Verbeterde maximale-vermogen-punt-tracking met behulp van hippopotamus-optimalisatiealgoritme voor netgekoppelde fotovoltaïsche systemen

Waarom slimmer zonvermogen van belang is

Naarmate zonnepanelen op daken en in zonneparken vaker voorkomen, blijft een hardnekkig probleem bestaan: ze werken zelden op hun absolute maximum. Wolken, wisselende temperaturen en zelfs de manier waarop panelen zijn aangesloten, kunnen voorkomen dat ze alle beschikbare energie leveren. Dit artikel onderzoekt een nieuwe manier om meer bruikbare elektriciteit uit een netgekoppelde zonne-installatie te persen door ideeën te ontlenen aan een onverwachte bron — het gedrag van nijlpaarden — en dier-geïnspireerde wiskunde om te zetten in extra schone energie voor het net.

Het maximale uit zonlicht halen

Zonnepanelen leveren geen vermogen op een eenvoudige, lineaire manier. Voor elke combinatie van zoninstraling en temperatuur is er één “sweet spot” waar het paneel het maximale vermogen levert. Het vinden en vasthouden van dit punt heet maximum power point tracking, of MPPT. Conventionele MPPT-methoden werken redelijk goed, maar kunnen traag reageren als wolken snel voorbijtrekken of als de temperatuur sterk schommelt, wat tot energieverliezen leidt. De auteurs richten zich op een veelgebruikte techniek, Incremental Conductance, die beoordeelt of het werkpunt links of rechts van de sweet spot ligt en het systeem vervolgens bijstuurt. Hoe effectief dit werkt, hangt echter sterk af van de afstemming van de onderliggende elektronische regelaar.

Nieuwe regeling met dier-geïnspireerd zoeken

De meeste industriële zonnestations vertrouwen op eenvoudige regelaars — integraal (I) of proportioneel–integraal (PI) — om spanning en vermogen te regelen. Een flexibelere optie, de fractional‑order PI (FOPI)-regelaar, kan vloeiender en preciezer reageren maar is moeilijker af te stellen omdat zij een extra vrijheidsgraad introduceert. In plaats van regelaars instellingen via vallen en opstaan te bepalen, gebruiken de auteurs een nieuw optimalisatiemethode genaamd het Hippopotamus Optimization Algorithm. Dit algoritme bootst na hoe nijlpaarden rivieren verkennen, zich verdedigen tegen bedreigingen en naar veiligere zones ontsnappen, en vertaalt deze gedragingen naar een gestructureerde zoektocht door duizenden mogelijke regelaarconfiguraties om combinaties te vinden die vermogenfouten en responstijd minimaliseren.

Het virtuele zonnepark opbouwen en testen

Het team modelleert een 100 kilowatt netgekoppeld zonnestelsel in MATLAB/Simulink. De digitale installatie bevat gedetailleerde modellen van de zonnecellen, een hoogspannings-boostconverter en een netgekoppelde omvormer die een middenspanningsnet voedt. Daarboven plaatsen ze de Incremental Conductance MPPT-lus, aangestuurd door drie alternatieve regelaars: I, PI en FOPI. Voor elk regelaarstype zoekt het nijlpaard-geïnspireerde algoritme naar instellingen die vier standaard foutmaten minimaliseren, die allemaal trage of onnauwkeurige tracking van het maximale vermogenspunt bestraffen. Twee andere natuur-geïnspireerde optimaliseerders — het Arithmetic Optimization Algorithm en de Grey Wolf Optimizer — worden als referentie gebruikt om te beoordelen of de op nijlpaarden gebaseerde aanpak daadwerkelijk een voordeel biedt.

Prestaties van de nieuwe methode bij wisselachtig weer

De onderzoekers testen het systeem onder vier realistische scenario’s: plotselinge sprongen in zoninstraling bij constante temperatuur, geleidelijke veranderingen van zoninstraling en temperatuur, meerdere discrete irradiatieniveaus bij vaste temperatuur, en tenslotte zowel zoninstraling als temperatuur die samen veranderen. Over deze condities vergelijken ze hoe snel elk MPPT-systeem het nieuwe vermogenspunt bereikt, hoeveel het overshoot of oscilleert en hoeveel energie het uiteindelijk extraheert. De met nijlpaard-afgestelde FOPI-regelaar reageert consequent snel — in veel tests settlet zij in fracties van milliseconden — terwijl ze de spanningswaarde van het zonnepaneel soepel en dicht bij de ideale waarde houdt. Ze bereikt iets hoger maximaal vermogen (ongeveer 100,7 kilowatt uit een 100 kilowatt array) en lagere trackingfouten dan de concurrerende methoden, hoewel het grey wolf-algoritme op enkele smalle maatstaven marginaal beter presteert.

Wat dit betekent voor toekomstige zonneparken

Voor niet-specialisten is de conclusie eenvoudig: betere regelsoftware kan bestaande zonnehardware productiever en stabieler op het net maken. Door een nijlpaard-geïnspireerd zoekalgoritme een geavanceerde regelaar te laten afstemmen, tonen de auteurs aan dat een zonne-installatie sneller op voorbijtrekkende wolken kan reageren, meer van het beschikbare zonlicht kan benutten en energie betrouwbaarder aan het elektriciteitsnet kan leveren. Hoewel deze resultaten uit simulatie voortkomen, wijzen ze op slimmer, natuur-geïnspireerd regelingsontwerp dat, wanneer in echte hardware toegepast, kan leiden tot hogere energieopbrengsten en lagere kosten voor grootschalige zonne-installaties.

Bronvermelding: Taha, S.A., Abdulsada, M.A., Mohamed, M.A.E. et al. Enhanced maximum power point tracking using hippopotamus optimization algorithm for grid-connected photovoltaic system. Sci Rep 16, 9991 (2026). https://doi.org/10.1038/s41598-026-40918-4

Trefwoorden: zonne-energie, fotovoltaïsche systemen, maximale vermogenspunt-tracking, optimalisatie-algoritmen, hernieuwbare netten