通过混合智能技术和双向电力转换，提升干旱气候中光伏-CTM蓄电池储能系统的性能
发布时间：2026-07-21 20:41:22 点击： 次
本研究通过多重最大功率点追踪（MPPT）算法进行控制的已安装屋顶混合光伏（PV）-电池系统的性能全面评估。该系统由屋顶光伏阵列集成为直流-直流升压变换器和双向变换器组成，并与电池储能单元接口，确保在真实运行条件下实现最佳能量流和功率平衡。五种MPPT策略：扰动与观察（P&O）、增量导通（INC）、一种拟议的混合P&O–INC、基于神经网络（NN）的控制器，以及滑动模式控制（SMC），均通过MATLAB/Simulink进行比较评估。升压转换器调节PV电压以确保MPP跟踪准确，而双向转换器则管理电池充放电循环。性能在受控辐照度曲线和实际大气变化下评估，以捕捉系统的动态行为、能量收集效率和运行稳定性。结果表明，所提出的基于P&O–INC的混合MPPT控制器在更快速的收敛、减少稳态振荡和提升充电稳定性方面优于传统方法。总体而言，研究结果证实了混合和智能MPPT技术在提升干旱气候中屋顶光伏电池系统的能源转换效率和可靠性方面的有效性。
全球向可持续能源系统的转型加剧了光伏（PV）技术作为主要可再生能源的整合。然而，太阳辐照度的固有性和非线性特性常导致功率波动、电压不稳定和能量产额下降，尤其是在独立或弱电网系统中。为应对这些挑战，配备电池储能的混合光伏系统备受关注。这些配置通过在高峰辐照度期间储存多余能量，并在太阳能供应不足时提供电力，从而实现有效的能量缓冲，从而提升系统可靠性、自用能力和运行连续性。
最新研究强调，将光伏发电与电池储能结合的重要性日益增强，以提升可靠性、减少间歇性并支持需求灵活性。Rana 等人[1]对混合光伏-BESS（光伏-BESS）配置进行了全面综述，强调当前面临的挑战，如最佳尺寸、电池劣化、经济可行性和运行控制策略，同时概述了未来对更具韧性和高效混合能源系统研究的需求。Chatzigeorgiou 等人（2024）[2] 撰写的《电池储能系统综述：终端用户领域混合安装的应用、发展与研究趋势》的总结与批判性讨论。Zineb Cabrane 等人对光伏安装的电池-超级电容混合储能系统进行了深入分析和评估，强调其提升能源管理、稳定性和电放电性能的潜力[3]。T. Touahri等人设计了一套独立的光伏系统，用于阿尔及利亚阿德拉尔的住宅家庭供电，强调系统规模和在恶劣沙漠气候条件下的能源自主性[4]。Farihan Mohamad等人强调，储能系统的尺寸和布局在决定经济性能和整体系统效率方面起着关键作用，这与混合光伏电池配置的考虑高度一致[5]。Marta Lis 等人评估了家庭应用中的混合光伏与储能系统，重点关注其在波兰气候条件下的性能。他们的研究进一步分析了自用率，以确定此类系统在提升现场能源利用率方面的效果[6]。
在北非和中东等干旱和半干旱地区，由于太阳能资源丰富，混合光伏-电池系统日益被采用[7]。然而，极端的环境温度、沙尘暴和持续的污垢带来了重大挑战，导致模块加速劣化、电压不稳定和电池循环不规则[8]。实地研究表明，突然的辐照度变化和热应力对PV输出和电池寿命都至关重要。因此，近期研究重点在于通过精确的尺寸、土壤感知能源建模以及气候特定的能源管理策略进行系统优化。Khelifi等人对阿尔及利亚南部沙漠气候中并网光伏电站的运行进行了详细分析，评估其在高温和沙子沉积等恶劣环境条件下的性能[9]。同样，Razika Ihdadene 等人对 Ain Skhouna 光伏装置进行了分析评估，强调半干旱气候因素如何影响能源产额和整体性能[10]。这些研究共同强调了理解气候影响及整合先进储能或控制策略的重要性，以确保在恶劣环境中实现光伏的可靠高效运行。Kodami Badza等人对布基纳法索的独立光伏系统进行了评估，重点关注其环境影响，并展示了太阳能在促进撒哈拉以南非洲可持续农村发展中的作用[11]。Benbaha等人在阿尔及利亚加尔达亚沙漠地区探索了光伏水泵系统的最佳设计，分析了关键配置参数以提升极端环境条件下的效率和运行可靠性[12]。Zahra Mokrani等人强调混合光伏电池系统在革新农业能源利用方面发挥的积极作用，强调其在提升可持续性和增强离网农业韧性方面的作用[13]。
