基于混合LEO-QCGNN方法的准Z源逆变器光伏电站Trojan蓄电池储能系统高级能量管理

一种电池供电的准Z源逆变器(QZSI)可以平抑光伏发电功率的随机动摇，使其以均衡办法馈入电网或完结读档。但是在电池放电进程中，多样化的不接连导通形式会限制现有拓扑结构的功率输出。本文提出了一种根据QZSI的光伏储能电站新式混合动力办理办法，该办法联合应用了莲花效应优化(LEO)算法与量子彻底图神经网络(QCGNN)体系。因此该办法被命名为LEO-QCGNN技能。该计划以下降功率损耗和削减总谐波失真(THD)为主要方针，其中LEO算法用于优化体系参数以提高效能，QCGNN则担任猜测QZSI的最优操控信号。在MATLAB平台上对所提办法进行评价，并与改善人工蜂群-人工神经网络(MABC-ANN)、阿基米德优化算法-强化回忆递归神经网络(AOA-RERNN)以及准对立化学反应优化与金鹰优化器(QOCRO-GEO)等办法进行比照。本技能计划展现出总谐波失真(THD)值低至5%、功率损耗仅为2W的优胜功能，明显优于AOA-RERNN(12W)、QOCRO-GEO(8W)和MABC-ANN(5W)等现有办法。该办法完成了0.0741的均方差错(MSE)和0.512毫秒的测试时刻，验证了其准确性与核算功率。所提出的计划在提高动力办理水平和促进可再生动力(RES)与电力体系交融方面展现出明显的技能进步。

导言

因为日益增长的环境问题、政府鼓励措施以及全球对可持续动力处理计划的推动，光伏体系在住所、商业和工业范畴的应用正逐步遍及[1]。可再生动力体系（RES），尤其是光伏体系的广泛集成，凸显了高效电能转化与办理的重要性[2]。通常，光伏体系的能量转化经过两个阶段完成：第一阶段选用DC-DC改换器将输出电压调整至适宜水平[3]。为完成电网并网或本地负荷消纳，第二级选用电压源逆变器（VSI）将直流电能转化为沟通电[4]。Z源逆变器（ZSI）已成为传统两级变流器的更有用替代计划[5]。该拓扑经过在电源与逆变器之间连接阻抗网络，完成兼具电压提高才能的单级功率改换[6]。作为ZSI的衍生拓扑之一，准Z源逆变器（QZSI）因其功能提高与结构简化而具有明显优势[7]。与传统ZSI比较，QZSI明显下降了开关纹波，并能从光伏面板供给安稳的直流输入电流[8]。该拓扑还省去了额外的滤波电容器需求，这有助于减轻元件电压应力并提高体系全体牢靠性[9]。但是尽管具备这些优势，在光伏体系中将QZSI与电池储能体系集成仍存在若干运转应战。太阳能的间歇性特性会导致功率输出动摇，或许影响电网安稳性与逆变器功能[10]。保证电池充电、放电和直接负载供电等多种运转形式之间的平稳过渡需求准确操控，以避免过压、欠压和电流尖峰等异常情况[11]。频繁的充放电循环还会加快电池劣化，从而下降功率并缩短电池的使用寿命[12]。这种劣化除了影响体系功能外，终究还会添加保护和替换本钱[13]。这些应战凸显了在要求高牢靠性和长期耐久性的动态动力环境中，有用办理根据准Z源逆变器(QZSI)的光伏混合体系的杂乱性[14]。处理这些问题对于根据QZSI的光伏电站完成牢靠高效运转至关重要。
已有很多文献针对选用QZsi技能并装备动力办理与电池储能体系的光伏电站展开了相关研讨。其中具有代表性的部分效果综述如下。
