基于QUBO公式、遗传算法（GA）、人工神经网络（ANN）和支持向量机（SVM）引导的偏置方法，对最大功率点跟踪（MPPT）进行理论与量子计算建模

《IEEE Access》：Theoretical and Quantum Computational Modelling of MPPT Using QUBO Formulation with GA,ANN and SVM Guided Biasing

　　

摘要：

本研究对三种最大功率点跟踪（MPPT）算法进行了深入的多目标性能评估，这些算法包括遗传算法（GA）、人工神经网络（ANN）和支持向量机（SVM）作为基准模型，以及量子退火（QA）作为在动态扰动条件下应用于光伏系统的模型。该比较框架结合了辐照度瞬变、温度变化和部分遮挡情景，以评估每种控制器的适应性。定量评估表明，在15-35%的部分遮挡条件下，基于量子优化问题（QUBO）的MPPT算法实现了最低的跟踪误差（2.10-4.82%）、最快的恢复时间（0.41秒）和最小的输出功率方差（1.8-2.21瓦），在所有对比的基准模型中表现最佳。这一优势源于QA中的概率隧穿机制和并行搜索特性。与本研究中考虑的GA、ANN和SVM基准模型相比，基于QUBO的MPPT算法在跟踪精度、恢复速度和输出功率方差方面都有所提升。