Förbättrad spårning av maximal effektpunkt med hjälp av flodhästoptimeringsalgoritm för nätanslutet fotovoltaiskt system

Varför smartare solenergi spelar roll

När solpaneler sprider sig över tak och solparker kvarstår ett envis problem: de arbetar sällan på sin absoluta toppnivå. Moln, förändrade temperaturer och till och med hur panelerna är kopplade kan hindra dem från att leverera all den energi de skulle kunna. Den här artikeln undersöker ett nytt sätt att pressa fram mer användbar elektricitet från en nätansluten solanläggning genom att låna idéer från en oväntad källa — flodhästars beteenden — och omvandla djurinspirerad matematik till extra ren energi för nätet.

Att få ut det mesta av solljuset

Solpaneler producerar inte effekt på ett enkelt, linjärt sätt. För varje kombination av solinstrålning och temperatur finns en ”sötpunkt” där panelen levererar maximal effekt. Att hitta och stanna vid denna punkt kallas spårning av maximal effektpunkt, eller MPPT. Konventionella MPPT-metoder fungerar hyggligt, men de kan vara långsamma att reagera när moln rör sig snabbt eller när temperaturerna växlar, vilket orsakar energiförluster. Författarna fokuserar på en vanlig teknik kallad Incremental Conductance, som avgör om driftpunkten ligger till vänster eller höger om sötpunkten och sedan skjuter systemet åt rätt håll. Hur effektivt detta fungerar beror dock i hög grad på hur dess underliggande elektroniska regulator är inställd.

Ny reglering med djurinspirerad sökning

De flesta industriella solsystem förlitar sig på enkla regulatorer — integrerande (I) eller proportionell–integral (PI) — för att reglera spänning och effekt. Ett mer flexibelt alternativ, den fraktionella PI-regulatorn (FOPI), kan reagera mjukare och mer precist men är svårare att ställa in eftersom den inför en extra frihetsgrad. Istället för att justera regulatorinställningarna genom prövning och fel använder författarna en ny optimeringsmetod kallad Hippopotamus Optimization Algorithm. Denna algoritm efterliknar hur flodhästar utforskar floder, försvarar sig mot hot och flyr mot tryggare zoner, och översätter dessa beteenden till en strukturerad sökning genom tusentals möjliga regulatorinställningar för att hitta kombinationer som minimerar effektsfel och responstid.

Bygga och testa den virtuella solanläggningen

Teamet modellerar ett 100 kilowatt nätanslutet solsystem i MATLAB/Simulink. Den digitala anläggningen inkluderar detaljerade modeller av solcellerna, en step-up-omvandlare för hög spänning och en nätkopplad växelriktare som matar ett medelspänningsnät. Ovanpå detta placerar de Incremental Conductance MPPT-loopen, driven av tre alternativa regulatorer: I, PI och FOPI. För varje regulator typ söker den flodhästinspirerade algoritmen inställningar som minimerar fyra standardiserade felmått, vilka alla straffar långsam eller felaktig spårning av maximal effektpunkt. Två andra naturinspirerade optimerare — Arithmetic Optimization Algorithm och Grey Wolf Optimizer — används som jämförelsereferenser för att se om flodhästbaserade metoden verkligen ger en fördel.

Hur den nya metoden presterar vid skiftande väder

Forskarlaget testar systemet under fyra realistiska scenarier: plötsliga hopp i solinstrålning vid konstant temperatur, gradvisa förändringar i solinstrålning och temperatur, flera diskreta instrålningsnivåer vid konstant temperatur, och slutligen både solinstrålning och temperatur som ändras samtidigt. Över dessa förhållanden jämför de hur snabbt varje MPPT-schem når den nya effektpunkten, hur mycket det översträcker eller oscillerar, och hur mycket energi det slutligen extraherar. Den flodhästjusterade FOPI-regulatorn reagerar konsekvent snabbt — i många tester stabiliserar den sig på bråkdelar av en millisekund — samtidigt som den håller solpanelsarrayens spänning jämn och nära sitt ideala värde. Den når något högre maximal effekt (runt 100,7 kilowatt från en 100 kilowatt-array) och lägre spårningsfel än konkurrerande metoder, även om gråvargsalgo ritmen i några snäva mått presterar marginellt bättre.

Vad detta betyder för framtida solparker

För en icke-specialist är slutsatsen enkel: bättre styrprogramvara kan göra befintlig solhårdvara mer produktiv och stabilare i nätet. Genom att låta en flodhästinspirerad sökalgoritm ställa in en avancerad regulator visar författarna att en solanläggning kan reagera snabbare på passerande moln, fånga mer av det tillgängliga solljuset och leverera energi mer pålitligt till elnätet. Även om dessa resultat kommer från simuleringar pekar de mot smartare, naturinspirerade styrsystem som, när de implementeras i verklig hårdvara, kan översättas till högre energiskördar och lägre kostnader för storskaliga solinstallationer.

Citering: 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

Nyckelord: solenergi, fotovoltaiska system, spårning av maximal effektpunkt, optimeringsalgoritmer, förnybara elnät