En condiciones de sombreado parcial (CSP), las características de potencia–voltaje de los sistemas fotovoltaicos exhiben múltiples picos, lo que provoca que los algoritmos tradicionales de seguimiento del punto de potencia máxima (MPPT) queden atrapados fácilmente en óptimos locales y no logren alcanzar el seguimiento del punto de potencia máxima global, reduciendo así la eficiencia de conversión de energía. Localizar de manera efectiva y rápida el máximo global de potencia en condiciones ambientales complejas se ha vuelto crucial para mejorar el rendimiento del MPPT en sistemas fotovoltaicos. Por lo tanto, este documento propone un algoritmo de optimización de manada de alces mejorado (IEHO) para lograr el seguimiento rápido del punto de potencia máxima global bajo diversas condiciones climáticas. El algoritmo propone un mecanismo de actualización de posición guiado por la probabilidad de riesgo de depredación para dirigir la migración de la manada de alces e introduce la estrategia de caminata en triángulo, mejorando así la capacidad del algoritmo para evitar óptimos locales. Además, IEHO emplea una estrategia de redirección guiada por memoria para omitir cálculos redundantes de ciclos de trabajo históricos, mejorando significativamente la velocidad de convergencia del MPPT. Para validar las ventajas de rendimiento del algoritmo, el método IEHO propuesto se compara con otros algoritmos metaheurísticos reconocidos bajo diversas condiciones climáticas. Los resultados experimentales demuestran que, en todas las condiciones probadas, el método IEHO propuesto logra una eficiencia de seguimiento promedio del 99.99% y un tiempo de seguimiento promedio de 0.3886 s, superando a otros algoritmos comparativos.
Zheng et al. (Miér,) estudiaron esta cuestión.