影响混合光伏-电池系统性能的一个关键因素是最大功率点追踪（MPPT）算法的有效性。传统的MPPT技术如微扰与观察（P&O）和增量电导（INC）因其简单易实现而被广泛使用[14]。然而，在快速变化的辐照度条件下、部分遮蔽或沙尘暴事件等沙漠气候常见条件下，这些方法存在跟踪延迟、稳态振荡和能量提取效率降低的问题。这些限制不仅导致能量损失，还导致充放电模式不稳定，加速电池劣化。
为克服这些不足，提出了先进的MPPT技术，包括智能和元启发式方法，如人工神经网络（ANN）、模糊逻辑、粒子群优化（PSO）和滑动模式控制（SMC）。这些方法在非线性和不确定环境条件下展现出卓越的适应性、更快的收敛速度以及更强的鲁棒性。混合算法如P&O–INC也展现出潜力，结合传统方法的优势，实现更快响应和减少振荡。
Haider Alhusseini 等人研究了一种基于自适应粒子群优化的模型预测控制（MPPT）方法，用于提升在部分遮蔽条件下运行的光伏系统中的跟踪精度。他们的研究证明了智能混合控制策略相较于传统MPPT方法，在克服错配损失和提升动态性能方面具有有效性[15]。吕光华等人对灰狼优化器（GWO）MPPT技术与部分着色PV阵列中传统算法进行了比较分析，展示了其在追踪全局最大功率点和减少不匹配条件下功率损耗方面的优越能力[16]。Zoubir Roumila 等人研究了结合电池储能的风能/光伏/柴油混合系统的能源管理策略，提出了一种模糊逻辑控制器以优化电力流并提升系统可靠性[17]。Samira Heroual 等人通过应用元启发式优化技术（包括遗传算法、蚂蚁群体优化和灰狼优化）研究混合能源储存系统的性能提升[18]。Abdulbari Talib Naser 等人对光伏系统的元启发式 MPPT 策略进行了性能评估，重点关注其在复杂部分遮蔽条件和不同负载场景下的有效性[19]。
近期关于最大功率点追踪（MPPT）算法的研究广泛探讨了混合策略和智能控制方法，以提升在可变辐照度、部分阴影和动态环境条件下的性能。结合传统算法与智能或基于优化的方法的混合MPPT技术，在跟踪效率、收敛速度和鲁棒性方面相较于P&O和增量电导（INC）等经典方法有显著提升。Mehmet Yılmaz等人（2025年）的最新研究展示了一种具有减小稳态振荡的混合模糊-GPRMPPT[20]。其他研究也在部分着色下应用了MPPT的深度学习模型，取得了有希望的效果[21]，而滑动模式控制器则被用于提升对辐照度变化的鲁棒性[22]。Nursultan Koshkarbay提出了一种混合最大功率点跟踪（MPPT）光伏系统技术，结合了二分搜索法与加权叠加态吸引算法。所提的混合MPPT方法效率高，并集成了部分遮蔽检测，从而提升了在可变遮蔽条件下运行的光伏系统性能[23]。V. Balaji提出了一种用于电池充电的单传感器混合MPPT算法。混合方法仅利用电池充电电流追踪最大功率，并将salp群算法与传统的扰动观察方法结合[24]。
尽管取得了这些进展，评估传统、混合和智能MPPT策略在完整混合光伏-电池系统框架内的综合比较研究仍然有限。现有大多数研究要么仅专注于独立光伏系统，要么忽视了与电池储能的双向能源互动。此外，很少有研究评估MPPT在干旱气候中典型的大气变化，而尘埃积累和辐照度波动显著影响光伏功率的提取和电池稳定性。
为弥补这一研究空白，本研究对由五种MPPT技术控制的混合光伏-电池系统进行了详细的性能比较分析：P&O、INC、混合P&O–INC、ANN和基于滑动模式（SMC）的MPPT控制。该系统集成了用于MPP调节的直流-直流升压变换器和用于电池能源管理的双向变换器。模拟在MATLAB/Simulink中进行，既有受控辐照度剖面，也有真实天气条件，以确保评估真实且全面。
