《Next Energy》：A comprehensive review on the effects of partial shading and advanced mitigation approaches in photovoltaic system
编辑推荐：
部分遮阴是导致光伏阵列（PV array）性能下降的主要原因之一，由于失配损失（mismatch loss）和输出功率降低。为了克服这些影响，各种光伏阵列重构（PV array reconfiguration, PVAR）技术已被报道作为硬件解决方案的替代方案
部分遮阴是导致光伏阵列（PV array）性能下降的主要原因之一，由于失配损失（mismatch loss）和输出功率降低。为了克服这些影响，各种光伏阵列重构（PV array reconfiguration, PVAR）技术已被报道作为硬件解决方案的替代方案。本文对应用于光伏阵列（PV array）以提高部分遮阴条件下系统输出性能的重构技术进行了全面综述。与以往首先关注传统重构技术的综述不同，本综述还介绍了新兴的PVAR技术的最新发展。所报道的技术分为三类：静态重构（static reconfiguration）、动态重构（dynamic reconfiguration）和混合重构（hybrid reconfiguration）策略，并报告了性能测量参数，如效率（efficiency）、填充因子（fill factor）、执行比（execution ratio）、失配损失（mismatch loss）、功率损失百分比（percentage power loss）、功率增强能力（power enhancement capability）。此外，还陈述了算法复杂度（algorithm complexity）、可扩展性变化（scalable variation）、对不同辐照度条件（irradiance conditions）的适应性以及报告的对比性能，并在此基础上进一步讨论了每种变化类型的显著优点和局限性。基于讨论，强调了当前的研究和发展趋势以及未来方向，包括智能重构策略（intelligent reconfiguration strategies）。本综述旨在为感兴趣在部分遮阴条件下从光伏电池（PV cell）中获取全部功率的研究人员和系统所有者提供统一参考。
论文主体部分首先探讨了部分遮阴（Partial Shading, PS）的影响与缓解方法。在2.1节中，讨论了热斑（Hot spots）及其缓解。热斑是由于遮阴电池反向偏置导致局部过热，可通过旁路二极管（bypass diode）的非重叠或重叠配置来缓解，以提供替代电流路径，防止热斑形成并提高模块输出效率。在2.2节中，分析了失配损失（Mismatch Loss, ML）及其缓解，包括辐照度失配（Irradiance Mismatch）和电气参数失配（Electrical Parameters Mismatch）。辐照度失配源于遮阴模块与非遮阴模块串联，导致整串电流受限；电气参数失配则源于制造公差造成的电池特性差异。缓解方法包括采用不同互连方案，如串联（Series, S）、串并联（Series-Parallel, SP）、全交叉连接（Total-Cross-Tied, TCT）、桥接（Bridge-Link, BL）和蜂窝（Honeycomb, HC）等阵列配置。
在2.3节中，详细介绍了阵列配置（Array Configuration）。基本配置包括S、SP、TCT、BL和HC，其中TCT配置通过同列模块互连增强电流共享，减少电压降，但部分遮阴下仍存在多峰问题。重构（Reconfiguration）技术被分为固定阵列重构（Fixed Array Reconfiguration，即静态重构）和动态阵列重构（Dynamic Array Reconfiguration）。静态重构通过预先设计的固定布局（如TCT、BL、HC或谜题式布局）来分散遮阴效应，无需额外开关设备，成本低且实现简单，但无法适应动态遮阴变化。本节列举了多种静态重构方法，如ShapeDoKu（SPDK）通过将TCT布局转换为数独（Sudoku）或拉丁方（Latin square）形式，均匀分布遮阴；圆形阵列变换（Circular-Array-Transformation, CAT）通过物理移动模块位置而不改变电气连接，降低行电流失配；新型遮阴分散（Novel Shade Dispersion, NSD）采用多种交替接线方案（如对角映射、锯齿形接线）来最小化电流失配；混沌映射重构（Chaos Map-based Reconfiguration, CMR）利用混沌映射加密图像的思想，将模块视为像素进行重排；对角数独重构（Diagonal Sudoku Reconfiguration, DSR）利用对角对称性快速优化；列级和阵列级重构（Column Level and Array Level Reconfiguration, CLR and ALR）通过物理重排模块垂直或全局分布遮阴；魔方阵（Magic Matrix Square, MMS）基于行电流均衡概念；交叉对角模式（Cross-Diagonal Pattern, CDP）生成均匀遮阴分布；Sumoku重构基于和约束数独；Ken-Ken（KK）方法结合算术运算和数独规则；改进数独（Modified Sudoku, Mod-SDK）扩展了行、列、对角约束；Calcudoku采用笼形约束；拼图（Jig-saw Puzzle, JS）使用不规则子网格；三重X数独（Triple-X Sudoku）增加区域约束；改进数独（Improved Sudoku, Imp-SDK）使用回溯填充；螺旋阵列（Spiral Array Configuration, SPY）从一角向内螺旋分布模块；创新能力方阵（Innovative Competence Square, ICS）采用L形重排；Henon映射（Henon Map, HM）利用混沌算法生成新坐标；基于块交换的固定列（Block Swap Inspired Fixed Column, BSFC）无需物理移动模块；新型素数法（Novel Prime Number-Based Reconfiguration, NPNB）要求行与列索引之和为素数；连续旋转策略（Successive Rotation Strategy, SRA）优化全局最大功率点（GMPP）；古代象棋魔方阵（Ancient Chess-Magic Square, ACHMS）基于九宫结构；额外区域数独（Extra-Region Sudoku, ExR-SDK）处理分数遮阴；奇偶列索引（Parity Column Index, PCI）通过奇偶变换实现；递归加法方法（Recursive Addition