Santhi与Srinivasan[15]提出了一种高效的AOA-RERNN操控技能，应用于根据新式多电平逆变器的非阻隔式准Z源并网光伏体系。该研讨办法选用了一种创新式多电平逆变器结构（NIQZS-NMLI），结合非阻隔型准Z源网络（QZS），并开发了适用于光伏体系接口的高效操控战略。所提出的AOA-RERNN技能经过将RERNN与AOA算法相交融完成操控优化。
Anand等人[16]开发了用于光伏连接多电平逆变器体系的Q2OGEO技能，该技能根据有源开关升压准Z源(ASB-qZSI)。作为可行的混合处理计划，ASB-qZSI被提出作为扩展升压逆变器以进步光伏体系功率。Q2OGEO是结合"准反向化学反应优化"(QOCRO)与GEO的混合办法的另一称号。
Gayathri等人[17]展现了改善的并网光伏体系建模与操控办法，该办法选用优化ANN-MPPT算法和高增益准Z源改换器。研讨主张使用高增益准Z源(HG-qZS)改换器来调理并网太阳能光伏装置。经过结合MABC与ANN算法，开发了杂乱的最大功率点盯梢(MPPT)操控器以提高太阳能光伏组件的功率提取才能。
Horrillo-Quintero等人[18]开发了一种微电网容错办理计划，该体系将储能装置与光伏体系集成至选用准Z源级联结构的H桥多电平逆变器中。根据荷电状况(SOC)份额功率分配原则，其能量办理体系(EMS)提出了一种平衡电网供电功率的办法。电池储能体系(BESS)的规划旨在缓解光伏发电的动摇性。
Liu和Li[19]提出了一种用于准Z源逆变器(QZSI)的高精度模型猜测功率操控技能，该技能选用电池储能。针对电池储能型准Z源逆变器(BES-qZSI)，所提出的高精度模型猜测功率操控技能既能最小化功率动摇，又可提高输出电流与直流侧电感电流质量。经过改善无差拍操控战略来调理电感电流，完成了在较低纹波条件下对参考指令的准确盯梢。
EL-Banna等人[20]提出了一种根据高尔夫优化战略(GOA)的逆变器光伏体系部分遮荫条件下最大功率点盯梢(MPPT)优化办法。该办法侧重提高盯梢功率、下降稳态纹波并经过优化逆变器参数来增强电压电流调理功能。研讨将GOA与扰动观察法(P&O)、灰狼优化器(GWO)和海鸥优化算法(SOA)等传统办法进行比照，其优势体现在不同遮荫与温度条件下更优的电能质量与盯梢功能。但是，该办法对元启示式算法的依靠导致核算杂乱度明显添加。
Do等人[21]开发了一种选用形式依靠能量调理的双源自动开关准零阻抗逆变器，适用于燃料电池混合动力轿车。该办法提出了一种根据高功能自动开关(HP AS)准零阻抗逆变器(HP AS)作为动力总成的燃料电池混合动力轿车形式依靠能量办理体系。随后选用增强型差分进化(IDE)技能为每种驾驶形式开发并优化了离线四形式含糊逻辑操控器(FLC)。
Khazaeefar等人[22]提出了一种改善的根据Z源的多电平逆变器(MLI)架构，用于并网光伏体系，具有更高的功率转化功率和运转灵活性。该规划在直通(ST)状况下，经过Z源网络完成了用于最大功率点盯梢的低频开关战略。所提办法保证了最大功率点盯梢进程不会对总谐波失真发生晦气影响，从而保持体系安稳性和功能。
陈等学者[23]提出了一种根据虚拟阻抗"虚拟同步发电机"(VSG)的储能准Z源光伏体系操控战略。该技能经过评价等效阻抗原理并实施二次频率操控，有用处理了并网太阳能发电体系中的功率振动与频率误差问题。
Saleem等人[24]规划了一种面向并网太阳能电池微电网的优化能量办理体系(EMS)，旨在提高动力经济性、削减电池损耗并保持电压安稳性。该EMS选用有限时域模型猜测操控(MPC)架构，完成了蓄电池储能、太阳能发电与负荷需求的高效协调。该办法引入蒙特卡洛模仿以应对不确定性，其优势在于能有用优化运转本钱，但对杂乱优化与模仿办法的依靠添加了核算资源需求。