本研究同时采用实验和模拟方法。MATLAB/Simulink 仿真用于评估 MPPT 算法（P&O、INC、混合 P&O–INC、神经网络和滑动模式控制）在受控辐照度阶变下的动态性能。采用安捷伦34970A数据采集系统，配备校准电压和电流传感器，并联捕获屋顶混合光伏电池系统的光伏和电池电压与电流。虽然实验结果用于验证电池模型的正确性和真实性及整体系统行为，但模拟结果则用于在相同工作条件下评估MPPT技术。
本研究的主要贡献如下：
简介
最新研究强调，将光伏发电与电池储能结合的重要性日益增强，以提升可靠性、减少间歇性并支持需求灵活性。Rana 等人[1]对混合光伏-BESS（光伏-BESS）配置进行了全面综述，强调当前面临的挑战，如最佳尺寸、电池劣化、经济可行性和运行控制策略，同时概述了未来对更具韧性和高效混合能源系统研究的需求。Chatzigeorgiou 等人（2024）[2] 撰写的《电池储能系统综述：终端用户领域混合安装的应用、发展与研究趋势》的总结与批判性讨论。Zineb Cabrane 等人对光伏安装的电池-超级电容混合储能系统进行了深入分析和评估，强调其提升能源管理、稳定性和电放电性能的潜力[3]。T. Touahri等人设计了一套独立的光伏系统，用于阿尔及利亚阿德拉尔的住宅家庭供电，强调系统规模和在恶劣沙漠气候条件下的能源自主性[4]。Farihan Mohamad等人强调，储能系统的尺寸和布局在决定经济性能和整体系统效率方面起着关键作用，这与混合光伏电池配置的考虑高度一致[5]。Marta Lis 等人评估了家庭应用中的混合光伏与储能系统，重点关注其在波兰气候条件下的性能。他们的研究进一步分析了自用率，以确定此类系统在提升现场能源利用率方面的效果[6]。
在北非和中东等干旱和半干旱地区，由于太阳能资源丰富，混合光伏-电池系统日益被采用[7]。然而，极端的环境温度、沙尘暴和持续的污垢带来了重大挑战，导致模块加速劣化、电压不稳定和电池循环不规则[8]。实地研究表明，突然的辐照度变化和热应力对PV输出和电池寿命都至关重要。因此，近期研究重点在于通过精确的尺寸、土壤感知能源建模以及气候特定的能源管理策略进行系统优化。Khelifi等人对阿尔及利亚南部沙漠气候中并网光伏电站的运行进行了详细分析，评估其在高温和沙子沉积等恶劣环境条件下的性能[9]。同样，Razika Ihdadene 等人对 Ain Skhouna 光伏装置进行了分析评估，强调半干旱气候因素如何影响能源产额和整体性能[10]。这些研究共同强调了理解气候影响及整合先进储能或控制策略的重要性，以确保在恶劣环境中实现光伏的可靠高效运行。Kodami Badza等人对布基纳法索的独立光伏系统进行了评估，重点关注其环境影响，并展示了太阳能在促进撒哈拉以南非洲可持续农村发展中的作用[11]。Benbaha等人在阿尔及利亚加尔达亚沙漠地区探索了光伏水泵系统的最佳设计，分析了关键配置参数以提升极端环境条件下的效率和运行可靠性[12]。Zahra Mokrani等人强调混合光伏电池系统在革新农业能源利用方面发挥的积极作用，强调其在提升可持续性和增强离网农业韧性方面的作用[13]。
影响混合光伏-电池系统性能的一个关键因素是最大功率点追踪（MPPT）算法的有效性。传统的MPPT技术如微扰与观察（P&O）和增量电导（INC）因其简单易实现而被广泛使用[14]。然而，在快速变化的辐照度条件下、部分遮蔽或沙尘暴事件等沙漠气候常见条件下，这些方法存在跟踪延迟、稳态振荡和能量提取效率降低的问题。这些限制不仅导致能量损失，还导致充放电模式不稳定，加速电池劣化。
为克服这些不足，提出了先进的MPPT技术，包括智能和元启发式方法，如人工神经网络（ANN）、模糊逻辑、粒子群优化（PSO）和滑动模式控制（SMC）。这些方法在非线性和不确定环境条件下展现出卓越的适应性、更快的收敛速度以及更强的鲁棒性。混合算法如P&O–INC也展现出潜力，结合传统方法的优势，实现更快响应和减少振荡。
