Key points are not available for this paper at this time.
Die Basis- und adaptiven maximalen Leistungspunktverfolgungsalgorithmen wurden für verteilte Photovoltaiksysteme untersucht, um die Energieproduktion eines Photovoltaik(PV)-Moduls zu maximieren. Die grundlegenden maximalen Leistungspunktverfolgungsalgorithmen, die eine feste Schrittgröße verwenden, wie Perturb and Observe und inkrementelle Leitfähigkeit, leiden jedoch unter einem Kompromiss zwischen Verfolgungsgenauigkeit und Verfolgungsgeschwindigkeit. Obwohl die adaptiven maximalen Leistungspunktverfolgungsalgorithmen mit variabler Schrittgröße die Effizienz und das dynamische Ansprechverhalten der grundlegendsten Algorithmen verbessern, zeigen diese Algorithmen immer noch Oszillationen am maximalen Leistungspunkt, da die variable Schrittgröße empfindlich auf externe Faktoren reagiert. Daher schlägt dieses Papier einen verbesserten maximalen Leistungspunktverfolgungsalgorithmus vor, der eine schnelle dynamische Reaktion, geringe Oszillationen und hohe Effizienz der maximalen Leistungspunktverfolgung aufweisen kann. Um diese Vorteile zu erreichen, verwendet der vorgeschlagene maximale Leistungspunktverfolgungsalgorithmus zwei Methoden, die die optimale Schrittgröße auf jeden Betriebsbereich anwenden können. Im Betriebsbereich nahe dem maximalen Leistungspunkt wird eine kleine feste Schrittgröße verwendet, um die Oszillationen am maximalen Leistungspunkt zu minimieren. Im Gegensatz dazu wird im Betriebsbereich weit vom maximalen Leistungspunkt eine variable Schrittgröße verwendet, die proportional zur Steigung der Leistungs-Spannungs-Kurve des PV-Moduls ist, um eine schnelle Verfolgungsgeschwindigkeit unter dynamischen Wetterbedingungen zu erreichen. Infolgedessen kann der vorgeschlagene Algorithmus eine höhere Effizienz bei der maximalen Leistungspunktverfolgung, schnellere dynamische Reaktionen und geringere Oszillationen als die grundlegenden und adaptiven Algorithmen erreichen. Die theoretische Analyse und die Leistung des vorgeschlagenen Algorithmus wurden durch experimentelle Ergebnisse verifiziert. Darüber hinaus zeigen die vergleichenden experimentellen Ergebnisse des vorgeschlagenen Algorithmus mit anderen maximalen Leistungspunktverfolgungsalgorithmen die Überlegenheit des vorgeschlagenen Algorithmus.
Lee et al. (2019) haben diese Frage untersucht.