面向部分阴影遮挡光伏系统的可靠性感知全局最大功率点追踪

《Solar Energy》:Reliability-aware global maximum power point tracking for partially shaded photovoltaic systems

【字体: 大 中 小 】 时间:2026年09月18日 来源:Solar Energy 7.9

编辑推荐:

   •一种动态电热寿命耦合模型量化了老化风险。 •改进的策略实现了全局最大功率点和局部最大功率点的超快定位。 •解析区间重构消除了无效扫描死区。 •多目标决策平衡了能量收益与热安全。 •牺牲边际功率显著延缓了器件寿命消耗。 引言 随着全球能源结构向低碳和清洁能源转型,现代电力

  

•一种动态电热寿命耦合模型量化了老化风险。
•改进的策略实现了全局最大功率点和局部最大功率点的超快定位。
•解析区间重构消除了无效扫描死区。
•多目标决策平衡了能量收益与热安全。
•牺牲边际功率显著延缓了器件寿命消耗。

引言

随着全球能源结构向低碳和清洁能源转型,现代电力系统中光伏系统的装机容量和渗透率迅速增长。作为关键的可再生能源技术,光伏系统在清洁性和可持续性方面具有明显优势[1]。然而,光伏电池的能量转换效率本质上受到物理极限的约束。为了最大化利用可用的太阳能,光伏系统通常被运行在最大功率点上,这通过最大功率点追踪控制技术实现。在系统层面,光伏并网电力电子转换[2]以及以可再生能源为主导的电网和微电网的智能弹性控制[3,4]的进展,进一步强调了从光伏源中提取最大可用功率的重要性。传统最大功率点追踪方法,如导纳增量法、扰动观察法和爬山法[5],由于其结构简单且易于实现而被广泛采用。在均匀辐照条件下,这些算法表现出稳定和有效的跟踪性能。然而在实际运行环境中,光伏阵列的输出特性受到外部因素的强烈影响。云层移动、建筑物阴影、灰尘积聚和模块长期老化经常导致光伏阵列在局部阴影条件下运行[6]。在局部阴影条件下,串联-并联连接子模块上的不均匀辐照导致高度非线性的功率-电压特性,并出现多个局部最大功率点[7],其中只有一个对应于全局最大功率点。这种多峰行为显著增加了传统最大功率点追踪算法陷入局部最优的风险,阻碍了全局功率提取并导致相当大的能量损失[8]。除控制层解决方案外,光伏模块的局部阴影响应和解析性能建模,以及用于重新分配失配电流的阵列重构和拓扑优化技术,也得到了广泛研究[[9], [10], [11]]。更重要的是,局部阴影条件不仅降低了可用能量收益,还会触发频繁的旁路二极管导通,从而引入局部热应力并加速可靠性退化。因此,有效的全局最大功率点追踪策略不仅应准确定位全局最大功率点,还应考虑与局部阴影相关的器件级运行风险。

为了解决局部阴影条件下复杂的功率-电压多峰特性,学术界提出了许多全局最大功率点追踪方法。一般而言,现有研究将全局最大功率点追踪策略分为三类[12]:确定性规则型全局最大功率点追踪算法、基于人工智能的全局最大功率点追踪算法和元启发式全局最大功率点追踪算法。元启发式算法通过模拟自然生物群体的协作行为或进化机制,对复杂非凸问题实现全局优化。在多峰搜索场景中,它们表现出很强的鲁棒性[13]。代表性示例包括粒子群优化[14]、灰狼优化器[15]、马群优化[16]、改进松鼠搜索算法[17]和修正蜜獾算法[18]。较新的代表性方案包括混合鲸鱼优化-差分进化跟踪器[19]、蟑螂入侵优化[20]和混合修正入侵杂草优化与扰动观察法相结合[21,22],而修正自适应Jaya优化[23]和标准化基准阴影模式评估[24]已被用于进一步评估复杂局部阴影条件下的跟踪鲁棒性。由于其强大的全局搜索能力和模型无关性,这些算法可以有效逃离局部阴影条件下多峰功率-电压特性产生的局部极值,从而可靠地识别全局最大功率点。因此,基于元启发式的全局最大功率点追踪方法近年来引起了相当大的研究关注。然而,元启发式算法通常依赖于大量的迭代计算,导致相对较高的计算复杂度以及实时控制器硬件资源需求的增加。此外,它们的性能通常对参数选择敏感,难以保证严格的实时操作。这些固有缺陷阻碍了它们在实用光伏系统中的大规模实施[25]。