Kihal等人[25]提出了一种选用分源逆变器(SSI)的多性向并网光伏体系，以提高电能质量和动力办理才能。该体系在直流侧与沟通侧均选用滑模操控(SMC)战略，经过解耦操控计划和改善型空间矢量调制(MSVM)，完成无功功率补偿优化、非线性读档需求满意及剩余功率回馈电网。优势体现在增强的升压才能与高效动力办理才能，但存在体系杂乱度高、需求先进操控计划的限制性。
电网连接型光伏储能体系在操控战略与逆变器拓扑范畴的最新进展——尤其是准Z源逆变器（QZSI）与多电平构型相关研讨——已展现出明显成效。但是，若干要害问题仍未处理。现有办法如AOA-RERNN和QOCRO-GEO大多独立优化操控战略或体系参数，缺少可以同步处理两者的集成化结构，难以完成全体体系功率的提高。ANN-MPPT与BES-QZSI猜测操控等技能通常以单一功能指标（功率损耗或THD）为优化方针，却未能同步优化这两个对电能质量与能量利用率至关重要的参数。此外，现有QZSI拓扑对蓄电池放电进程中不接连导通形式的处理仍存在限制，限制了体系的功率处理才能与安稳性。根据RERNN、含糊逻辑能量办理体系和规范人工神经网络等深度学习办法的计划，在面对多变的太阳辐照度和动态Load条件时，常因收敛速度慢或精度不足而影响实际适应性。同样地，AOA、MABC、GOA及差分进化等元启示式优化技能也存在收敛速度迟缓问题，且在时变场景中易堕入部分最优解。这些限制性凸显了对一致自适应操控Strategy的需求——该Strategy需兼具准确操控信号猜测与高效体系参数优化的两层才能。
为应对根据准Z源逆变器(QZSI)的光伏储能体系在能量办理中没有处理的应战，本文提出将利奥优化算法(LEO)与量子卷积图神经网络(QCGNN)相交融的计划。该一致结构可同步完成参数优化与操控信号猜测，克服了传统办法将两项任务割裂处理的限制性。LEO算法在杂乱高维搜索空间中展现出卓越的寻优功能，兼具鲁棒收敛特性与躲避部分最优解的才能。该技能用于微调直接影响功率损耗与总谐波失真(THD)的要害体系参数。与此同时，量子核算图神经网络(QCGNN)凭仗其量子启示的图学习结构，可以捕捉逆变器与体系动态中的杂乱彼此依存关系。这使得体系在变化的太阳辐照度、电池荷电状况(SOC)和读档(Load)条件下，能完成高精度且自适应的操控信号猜测。经过联合优化决策与操控流程，所提办法展现出卓越的适应性与响应才能。该计划有用办理电池放电期间的非接连导通形式，下降总谐波失真(THD)，削减功率损耗，并全面提高体系安稳性与功率。这标志着现代并网光伏体系智能能量办理范畴取得重大进展。
以下是主要贡献的总结：

• •
  本研讨提出了一种结合LEO与QCGNN的新式混合技能，用于选用准Z源逆变器（QZSI）并装备电池储能的光伏电站先进能量办理。
• •
  应用LEO算法准确优化要害体系参数，从而提高逆变器全体功能与体系功率。
• •
  选用QCGNN网络准确猜测最优操控信号，完成在动摇太阳辐照度与动态读档条件下的更优逆变器办理。
• •
  同时下降总谐波失真（THD）与功率损耗，这对电能质量与功率至关重要。
• •
  经过供给一种适用于多变太阳辐照度和读档需求的稳健能量办理战略，增强可再生动力体系(RES)的集成性。