Улучшенное отслеживание точки максимальной мощности с использованием алгоритма оптимизации гиппопотама для фотоэлектрической системы, подключенной к сети

Почему умнеее солнечное питание имеет значение

По мере распространения солнечных панелей на крышах и в солнечных фермах остается упорная проблема: они редко работают на пределе своих возможностей. Облака, изменяющаяся температура и даже способ подключения панелей могут мешать им выдавать всю потенциальную энергию. В этой статье изучается новый подход к извлечению большего количества пригодной для использования электроэнергии из солнечной электростанции, подключенной к сети, заимствуя идеи из неожиданного источника — поведения гиппопотамов — и превращая навеянную природой математику в дополнительную чистую энергию для сети.

Извлекать максимум из солнечного света

Солнечные панели не вырабатывают мощность простым линейным образом. Для каждой комбинации освещённости и температуры существует «сладкое место», где панель выдает максимальную мощность. Поиск и удерживание этой точки называется отслеживанием точки максимальной мощности (MPPT). Обычные методы MPPT работают достаточно хорошо, но при быстром движении облаков или резких колебаниях температуры они могут реагировать медленно, что приводит к потерям энергии. Авторы сосредотачиваются на распространённой технике, называемой Incremental Conductance, которая оценивает, находится ли рабочая точка слева или справа от «сладкого места», и затем корректирует систему соответствующим образом. Насколько эффективно это работает, во многом зависит от того, как настроен базовый электронный контроллер.

Новое управление с поиском, вдохновлённым животными

Большинство промышленных солнечных систем опираются на простые типы регуляторов — интегральный (I) или пропорционально-интегральный (PI) — для регулирования напряжения и мощности. Более гибкий вариант, регулятор дробного порядка PI (FOPI), может реагировать плавнее и точнее, но его сложнее настроить, поскольку он вводит дополнительную степень свободы. Вместо подбора параметров контроллера методом проб и ошибок авторы используют новый метод оптимизации — алгоритм оптимизации гиппопотама. Этот алгоритм имитирует то, как гиппопотамы исследуют реки, защищаются от угроз и устремляются к более безопасным зонам, переводя эти поведенческие шаблоны в структурированный поиск по тысячам возможных настроек контроллера, чтобы найти сочетания, минимизирующие ошибки мощности и время отклика.

Моделирование и тестирование виртуальной солнечной станции

Команда моделирует 100-киловаттную солнечную систему, подключённую к сети, в MATLAB/Simulink. Цифровой объект включает подробные модели солнечных элементов, повышающего преобразователя высокого напряжения и сетевого инвертора, питающего сеть среднего напряжения. Поверх этого они располагают петлю MPPT по методу Incremental Conductance, управляемую тремя альтернативными регуляторами: I, PI и FOPI. Для каждого типа регулятора алгоритм, вдохновлённый гиппопотамами, ищет настройки, минимизирующие четыре стандартных показателя ошибки, все из которых штрафуют за медленное или неточное отслеживание точки максимальной мощности. В качестве эталонов используются ещё два природно-навeнных оптимизатора — Arithmetic Optimization Algorithm и Grey Wolf Optimizer — чтобы оценить, действительно ли подход на основе «гиппо» даёт преимущество.

Как новый метод работает при меняющейся погоде

Исследователи тестируют систему в четырёх реалистичных сценариях: резкие скачки освещённости при постоянной температуре, постепенные изменения освещённости и температуры, несколько дискретных уровней радиации при фиксированной температуре и, наконец, одновременные изменения освещённости и температуры. В этих условиях они сравнивают, как быстро каждая схема MPPT достигает новой рабочей точки, насколько выражены перерегулирование или колебания и сколько энергии в итоге извлекается. Настроенный с помощью алгоритма гиппопотама регулятор FOPI стабильно отвечает быстро — в ряде испытаний устанавливаясь за доли миллисекунды — при этом поддерживая напряжение массивов солнячных панелей плавным и близким к идеальному значению. Он достигает немного большей максимальной мощности (около 100,7 кВт при массиве номиналом 100 кВт) и меньших ошибок отслеживания по сравнению с конкурирующими методами, хотя по некоторым узким метрикам алгоритм серого волка показывает незначительно лучшие результаты.

Что это значит для будущих солнечных ферм

Для неспециалиста вывод прост: более совершенное программное управление может сделать существующее солнечное оборудование более производительным и более стабильным в сети. Позволив алгоритму поиска, вдохновлённому поведением гиппопотамов, настроить продвинутый регулятор, авторы показывают, что солнечная станция может быстрее реагировать на проходящие облака, захватывать больше доступного света и надёжнее поставлять энергию в сеть. Хотя эти результаты получены в моделировании, они указывают на перспективу более умных, навеянных природой систем управления, которые при реализации в реальном оборудовании могут привести к увеличению выработки энергии и снижению затрат для крупномасштабных солнечных установок.

Цитирование: 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

Ключевые слова: солнечная энергия, фотоэлектрические системы, отслеживание точки максимальной мощности, алгоритмы оптимизации, возобновляемые электросети