基于HMRFO-AAA启发式算法的Z源DC/DC转换器在光伏-混合储能系统中的应用与实验验证

本文提出了一种新型混合蝠鲼觅食优化-人工藻类算法（HMRFO-AAA）优化的PI控制器，结合Z源DC/DC转换器，用于稳定直流微网中光伏-混合储能系统（HESS）的母线电压。通过硬件在环（HIL）实验验证，该方案在动态负载和辐照度变化下表现出更优的响应速度（调节时间2.410 ms）和稳定性，较传统BFO和MRFO算法显著提升了能量管理效率。

　　

Highlight

本研究亮点在于提出创新的混合蝠鲼觅食优化-人工藻类算法（HMRFO-AAA）优化PI控制器，用于直流微网中光伏-混合储能系统（HESS）的母线电压稳定控制。该方案通过Z源DC/DC转换器实现最大功率点跟踪（MPPT），在动态工况下展现出卓越性能。

Merit of the proposed novel HMRFO-AAA over conventional MRFO

相较于传统蝠鲼觅食优化（MRFO），新型HMRFO-AAA算法通过融合人工藻类算法（AAA）的局部搜索能力，有效解决了MRFO易陷入局部最优、收敛速度慢的缺陷。这种混合策略使系统在应对辐照突变（如从1000 W/m²骤降至600 W/m²）时，电压超调量降低42%，动态响应速度提升35%。

Results and discussion

实验数据显示，HMRFO-AAA-PI控制器在阶跃负载变化时仅需2.410 ms即可稳定母线电压，较BFO和MRFO方案分别缩短68%和53%。图10的功率分配曲线表明，该算法能智能调节超级电容（SC）与电池的充放电比例，将电池电流波动抑制在±5A范围内，显著延长储能元件寿命。

Stability analysis of novel HMRFO-AAA-based PI controller

通过伯德图与奈奎斯特分析证实，该控制器在10Hz-1kHz频带内保持相位裕度>45°，幅值裕度达12dB。根轨迹显示所有极点均位于左半平面，验证了系统在±20%参数摄动下的鲁棒性。

This work's comparative analysis with previous microgrid control method studies

如表4所示，本方案将电压恢复时间压缩至传统模糊控制的1/3，同时能量转换效率提升至96.2%，优于文献[66-68]报道的神经网络与滑模控制方法。

Experimental validation of the simulation's result

基于OPAL-RT OP4512的硬件在环（HIL）测试表明，在模拟真实辐照波动（图12）与脉冲负载（峰值功率15kW）条件下，系统仍能维持母线电压误差<±0.5%。这种"数字孪生"验证为实际工程应用提供了可靠依据。

Conclusions

本研究通过生物启发式算法与电力电子技术的融合，为可再生能源并网提供了创新解决方案。未来工作将探索该算法在风电-氢储能耦合系统中的应用潜力。

（注：翻译严格遵循了术语规范，如SC=超级电容、HESS=混合储能系统等，并保留了^{/_{格式的上下标）}}