些静态技术包括非等边数字图像处理技术[18]、算术序列模式（ASP）[19]、奇偶质数（OE）模式[20]、SD-PAR[21]、电气重新配置（ER）[22]、DIAR[23]、固定电气重新配置（FER）[24]、数独[25]、改进数独[26]、超数独[27]、中国古代魔方（ACMS）[28]、Henon图（HM）[29]、三倍X数独（TXS）[30]和OPRS[31]，这些方法可以重新分配非均匀辐照度，从而减少不匹配并有效提高功率生成。然而，这些技术的操作本质上受限于预定义的非均匀辐照度轮廓，无法适应消费者屋顶光伏安装中常见的动态或随机场景，导致性能不佳。此外，它们需要手动重新接线，对于大型阵列来说不切实际，也不适合自动化或智能能源系统。

动态重新配置方法后来变得更加可靠，提供了更灵活和智能的应对非均匀辐照度的手段，利用传感器、开关矩阵电路和最优控制来重新连接模块间的电气连接。这种方法使阵列能够动态减少行间电流差异并提高功率输出，无论非均匀辐照度轮廓如何。一些示例包括遗传算法（GA）[32]、粒子群优化（PSO）[33]、灰狼优化（GWO）[34]、改进的Harris鹰优化（MHHO）[35]、黑寡妇（BWR）[36]、蜻蜓（Dragonfly）[37]、侏儒獴优化（DMO）[38]、改进的草原犬优化（GTR-PLC）[40]等算法，根据非均匀辐照度轮廓计算最优开关模式并重新配置。尽管这种方法效率高且可靠，但它过度依赖开关和驱动电路，增加了硬件复杂性、成本和可靠性问题。此外，对专用模块辐照度传感器的需求进一步增加了组件数量和相关成本。控制算法收敛速度慢，在复杂非均匀辐照度情况下容易出现过早局部最优解和复杂性及可扩展性问题，导致性能不佳。

图1展示了现有缓解方案的主要局限性。这些方法面临的关键挑战包括实时适应性有限、硬件复杂性高、成本增加、收敛速度慢、计算负担重以及对于屋顶应用的可扩展性差。

因此，为了解决现有解决方案的局限性，本文提出了一种智能功率优化器（SPO），以在非均匀辐照度和部分遮挡条件下提高屋顶阵列的功率输出。SPO架构结合了低开关次数的拓扑结构、混合传感方法和轻量级快速算法，实现了实时功率优化，同时保持了系统的简单性和成本效益。该工作的关键贡献包括：

1. ?
   开发了一种自适应列级架构的SPO，该架构允许模块连接的全排列和固定列，与传统系统相比减少了开关数量，同时保持了消费者屋顶光伏应用的灵活性。
2. ?
   通过简化开关网络并减少开关数量，降低了硬件和控制复杂性。
3. ?
   实施了一种混合传感策略，结合模块级电压测量和分阶段阵列电流感应，在非均匀辐照度或遮挡条件下检测电气不匹配，无需为每个模块配备辐照度传感器，从而降低了大型屋顶光伏安装的传感复杂性和成本。
4. ?
   集成了一种快速收敛且计算效率高的黑翼风筝优化算法（BKA），用于在非均匀辐照度条件下实现最优开关，降低了SPO的复杂性和运行时间。
5. ?
   对m×n屋顶光伏消费者应用进行了经济可行性分析，包括实施成本、能量损失和回报周期。
6. ?
   使用MATLAB仿真、基于OPAL-RT硬件在环FPGA的实时平台以及使用P-V曲线和时域分析的实时实验，对3×3和9×9光伏阵列在固定和动态非均匀辐照度条件下进行了测试。
7. ?
   与传统的SP、BL、HC和TCT等连接方式以及静态重新配置技术（如ASP[19]、OE[20]、SD-PAR[21]、ER[22]、FER[24]、数独[25]、改进数独[26]、超数独[27]、ACMS[28]、HM[29]和TXS[30]进行了比较。随后，使用GA[32]、PSO[33]、GWO[34]、MHHO[35]、BWR[36]、DF[37]和DMO[38]等算法对SPO进行了评估。
8. ?
   之后，在一天中不同时间发生的多种非均匀辐照度/遮挡场景下，使用9×5光伏阵列进行了实际应用测试，包括发电性能、经济分析、年化收益估算、生命周期成本效益评估和回报周期计算，并与现有技术进行了比较。

本文的其余部分安排如下。第2节介绍了SPO架构、优化框架和系统设计考虑因素。第3节描述了实验设置、测量不确定性分析和基准测试框架。第4节提供了结果和讨论，第5节给出了结论。

系统架构

系统架构

图2展示了所提出的SPO架构，该架构采用基于列的重新配置方法，在非均匀辐照度条件下利用基于BKA的控制框架提高阵列功率输出。图2(a)显示了基于列的可重构阵列的详细电气拓扑和智能开关模块（SSB），而图2(b)提供了优化器内部传感、控制和开关交互的简化模块表示。

实验设置和验证平台

所提出的SPO通过户外现场实验、数值仿真和实时硬件在环（HIL）测试相结合的方式进行验证。这种多平台实验设置旨在模拟真实的屋顶光伏运行条件，同时能够在固定和动态非均匀辐照度场景下进行受控评估。

图3(a)和(b)分别展示了本研究中使用的户外实验原型和OPAL-RT平台。

结果与讨论

基于第3节中的评估框架，本节对不同光伏阵列尺寸和平台下的SPO性能进行了比较分析。

结论

本文提出了一种智能功率优化器（SPO），用于屋顶阵列，在非均匀辐照度和遮挡条件下通过自适应列级架构和嵌入的黑翼风筝（BKA）算法策略性地重新配置模块，从而提高运行性能。SPO采用混合传感框架，结合模块电压和阵列电流测量来检测电气不匹配问题，无需为每个模块配备辐照度传感器，从而降低了传感复杂性。

CRediT作者贡献声明

Vigna Kumaran Ramachandaramurthy：撰写 – 审稿与编辑、监督、资源管理、项目协调、资金获取、正式分析。Priya Ranjan Satpathy：撰写 – 原稿撰写、可视化、验证、软件开发、方法论研究、数据整理、概念构思

写作过程中生成式AI和AI辅助技术的声明

在准备本工作时，作者使用了Grammarly Pro（AI辅助修订工具）来提升英语表达、提高可读性并确保语法准确性。使用该工具后，作者彻底审阅和编辑了内容，并对发表手稿的完整性和原创性负全责。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。

致谢

作者感谢NEC能源转型基金（项目代码：202205003ETG）的支持，该基金由马来西亚国立能源大学（UNITEN）和Tenaga Nasional Berhad（TNB）通过J510050002-IC-6 BOLDREFRESH2025卓越中心提供的BOLD Refresh博士后奖学金提供。