Haider Alhusseini 等人研究了一种基于自适应粒子群优化的模型预测控制（MPPT）方法，用于提升在部分遮蔽条件下运行的光伏系统中的跟踪精度。他们的研究证明了智能混合控制策略相较于传统MPPT方法，在克服错配损失和提升动态性能方面具有有效性[15]。吕光华等人对灰狼优化器（GWO）MPPT技术与部分着色PV阵列中传统算法进行了比较分析，展示了其在追踪全局最大功率点和减少不匹配条件下功率损耗方面的优越能力[16]。Zoubir Roumila 等人研究了结合电池储能的风能/光伏/柴油混合系统的能源管理策略，提出了一种模糊逻辑控制器以优化电力流并提升系统可靠性[17]。Samira Heroual 等人通过应用元启发式优化技术（包括遗传算法、蚂蚁群体优化和灰狼优化）研究混合能源储存系统的性能提升[18]。Abdulbari Talib Naser 等人对光伏系统的元启发式 MPPT 策略进行了性能评估，重点关注其在复杂部分遮蔽条件和不同负载场景下的有效性[19]。
近期关于最大功率点追踪（MPPT）算法的研究广泛探讨了混合策略和智能控制方法，以提升在可变辐照度、部分阴影和动态环境条件下的性能。结合传统算法与智能或基于优化的方法的混合MPPT技术，在跟踪效率、收敛速度和鲁棒性方面相较于P&O和增量电导（INC）等经典方法有显著提升。Mehmet Yılmaz等人（2025年）的最新研究展示了一种具有减小稳态振荡的混合模糊-GPRMPPT[20]。其他研究也在部分着色下应用了MPPT的深度学习模型，取得了有希望的效果[21]，而滑动模式控制器则被用于提升对辐照度变化的鲁棒性[22]。Nursultan Koshkarbay提出了一种混合最大功率点跟踪（MPPT）光伏系统技术，结合了二分搜索法与加权叠加态吸引算法。所提的混合MPPT方法效率高，并集成了部分遮蔽检测，从而提升了在可变遮蔽条件下运行的光伏系统性能[23]。V. Balaji提出了一种用于电池充电的单传感器混合MPPT算法。混合方法仅利用电池充电电流追踪最大功率，并将salp群算法与传统的扰动观察方法结合[24]。
尽管取得了这些进展，评估传统、混合和智能MPPT策略在完整混合光伏-电池系统框架内的综合比较研究仍然有限。现有大多数研究要么仅专注于独立光伏系统，要么忽视了与电池储能的双向能源互动。此外，很少有研究评估MPPT在干旱气候中典型的大气变化，而尘埃积累和辐照度波动显著影响光伏功率的提取和电池稳定性。
为弥补这一研究空白，本研究对由五种MPPT技术控制的混合光伏-电池系统进行了详细的性能比较分析：P&O、INC、混合P&O–INC、ANN和基于滑动模式（SMC）的MPPT控制。该系统集成了用于MPP调节的直流-直流升压变换器和用于电池能源管理的双向变换器。模拟在MATLAB/Simulink中进行，既有受控辐照度剖面，也有真实天气条件，以确保评估真实且全面。
本研究同时采用实验和模拟方法。MATLAB/Simulink 仿真用于评估 MPPT 算法（P&O、INC、混合 P&O–INC、神经网络和滑动模式控制）在受控辐照度阶变下的动态性能。采用安捷伦34970A数据采集系统，配备校准电压和电流传感器，并联捕获屋顶混合光伏电池系统的光伏和电池电压与电流。虽然实验结果用于验证电池模型的正确性和真实性及整体系统行为，但模拟结果则用于在相同工作条件下评估MPPT技术。
本研究的主要贡献如下：
- -
开发一个完整的混合光伏-电池仿真模型，整合了五种不同的MPPT控制策略，在统一的控制框架内。 - -
MPPT技术在受控和实际辐照度变化下的比较评估，评估跟踪效率、瞬态响应和系统稳定性。 - -
证明所提混合（P&O–INC）算法提供更优的收敛速度、更小振荡和增强电池稳定性。 - -
验证该方法适用于干旱气候应用，其中辐照度变率和土壤构成关键操作挑战。 - -
这项工作的创新之处在于将经典MPPT技术与实际光伏电池系统中的实验验证相结合，从而在干旱气候条件下实现了更优的动态性能。