《International Transactions on Electrical Energy Systems》：Hybrid PSO–Gazelle Optimization MPPT for a Novel Double Tied Cross-Link Photovoltaic Array Under Partial Shading Conditions
编辑推荐：
部分遮蔽条件（PSCs）会因失配损耗及多个局部最大功率点的出现而显著降低光伏（PV）系统的输出功率。本研究提出了一种新型双Tied Cross-Link（DTCL）光伏阵列配置，并集成了混合粒子群优化–瞪羚优化（HPSOGO）MPPT算法。研究人员首先将所提出
部分遮蔽条件（PSCs）会因失配损耗及多个局部最大功率点的出现而显著降低光伏（PV）系统的输出功率。本研究提出了一种新型双Tied Cross-Link（DTCL）光伏阵列配置，并集成了混合粒子群优化–瞪羚优化（HPSOGO）MPPT算法。研究人员首先将所提出的DTCL配置与常规SP、BL、HC和TCT配置在六种代表性PSCs下进行了比较。随后，通过仿真和实验验证，采用P&O、布谷鸟搜索（CS）、粒子群优化（PSO）、瞪羚优化（GO）和HPSOGO MPPT算法评估了DTCL配置的性能。可扩展性分析表明，DTCL保留了TCT平均功率的98.02%，同时将交叉链接数量减少了30.12%。与PSO相比，HPSOGO在仿真中将平均MPP跟踪时间从0.4425 s缩短至0.207 s（缩短53.22%），并将平均实验MPPT效率从96.50%提升至97.83%，同时跟踪时间缩短34.5%。这些结果表明，所提出的DTCL–HPSOGO方法为在PSCs下运行的光伏系统提供了功率提取、跟踪性能与实现复杂性之间的有效平衡。
随着全球对化石燃料依赖引发的环境问题日益关注，光伏发电作为可再生能源的重要性不断上升。然而，部分遮蔽条件（PSCs）会导致光伏阵列产生失配损耗和多个局部最大功率点，显著降低系统输出功率。传统阵列配置如串联（SP）、并联、桥式连接（BL）、蜂巢连接（HC）和全交叉连接（TCT）在PSCs下存在功率提取不足或接线复杂度过高等问题。同时，经典最大功率点跟踪（MPPT）算法如扰动观察法（P&O）在遮蔽下容易陷入局部最优，而单一元启发式算法如粒子群优化（PSO）或瞪羚优化（GO）在收敛速度和全局搜索能力上难以兼顾。为此，研究人员提出一种新型双Tied Cross-Link（DTCL）光伏阵列结构，并将PSO与GO算法混合形成HPSOGO-MPPT方法，以期在PSCs下实现高功率提取、快速跟踪和低实现复杂度的平衡。
研究人员首先将所提出的DTCL配置与SP、BL、HC和TCT四种传统配置在六种代表性PSCs（对角、中心、随机、L形、左上角TLC、右下角BRC）下进行对比，并针对4×4、6×6和8×8三种阵列规模进行性能分析。评估指标包括全局最大功率点（GMPP）、填充因子（FF）、失配损耗（ML）、效率（η）和相对功率损耗（RPL）。随后，将DTCL配置与P&O、布谷鸟搜索（CS）、PSO、GO和HPSOGO五种MPPT算法结合，通过MATLAB/Simulink仿真和硬件实验验证性能。仿真和实验均采用TSMC Solar TS-130C多晶硅光伏组件建模，并使用4×4 DTCL阵列。实验平台包括Chroma 62050H-600S光伏模拟器、500 W DC-DC升压变换器及TMS320F28379D数字信号处理器（DSP）控制器，实验功率按1/20比例缩放以匹配硬件限制。