近年来,由于基于人工智能的全局最大功率点追踪策略具有强大的非线性建模能力,它们引起了相当大的研究关注。代表性方法主要包括模糊逻辑控制和人工神经网络[26]。关键在于,这些方法减轻了光伏系统对精确数学模型的依赖。它们通过数据驱动方法或经验规则建立环境变量与最优运行点之间的映射,从而对光伏阵列的高度非线性和时变特性表现出鲁棒的适应性。具体而言,模糊逻辑控制通过隶属函数和模糊推理规则将人类经验或启发式知识转化为控制决策,对测量噪声和系统不确定性具有很强的鲁棒性。基于人工神经网络的方法依靠强大的函数逼近能力,通过离线或在线训练构建环境参数与最优运行点之间的非线性映射,从而实现快速的动态响应。基于这些原理,已报告了各种改进方案,包括置信邻域识别机制[27]、人工神经网络-扰动观察法[28]、人工神经网络-导纳增量法[6]和人工神经网络-储能系统[29],其有效性主要通过仿真或在特定运行条件下进行验证。然而,基于人工智能的全局最大功率点追踪策略在实际工程应用中仍面临关键挑战。首先,模糊逻辑控制的性能严重依赖于模糊规则库和隶属函数的手动设计,且仍缺乏统一的系统构建方法,使得鲁棒性和可移植性难以保证。其次,基于人工神经网络的方法对训练数据的质量和代表性高度敏感,在复杂阴影模式或变化的环境分布下,其泛化性能可能下降。此外,人工智能算法通常需要大量的计算和存储资源,其在线训练或推理过程往往无法满足嵌入式控制器对严格实时性和确定性的要求。这些限制严重阻碍了基于人工智能的全局最大功率点追踪方法在实用光伏系统中的大规模部署。

直接搜索型全局最大功率点追踪算法充分利用局部阴影条件下功率-电压曲线的多峰分布规律和几何特性,通过分段扫描或电压窗口压缩等策略定位全局最大功率点。与元启发式算法的固有随机性和人工智能算法的复杂性相比,此类方法具有显著优势,包括逻辑清晰、实施成本低且无随机振荡[12],使其在工程应用中高度可行。典型方法包括电压窗口搜索[30]、搜索-跳过-判断法[12]和分段点法[31]。这些策略通过预设电压阈值或标准来跳过明显不包含全局最大功率点的区间,从而有效减少无效扫描过程并缩短跟踪时间。在此基础上,最近提出的方法如优化电压搜索[32]和电压轨迹优化器[33]进一步引入了几何投影关系或峰值符合特性,以深度压缩搜索区间,提高跟踪效率。Celikel等人提出了一种基于电压扫描的最大功率点追踪方法,该方法记录受控电压扫描过程中形成的最大功率点[34],随后开发了一种改进的电压扫描算法,该算法无需预先了解面板特性即可动态计算需要跳过的电压[35]。Celikel和Yilmaz进一步利用电容器充放电瞬态来提取功率-电压曲线,并以极短的跟踪时间实现快速全局最大功率点定位[36]。Sangrody和Taheri通过在线I-V曲线扫描电路在转换器层面实现了扫描功能,该电路可检测局部阴影并估计全局最大功率点,同时不降低光伏侧电解电容器的寿命[37]。最近,Orfanoudakis等人利用光伏阵列的动态瞬态响应,在高光伏侧电容的并网逆变器中实现动态全局最大功率点追踪[38],而Ye等人采用了无导数的Nelder-Mead单纯形搜索,仅使用少量电压采样即可定位全局最大功率点[39]。加上以低计算成本在局部阴影条件下重建模块特性的显式解析功率-电压模型[40],这些电压域和解析研究表明,电压和特征信息可以有效压缩搜索空间并减轻全局最大功率点追踪搜索负担。然而,大多数现有的电压扫描方法仍主要关注电功率优化和全局最大功率点定位,而由旁路二极管导通引起的器件级热应力和寿命退化并未明确纳入最终运行点决策中。相比之下,所提出的方法不仅使用特征电压遍历来重建全局运行状态并压缩有效搜索区间,还将旁路二极管的热行为和寿命损耗集成到最终决策过程中。尽管在降低搜索复杂度方面取得了进展,现有的直接搜索策略通常受到其静态搜索机制的限制。一方面,大多数算法采用固定的电压扰动步长,难以平衡动态跟踪速度和稳态收敛精度:步长过大会引起峰值附近的振荡,而步长过小会显著延长搜索过程。另一方面,由于缺乏对光伏阵列全局运行状态的先验感知,控制器通常无法主动消除全局最大功率点在物理上不可能存在的电压死区,导致搜索区间冗余突出。在动态或快速变化的阴影条件下,这种冗余搜索不可避免地引入了大量的无效扫描步骤,增加了跟踪时间并造成额外的能量损失。因此,在直接搜索框架内引入有效的全局状态感知机制,以实现搜索区间的主动压缩和搜索过程的自适应优化,已成为提升此类全局最大功率点追踪方法在复杂局部阴影条件下性能的关键科学问题。

