部分日照条件下使用各种技术型MPPT方法的PV系统能量优化

科学分野:

• 可再生能源系统
• 工程中的人工智能
• 电力电子

背景:

• 光伏（PV）系统在部分日照条件（PSC）下，其非线性功率-电压特性面临挑战。
• 这些问题导致传统最大功率点跟踪（MPPT）系统的能源效率和跟踪精度降低。
• 诸如扰动观察法（P&O）等现有方法存在稳态振荡和缓慢的动态响应问题。

研究 の 目的:

• 开发和评估用于PV系统的MPPT控制器的新方法，以克服PSC引起的技术限制。
• 与传统方法相比，提高能源效率、跟踪精度和动态响应。
• 确保在快速变化的环境条件下可靠且高效地提取功率。

主な方法:

• 提出了两种利用人工神经网络（ANN）和自适应神经模糊推理系统（ANFIS）技术的改进型MPPT控制器。
• 使用功率-电压和电压时间导数作为输入特征，实现了预测性、非迭代的控制架构。
• 对所提出的控制器与传统的P&O算法和其他基于AI的MPPT方法进行了仿真和性能比较。

主要な成果:

• ANN和ANFIS控制器分别实现了99.4%和99.75%的高平均跟踪效率。
• 与P&O相比，响应时间减少了55%，稳态振荡抑制超过了70%。
• ANFIS控制器显示出优越的稳定性，与ANN相比，占空比波动减少了20%，执行时间不到0.2毫秒。

結論:

• 所提出的智能MPPT框架，特别是ANFIS控制器，为PV系统提供了一种快速、准确且计算效率高的解决方案。
• 这些先进的控制器显著提高了可靠性和能量产出，尤其是在动态和部分日照条件下。
• 低计算复杂度使得这些控制器适用于在低成本数字信号处理器（DSP）上进行实时部署。