针对光伏阵列阴影及树叶等遮挡识别的准确率有待提高的问题,提出一种基于选择增强的图像分割算法。该算法在HSV颜色空间对图片进行增强处理,得到“苔衣图像”,达到遮挡变色的效果,提高遮挡部分与未遮挡部分的对比度。最后对“苔衣图像”进行图像分割,得到遮挡轮廓。结果表明,所提基于选择增强的图像分割算法得到的阴影和附着遮挡物(树叶等)的位置、面积更加准确,便于清除遮挡,同时也为光伏阵列局部阴影下的精准建模提供基础。

太阳能飞艇依赖于光伏阵列提供能量, 但曲面面形引起的非均匀光照会造成光伏阵列的能量损失。文章将遗传算法引入光伏阵列优化研究, 通过优化光伏阵列拓扑结构, 降低模块间的失配现象, 从而达到增大输出功率的目的。首先基于光伏电池的单二极管模型, 给出光伏阵列的仿真方法。其次提出基于遗传算法的光伏阵列拓扑结构的优化方法, 采用序列编码方式, 将光伏阵列拓扑结构转化为染色体编码, 通过染色体基因位的交叉变异实现光伏阵列拓扑结构的优化。以某太阳能飞艇为例进行仿真验证, 优化后光伏阵列平均输出功率增大2.32%, 仿真结果表明所提方法能够有效提高太阳能飞艇光伏阵列的输出功率。

提出了一种三段式变步长电导增量算法，通过设定步长调整系数的上、下限阈值，将工作步长分为三种模式，保证了在光照强度剧烈变化的情况下，系统仍能以较大步长运行，避免了传统电导增量法动态响应速度慢的问题。仿真结果表明，该算法可将系统的动态响应时间缩短至5~6 ms，且最大功率点附近的功率振荡明显减弱，系统的功率损失降低，跟踪精度得到提高。

在光伏发电系统中，经常存在电池板局部被遮挡的情况，造成电池板出现多峰极值的现象。传统的最大功率点(MPPT)搜索方法常常会陷入局部极值，从而错过或丢失系统的全局最大功率点，甚至产生振荡导致系统输出不稳定。提出一种改进的蝙蝠算法(IBA)，并应用到太阳能阵列存在局部阴影条件下的最大功率点寻优控制中。通过混沌初始化，对群体的初始位置进行更新，增加种群的均匀性和遍历性；引入自适应惯性权重，使算法在优化前期具有较强的全局搜索能力，后期有较强的局部收缩能力，同时引入Levy 飞行来产生跳跃速度，跳出局部极值；引入动态收缩区间，有效地减小算法的搜索范围。以上改进，避免了种群受到局部极值的影响而过早收敛。光伏发电系统的仿真表明：在其受到局部遮挡而出现多峰极值的情况下，改进的蝙蝠算法能够快速找到全局最优点，并且精度高。

针对光伏阵列在受到阴影遮挡时光伏发电系统总功率大幅下降的问题, 采用分布式光伏阵列与光伏逆变器的群控方法, 通过开关矩阵将多个光伏阵列与多台光伏逆变器相连, 形成灵活多变的光伏发电网络拓扑结构, 并根据该网络拓扑结构的工作原理, 提出了相应的自适应遗传算法来实现分布式光伏阵列与光伏逆变器之间的群控管理.仿真及实验结果表明, 光伏阵列受到阴影遮挡时, 该算法使得光能的转换效率明显优于常规典型的分布式光伏发电方式, 为有效利用光能提供了思路.

利用Matlab/Simulink搭建了光伏阵列数学模型, 分析了传统最大功率跟踪(MPPT)方法的缺陷, 针对传统电导增量法跟踪速度慢、存在误判的问题, 详细研究了温度和光照强度对于光伏阵列输出特性的影响, 提出新的改进电导增量法, 并对核心算法进行优化, 使用S函数实现了最大功率跟踪。仿真结果证明, 改进后的方法能够更加快速和准确跟踪最大功率。