除了显著的功率损失外,局部阴影条件还引发了更加隐蔽但潜在危害更大的系统可靠性问题。当部分光伏电池被阴影遮挡时,其发电能力受到限制。为维持串联电流的连续性,旁路二极管频繁导通,导致被阴影遮挡的电池进入反向偏置状态并形成局部热斑[[41], [42], [43]]。这一过程不仅改变了阵列的电学运行特性,还在器件层面引入了显著的热应力。从电力电子器件物理失效机制的角度来看,温度是决定器件寿命的关键应力因素[44]。根据阿伦尼乌斯定律,器件内部的化学老化速率随二极管结温呈指数增长[43]。同时,热循环引起的交变热应力遵循Coffin-Manson疲劳模型;由于芯片、焊料和键合线之间的热膨胀系数不匹配,频繁的温度波动显著加速了焊点疲劳断裂和微裂纹扩展[44]。对于光伏模块,这种热机械应力的长期积累直接导致使用寿命缩短,严重时可能引发不可逆的热失控和火灾事故[45]。因此,在局部阴影条件下,仅以功率最大化为目标的全局最大功率点追踪控制策略可能与器件热安全和寿命可靠性目标产生固有冲突[46]。在抑制热斑效应和延缓寿命退化的同时平衡功率输出性能,已成为光伏系统控制领域急需解决的关键问题。尽管一些学者最近试图将热安全约束引入全局最大功率点追踪控制逻辑中——例如,Smara等人[47]提出了一种改进的搜索策略,其中包含一个安全子程序,当峰值功率相近时优先选择靠近开路电压的运行点以减少旁路二极管电流——此类方法本质上仍属于基于规则的瞬时过热保护机制,而非真正的生命周期优化。虽然现有策略利用定性的电压-温度关系来避免高风险区域,但缺乏基于物理失效机制的定量评估模型。具体而言,这些算法无法实时计算当前热应力引起的累积疲劳损伤,也不将化学老化速率或热循环寿命损耗直接纳入目标函数进行优化[48]。因此,在毫秒级全局最大功率点追踪搜索过程中实现功率输出、热安全与寿命消耗之间的动态定量权衡,仍是多物理场耦合控制领域的理论空白。