Method, RAM）通过重排消除相邻模块；交叉套件重构（Cross-Kit Reconfiguration, CKR）分为电气连接和物理布局两部分；算术序列模式（Arithmetic Sequence Pattern, ASP）通过编号重排减少线长；高级数独（Advance Sudoku）包括标准数独（CS）和多对角线数独（MDS）；超数独（Hyper Sudoku, HS）在多种遮阴下提升性能；AdDoku重构维持TCT电气连接但重排物理布局；算术序列（Arithmetic Sequence）类似ASP；矩阵结构重构（Matrix Structure Reconfiguration, MSR）基于魔方阵设计；斐波那契-卢卡斯变换（Fibonacci-Lucas Transform, FLT）结合图像加密和ANFIS-MPPT；骑士巡游魔方阵（Knight's Tour Magic Square, KTM）和双偶数阶魔方阵（Doubly Even-Order Magic Square, DEM）无需额外开关；新型扫描模式（Novel Scan Pattern）采用数字图像像素类比。
动态阵列重构（Dynamic Array Reconfiguration，即电气阵列重构）在2.3.2节中介绍，通过开关矩阵和优化算法实时调整模块连接，适应遮阴变化，但增加硬件复杂度和成本。具体方法包括：多目标翠鸟优化器（Multiobjective Pied Kingfisher Optimizer, MOPKO）优化开关矩阵结构；模糊专家系统（Fuzzy Expert Systems, FES）结合AI预测最佳重构；改进草原犬鼠优化（Improved Prairie Dog Optimization, IPDO）基于元启发式算法；基于电流注入的动态阵列重构（Current Injection-Based Dynamic Array Reconfiguration, CI-DAR）利用分布式MPPT和电流注入转换器；海洋捕食者算法（Marine Predators Algorithm, MPA）和蝠鲼觅食优化（Manta Ray Foraging Optimization, MRFO）用于大阵列；改进蜣螂算法（Improved Dung Beetle Algorithm, IDBO）引入重启机制；动态自重构（Dynamic Self-Reconfiguration, DSR）通过查找表优化逆变器拓扑；L形阵列重构（L-Shaped Array Reconfiguration, LSAR）适用于非方形阵列；深度神经网络（Deep Neural Network, DNN）进行拓扑重构；新方法（Novel approach）结合扫描和改进P&O；桶形移位器方法（Roulette Barrel Shifter Method, RBSM）通过数字电路移位模块位置；改进PSO-PID（MPSO-PID）结合抗饱和机制；乌鸦搜索算法（Crow Search Algorithm, CSA）用于MPPT；Vommi优化算法（Vommi Optimization Algorithm, VOA）均衡行电流；冠状病毒优化（Corona Virus Optimization, CVO）区分不同遮阴场景；开关矩阵优化（Switching Matrix Optimization, SMO）将阵列分割为片段；蜜獾算法（Honey Badger Algorithm, HBA）具有强局部搜索能力；遗传算法-两阶段开关矩阵（Genetic Algorithm—and Two Main Reconfigurable Steps Based on Switching Matrix, GA-2SSM）分两步优化；基于进化的Pareto优化算法（Evolutionary Based-Pareto Optimization Algorithms, EV-POA）实现双目标优化；自适应动态阵列重构（Adaptive Dynamic Array Reconfiguration, AD-DAR）利用短路电流逻辑控制；基于群体双Q学习（Swarm Based Double Q-Learning, S-DQL）多智能体学习；分治Q学习（Divide and Conquer Q-Learning, DC-QL）加速优化；旅行商问题（Traveling Salesman Problem, TSP）将重构转化为路径问题；神经模糊控制算法（Neuro-Fuzzy Control Algorithm, NFCA）动态切换；灰狼平衡优化器（Grey Wolf Equilibrium Optimizer, GWEO）结合局部和全局搜索；Kolakoski序列变换（Kolakoski Sequence Transform, KST）结合回归MPPT；双目标近端策略优化（Biobjective Proximal Policy Optimization, BiPPO）减少切换次数；Padovan变换策略（Padovan Transform Strategy, PT）优化阴影分布；尺子变换重构（Ruler Transform Reconfiguration, RT）配合RBF神经网络；基于整数的斐波那契变换（Integer-Based Fibonacci Transform, IBFT）基于图像加密；径向基函数神经网络（Radial Basis Function Neural Network, RBFNN）混合P&O；DPVAR硬件架构（Hardware Architecture of DPVAR）使用功率MOSFET和二极管；开关块技术（Switching Block Technique, SB）采用分层开关块。
在2.4节中，讨论了最大功率点跟踪（Maximum Power Point Tracking, MPPT）技术，包括传统方法（如P&O、INC）、优化方法（如PSO、GWO）、先进方法（如FLC、ANN）和混合方法（如F-PSO、ANFIS）。传统方法在均匀条件下有效，但在部分遮阴下易陷入局部最大；优化方法具有全局搜索能力，但计算负担重；智能方法通过学习和自适应提高精度；混合方法结合多种优势，提升跟踪速度和鲁棒性。
第3节进行了比较讨论、批判性评估和未来展望。静态重构方法如数独和魔方阵能有效分散遮阴，但无法适应动态变化；动态优化算法如PSO、GWO等提供更高适应性，但存在计算复杂度和开关硬件成本问题。大多数研究仅通过仿真验证，缺乏实验验证和标准化基准。未来方向包括集成人工智能（如深度强化学习、图神经网络）、数字孪生技术、物联网（IoT）监测、经济可行性评估（如LCOE、NPV），以及开发适用于非方形阵列和通用化算法的多目标优化框架。第4节结论总结了部分遮阴对光伏系统的影响，并强调未来研究应关注智能化、可扩展、硬件感知的经济可行解决方案。