论文第5节详细分析了六种PSCs下不同阵列尺寸的性能。在多数遮蔽情形下，TCT配置实现最高GMPP，而DTCL产生接近TCT的功率，同时显著优于SP、BL和HC。例如，在4×4对角遮蔽下，DTCL输出1769 W，仅比TCT低14 W（0.79%），但高于HC、SP和BL分别53、219和219 W；在8×8中心遮蔽下，DTCL达到6062 W，与TCT仅差2.26%，并优于BL、SP和HC。L形遮蔽下，4×4阵列各配置功率差异极小，而8×8阵列DTCL与TCT均输出6666 W。TLC和BRC情形中，DTCL在某些阵列尺寸下与TCT完全一致。随机遮蔽对SP、BL等影响较大，DTCL仍保持较低ML。可扩展性分析显示，DTCL在平均GMPP上保留TCT的98.02%，同时将交叉链接数从83个减至58个，减少30.12%；布线电阻对应的I2R损耗估计降低22.2%-32.0%，年均发电量差异不超过约1.7%。
第6节介绍了五种MPPT算法。P&O通过固定步长扰动运行点，容易在MPP附近振荡。CS利用Lévy flight执行长距离跳跃以避开局部最优。PSO结合个体最优（Pbest）和全局最优（Gbest）更新粒子位置和速度。GO模拟瞪羚逃逸行为，通过布朗运动和Lévy flight交替实现局部开发和全局探索。HPSOGO采用混沌初始化产生多样化种群，在迭代初期通过种群扰动增强全局搜索，后期结合PSO的个体与全局经验促进局部细化。算法参数设置包括：P&O步长0.005；CS巢数4、发现概率0.25、Lévy指数1.5；PSO粒子4、迭代24、惯性权重0.9-0.1、加速系数c1=1.2-1.0、c2=1.0-1.6；GO瞪羚数6、迭代30、占空比限0.26-0.75；HPSOGO搜索代理6、迭代25、惯性权重0.6、c1=1.2、c2=1.5。
第7节仿真结果表明，在BRC、L形、TLC和中心四种遮蔽下，HPSOGO均取得最高或接近最高的跟踪效率（99.93%、99.92%、99.88%、99.53%），同时跟踪时间最短（0.17 s、0.17 s、0.16 s、0.33 s）且稳态振荡极低。相比之下，P&O存在明显振荡；CS在中心遮蔽下效率降至92.31%；GO在L形遮蔽下收敛至1120 W（87.15%），陷入局部最优；PSO虽精度较高但收敛慢。平均而言，HPSOGO将跟踪时间从PSO的0.4425 s降至0.207 s，缩短53.22%。实验验证中，HPSOGO在四种遮蔽下的平均MPPT效率为97.83%，高于PSO的96.50%，平均跟踪时间从4.49 s降至2.94 s，缩短34.5%。实验波形显示HPSOGO的电压、电流和功率响应更平滑，振荡更少。
讨论指出，P&O快速初始收敛但稳态损耗大；CS随机探索可避开局部最优但迭代多；GO搜索快但随机运动导致占空比波动；PSO利用群体经验精度高但更新次数多导致稳定时间延长。HPSOGO通过融合GO的全局探索和PSO的局部开发，实现更优的探索-开发平衡，因此能在更短时间内准确锁定GMPP，并具有极低稳态振荡。硬件实验中的收敛时间比仿真长，主要归因于变换器动态、DSP计算延迟、传感器采集滤波、采样频率和开关损耗等实际非理想因素。
研究结论表明，DTCL配置相较SP、BL和HC具有更低ML、更高FF、更好转换效率和更低RPL，同时功率提取能力接近TCT，但交叉连线数量减少30.12%，显著降低了布线复杂度、材料成本和接触故障风险。与PSO相比，HPSOGO在仿真中跟踪时间缩短53.22%，在实验中MPPT效率提高1.38个百分点且跟踪时间缩短34.5%。因此，所提出的DTCL–HPSOGO方案在功率提取、跟踪性能和实现复杂性之间达到了有效平衡，为PSCs下的实际光伏系统提供了一种具有应用前景的解决方案。