基于上述分析,本文提出了一种电热寿命协同全局最大功率点追踪策略,针对光伏系统在局部阴影条件下功率输出、热安全与器件寿命退化之间的固有耦合矛盾进行优化。与仅以最大化瞬时功率为目标的全局最大功率点追踪方法不同,本研究从器件的物理失效机制出发,将热应力和寿命损耗显式引入全局最大功率点追踪控制决策框架。

本文的主要贡献总结如下:1. 构建了一种面向GMPPT控制的动态电-热-寿命耦合建模框架:针对PSC下旁路二极管频繁导通引起的热点效应问题,建立了一种动态电-热-寿命耦合模型,该模型集成了三阶Foster热网络、Arrhenius失效速率模型以及Miner累积损伤理论。该模型能够在毫秒级控制周期内实时估计器件二极管结温演变及寿命消耗速率,为GMPPT过程中的多目标优化提供了可量化的物理依据。2. 提出了一种融合解析方法实现主动区间压缩与快速全局优化的改进优化电压搜索(IOVS)策略:通过引入特征电压遍历和解析辐照度估计方法,在GMPPT启动阶段快速重构PV阵列的全局运行状态。消除GMPP无法物理存在的电压死区,并基于最大功率梯形(MPT)理论精炼有效搜索区间。在此基础上,设计了一种融合竞争-合作机制的自适应IOVS策略,在确保稳态精度的同时显著提升动态跟踪速度。3. 构建了一种分层硬/软约束决策机制,以协同优化功率性能、热安全与寿命可靠性:基于候选局部最大功率点集合,提出了一种融合二极管结温阈值、功率损耗约束和寿命损耗惩罚项的多维决策方法。硬约束快速排除高热风险与低效率运行点,软约束则利用综合惩罚函数在功率增益与器件可靠性之间实现动态权衡。这使得GMPPT控制器在满足发电性能需求的同时,能有效抑制热点效应并延缓器件寿命退化。本文其余部分组织如下:第2节介绍PV系统的电气、热学和寿命退化建模方法。第3节详细阐述了电热寿命协同GMPPT控制策略的设计过程。第4节给出了仿真结果与对比性能分析。最后,第5节总结了研究工作并展望了未来研究方向。第2节内容摘要:系统建模为实现PSC下PV系统性能与可靠性的协同优化,必须建立能够准确描述其电气特性、热动态响应和寿命退化机制的数学模型。本节构建了一个综合系统框架,包括PV阵列电气模型、动态电热耦合网络模型以及基于物理失效机制的寿命评估模型。第3节内容摘要:提出的电热寿命协同GMPPT策略基于第2节建立的PV阵列电气模型、动态电热耦合网络模型和寿命评估模型,本节提出了一种融合物理机制的改进GMPPT策略。与仅关注瞬时功率最大化的传统方法不同,本研究将PSC下的控制问题形式化为一个约束多目标在线优化问题。该优化的核心目标是寻找最优参考第4节内容摘要:仿真评估为验证所提算法的性能,利用MATLAB/Simulink构建并测试了PV系统仿真模型。在仿真中,PV阵列由五个串联连接的PV模块组成,每个模块并联一个旁路二极管。各PV模块的电气参数列于表2中。PSC下PV控制系统的MATLAB/Simulink实现如图3所示。测量的PV电压和电流作为输入第5节内容摘要:结论本文提出了一种可靠性感知的改进优化电压搜索策略,以解决传统GMPPT方法在部分遮挡条件下主要关注瞬时功率最大化而忽视旁路二极管热应力和寿命退化的问题。所提方法通过特征电压采样重构P-V曲线,压缩有效搜索区间,识别旁路二极管的导通状态,并进一步结合CRediT作者贡献声明:Xiang Zening:写作——审稿与编辑,写作——原稿撰写,可视化,软件,方法论,形式化分析,概念构思。Ye Xiaohui:写作——审稿与编辑,监督,资源管理,项目管理,方法论,经费获取,概念构思。利益冲突声明:作者声明不存在可能影响本文所述工作的已知竞争性财务利益或个人关系。Xiang Zening | Ye Xiaohui
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号