Udoskonalone śledzenie punktu maksymalnej mocy z użyciem algorytmu optymalizacji hippopotamusa dla fotowoltaicznego systemu podłączonego do sieci

Dlaczego inteligentniejsza energia słoneczna ma znaczenie

W miarę jak panele słoneczne pojawiają się na dachach i w farmach słonecznych, utrzymuje się uporczywy problem: rzadko pracują one na swoim absolutnym maksimum. Chmury, zmieniające się temperatury, a nawet sposób łączenia paneli mogą sprawiać, że nie dostarczają całej możliwej energii. Artykuł bada nowy sposób wydobycia większej ilości użytecznej energii z zakładu fotowoltaicznego podłączonego do sieci, zapożyczając pomysły z nieoczekiwanego źródła — zachowań hipopotamów — przekształcając zainspirowaną przyrodą matematykę w dodatkową czystą energię dla sieci.

Wykorzystywanie światła słonecznego w maksymalnym stopniu

Panele słoneczne nie generują mocy w sposób prosty i liniowy. Dla każdej kombinacji nasłonecznienia i temperatury istnieje jeden „punkt optymalny”, w którym panel dostarcza maksymalną moc. Znalezienie i utrzymanie tego punktu nazywa się śledzeniem punktu maksymalnej mocy (MPPT). Tradycyjne metody MPPT działają w miarę skutecznie, ale mogą reagować z opóźnieniem, gdy szybko przesuwają się chmury lub zmieniają się temperatury, co powoduje straty energii. Autorzy koncentrują się na powszechnej technice zwanej Incremental Conductance, która ocenia, czy punkt pracy znajduje się na lewo czy prawo od punktu optymalnego, i odpowiednio koryguje pracę systemu. Skuteczność tej metody w dużej mierze zależy jednak od tego, jak dobrze dostrojony jest układ elektronicznego sterowania.

Nowe sterowanie z wyszukiwaniem inspirowanym zachowaniem zwierząt

Większość przemysłowych systemów solarnych opiera się na prostych typach regulatorów — całkujących (I) lub proporcjonalno‑całkujących (PI) — do regulacji napięcia i mocy. Bardziej elastyczną opcją jest regulator o rzędzie ułamkowym PI (FOPI), który może reagować płynniej i precyzyjniej, ale jest trudniejszy do strojenia, ponieważ wprowadza dodatkowy stopień swobody. Zamiast dostrajać ustawienia regulatora metodą prób i błędów, autorzy wykorzystują nową metodę optymalizacji nazwaną Algorytmem Optymalizacji Hippopotamusa. Algorytm ten naśladuje sposób, w jaki hipopotamy eksplorują rzeki, bronią się przed zagrożeniami i uciekają w bezpieczniejsze rejony, przekładając te zachowania na strukturalne poszukiwanie wśród tysięcy możliwych ustawień regulatora, aby znaleźć kombinacje minimalizujące błędy mocy i czas odpowiedzi.

Budowa i testowanie wirtualnej elektrowni słonecznej

Zespół modeluje 100‑kilowatowy system fotowoltaiczny podłączony do sieci w środowisku MATLAB/Simulink. Cyfrowa elektrownia zawiera szczegółowe modele ogniw słonecznych, przetwornicy podwyższającej wysokiego napięcia oraz falownika sieciowego zasilającego sieć średniego napięcia. Na tym umieszczono pętlę MPPT metodą Incremental Conductance, napędzaną przez trzy alternatywne regulatory: I, PI i FOPI. Dla każdego typu regulatora algorytm inspirowany hipopotamem poszukuje ustawień minimalizujących cztery standardowe miary błędu, które penalizują wolne lub niedokładne śledzenie punktu maksymalnej mocy. Dwa inne optymalizatory inspirowane naturą — Arithmetic Optimization Algorithm oraz Grey Wolf Optimizer — zostały użyte jako punkty odniesienia, aby sprawdzić, czy podejście oparte na hipopotamie rzeczywiście daje przewagę.

Jak nowa metoda sprawdza się przy zmiennej pogodzie

Naukowcy testują system w czterech realistycznych scenariuszach: nagłe skoki nasłonecznienia przy stałej temperaturze, stopniowe rampy nasłonecznienia i temperatury, kilka dyskretnych poziomów irradiancji przy stałej temperaturze oraz wreszcie jednoczesne zmiany nasłonecznienia i temperatury. W tych warunkach porównują, jak szybko każdy schemat MPPT osiąga nowy punkt mocy, jak bardzo występują przeregulowania lub oscylacje oraz ile energii ostatecznie wyciąga. Strojeny algorytmem hippopotama regulator FOPI konsekwentnie reaguje szybko — w wielu testach ustala się w ułamkach milisekundy — jednocześnie utrzymując napięcie na polu solarnym gładkie i bliskie wartości idealnej. Osiąga nieco wyższą moc maksymalną (około 100,7 kilowata z pola o nominale 100 kilowatów) i niższe błędy śledzenia niż metody konkurencyjne, choć w kilku wąskich miarach algorytm szarych wilków wypada minimalnie lepiej.

Co to oznacza dla przyszłych farm słonecznych

Dla czytelnika niebędącego specjalistą wniosek jest prosty: lepsze oprogramowanie sterujące może uczynić istniejący sprzęt słoneczny bardziej wydajnym i stabilnym w sieci. Pozwalając algorytmowi inspirowanemu hipopotamem dostroić zaawansowany regulator, autorzy pokazują, że elektrownia słoneczna może szybciej reagować na przechodzące chmury, wychwytywać więcej dostępnego światła słonecznego i dostarczać energię bardziej niezawodnie do sieci elektroenergetycznej. Choć wyniki pochodzą z symulacji, wskazują one na inteligentniejsze, inspirowane naturą systemy sterowania, które po wdrożeniu w rzeczywistym sprzęcie mogłyby przynieść wyższe uzyski energetyczne i niższe koszty dla instalacji słonecznych na dużą skalę.

Cytowanie: 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

Słowa kluczowe: energia słoneczna, systemy fotowoltaiczne, śledzenie punktu maksymalnej mocy, algorytmy optymalizacyjne, odnawialne sieci energetyczne