一种基于实例分割的全局最大功率点跟踪（MPPT）方法，适用于部分遮挡条件下的光伏（PV）系统

《ENERGY CONVERSION AND MANAGEMENT》：An instance segmentation based global MPPT method for PV systems under partial shading condition

　　Ehab Ur Rahman | Yousef Mahmoud | Rui Bo 电气与计算机工程系，密苏里科技大学，罗拉，MO 65409，美国 **摘要** 在光伏（PV）系统中，部分遮挡会在功率-电压（P-V）曲线上产生多个局部最大功率点（LMPP），导致传统的最大功率点跟踪（MPPT）算法过早收敛到次优运行点，从而造成显著的能量损失。本文提出了一种基于视觉的新框架，将计算机视觉与全局最大功率点跟踪（GMPPT）相结合，以最大化部分遮挡光伏系统的能量采集效率。该方法捕捉光伏面板的实时图像，识别电池级别的遮挡模式，并将其映射到模块的电气特性上，从而能够直接分析计算出GMPP电压。实例分割模型用于量化电池级别的遮挡程度，提取的遮挡信息用于更新基于物理的光伏模型，以准确重建非均匀辐照条件下的P-V曲线。为了增强对视觉推断或光伏建模中残余不准确性的鲁棒性，使用估计的GMPP电压来初始化一种混合自适应的扰动与观测（P&O）算法，该算法能够在预测的运行点附近进行闭环优化。实验结果和消融研究验证了所提出的框架的有效性，电池级别遮挡检测的准确率达到97.5%。对于一个典型的5千瓦部分遮挡安装系统，与基于周期性优化的GMPPT方法相比，所提出的方法每年可减少约1,661.7千瓦时的能量损失，相当于每年节省897美元的成本，并且总硬件成本为155美元，根据电价和扫描间隔的不同，投资回收期短至2.1个月。与最近开发的GMPPT方法相比，所提出的方法在保持相似的功率提取效率的同时，具有更快的跟踪速度。这些结果证明了该框架的鲁棒性及其克服传统周期性扫描基GMPPT技术根本限制的能力，能够在实际的部分遮挡条件下实现一致且高效的能量采集。 **引言** 光能通过光伏效应被光伏电池（PV）转换为电能。光伏电池对太阳辐照、温度和电阻存在复杂的关系，这种关系表现为非线性的输出特性，即P-V曲线。因此，需要开发跟踪最大功率点的技术来最大化太阳能光伏系统的输出功率。文献中已经开发并研究了多种技术，其中一些常见的技术包括：基于增量电导率的方法[1]，该方法利用太阳能面板的功率-电压（P-V）曲线在最大功率点（MPP）处的斜率为零的原理；爬山法[2]通过连续调整DC-DC转换器的占空比并观察功率响应来工作；另一种著名的方法是P&O[3]，它通过扰动光伏系统的运行电压并观察功率的变化来达到MPP；涟漪校正[4]则通过DC-DC转换器中的开关动作引起的微小周期性涟漪来确定朝向MPP的方向。然而，这些传统的最大功率点跟踪（MPPT）技术在部分遮挡情况下表现不佳，例如附近树木或建筑物的遮挡，因为这种情况下会出现多个LMPP[5],[6]。由于每个太阳能面板子串中都安装了旁路二极管以防止热点并减少能量损失[7],[8]，因此需要跟踪部分遮挡阵列中的最大LMPP或唯一的GMPP。为此，研究人员开发了不同的GMPP跟踪算法来减轻部分遮挡对太阳能阵列的影响。 许多研究尝试跟踪真实的GMPP。本节详细回顾了与GMPP跟踪相关的现有文献，识别了研究空白，并概述了本研究的贡献。文献中研究了多种GMPP技术，以克服传统技术的局限性，避免停留在LMPP上，并跟踪部分遮挡光伏模块的GMPP[9]。在[10]中提出了一种基于周期性开路电压测量的GMPP方法，而在[11]中提出了一种类似的基于周期性短路脉冲的方法。然而，这两种方法由于在测量开路电压和短路电流时需要周期性断开光伏系统而导致能量损失[12]。最近的一项观察[13]将部分遮挡光伏系统中功率-电压曲线的形状应用于开发一种高效快速的MPPT方法。然而，[14]的深入研究表明，这一观察并不适用于所有遮挡条件，因此该方法无法确保定位GMPP。在[15]中引入的划分矩形技术使用Lipschitz条件以及先进的数学方法来跟踪GMPP，但如果算法的起点选择不当，它可能会停留在LMPP上[12]。另一种方法[16]采用恒定功率操作来定位GMPP。与大多数通过调整电流或电压来跟踪峰值的方法不同，这种方法通过恒定功率电子转换器直接增加功率。其缺点是由于检测功率峰值之间的微小差异所需的功率扰动很小，因此跟踪速度较慢[15]。一种众所周知的方法是使用微型逆变器而不是集中式逆变器，这允许将单个太阳能面板集成到电网中，并实现单个最大功率点的跟踪[17]。然而，由于光伏模块本身仍然受到部分遮挡的影响，多个峰值的问题仍然存在。 用于MPPT的软计算方法包括进化算法、人工神经网络（ANNs）和模糊逻辑控制器（FLC）。尽管进化算法和基于群体的MPPT技术在实践中得到了广泛应用，但它们存在一些实际限制，阻碍了它们在动态光伏环境中的部署。例如，[18]表明，尽管ANN辅助的全局MPP预测提高了搜索精度，但当辐照度快速变化时，该方法在运行点附近仍会出现波动[19]。[19]提出了一种混合ELPSO–P&O方法，但其结果显示在局部和全局峰值之间的转换过程中存在明显的跟踪振荡和不可忽视的功率损失[20]。[20]提出了一种改进稳定性的PSO变体，但即使在改进的公式下，在严重部分遮挡条件下，仍然需要较长的稳定时间。