融合部分遮阴检测与自适应搜索的光伏系统综合最大功率点跟踪框架

《Scientific Reports》：Adaptive search-space reduction and partial shading detection for high-efficiency MPPT in photovoltaic systems

　　

摘要

本文提出了一种适用于均匀光照和部分遮阴条件下光伏系统的综合最大功率点跟踪（MPPT）框架。该框架融合了部分遮阴检测技术（PSDT），能够同时识别运行工况并自适应地缩小搜索空间——通过排除不可能包含全局最大功率点（GMPP）的区域并避免冗余采样，从而加速后续的MPPT过程。根据识别到的工况，在均匀光照条件下部署一种改进的三分比例分治算法（EDCA-TR），该算法旨在避免不必要的内点评估；而在部分遮阴条件下则采用改进的JAYA（M-JAYA）算法。与传统的基于迭代的元启发式方法不同，所提出的M-JAYA采用基于粒子的更新策略，能够立即纳入新获取的搜索信息，并结合基于迭代次数和粒子功率信息的自适应搜索空间约束机制。在七种遮阴模式下的实验验证表明，所提框架的平均跟踪时间为1.86秒，平均跟踪效率为95.27%，优于混合算法、改进的骨顶优化算法（ICOA）和改进的水循环优化算法（IWCO）等基准方法。此外，所提框架的平均跟踪能量损失为3.45 W·s，相比基准方法降低了50%以上。重复运行的仿真分析进一步表明，尽管M-JAYA算法具有随机性，但其表现总体上保持一致。总体而言，所提框架通过将基于工况的MPPT策略选择与自适应搜索空间缩减及基于粒子的优化相结合，提升了收敛速度、跟踪稳定性和能量提取能力。