HYBRID APPROACH TO MAXIMUM POWER POINT TRACKING IN PHOTOELECTRIC SYSTEMS
This paper explores a hybrid approach to maximum power point tracking (MPPT) in photovoltaic systems, focusing on improving the efficiency and stability of the methods. Various MPPT algorithms, such as Perturb and Observe (P&O), Incremental Conductance (INC), and Double Increment (DM), a...
Saved in:
| Date: | 2025 |
|---|---|
| Main Authors: | , , , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Institute of Renewable Energy National Academy of Sciences of Ukraine
2025
|
| Subjects: | |
| Online Access: | https://ve.org.ua/index.php/journal/article/view/532 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Vidnovluvana energetika |
| Download file: |  |
Institution
Vidnovluvana energetika| _version_ | 1871103921348411392 |
|---|---|
| author | Bosak , A. Bodnaruk , O. Dubovyk , V. Kulakovskyi , L. |
| author_facet | Bosak , A. Bodnaruk , O. Dubovyk , V. Kulakovskyi , L. |
| author_institution_txt_mv | [
{
"author": "A. Bosak ",
"institution": "National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute», Kyiv, Ukraine"
},
{
"author": "O. Bodnaruk ",
"institution": "National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute», Kyiv, Ukraine"
},
{
"author": "V. Dubovyk ",
"institution": "National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute», Kyiv, Ukraine"
},
{
"author": "L. Kulakovskyi ",
"institution": "National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute», Kyiv, Ukraine"
}
] |
| author_sort | Bosak , A. |
| baseUrl_str | https://ve.org.ua/index.php/journal/oai |
| collection | OJS |
| datestamp_date | 2026-07-18T06:32:22Z |
| description | This paper explores a hybrid approach to maximum power point tracking (MPPT) in photovoltaic systems, focusing on improving the efficiency and stability of the methods. Various MPPT algorithms, such as Perturb and Observe (P&O), Incremental Conductance (INC), and Double Increment (DM), are discussed, in combination with artificial neural networks (ANN) and particle swarm optimization (PSO) algorithms. The use of real-world data from a solar power plant allowed computer simulations to optimize system parameters. The analysis results demonstrate that each method has its own characteristics, which allows choosing the optimal approach depending on criteria such as performance, stability, and response speed. The conclusions obtained can be useful for designing and tuning PV systems in real-world conditions, especially in variable weather conditions. |
| doi_str_mv | 10.36296/1819-8058.2025.2(81).114-125 |
| first_indexed | 2025-07-17T11:40:02Z |
| format | Article |
| fulltext |
114
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
УДК 620.92 https://doi.org/10.36296/1819-8058.2025.2(81).114-125
ГІБРИДНИЙ ПІДХІД ДО ВІДСТЕЖЕННЯ МАКСИМАЛЬНОЇ ТОЧКИ ПОТУЖНОСТІ У
ФОТОЕЛЕКТРИЧНИХ СИСТЕМАХ
Отримано 21 січ. 2025 р.; рекомендовано до публікації 27 черв. 2025 р.
Доступно онлайн 30 черв. 2025 р.
Босак А. В.1, Боднарук О. Ю.2, Дубовик В. Г.3,
Кулаковський Л. Я.4
Автор для кореспонденції: Босак Алла,
e-mail: allabosak@lll.kpi.ua
Стаття досліджує гібридний підхід до відстеження макси-
мальної точки потужності (MPPT) у фотоелектричних си-
стемах, зосереджуючись на підвищенні ефективності та
стабільності методів. Обговорюються різноманітні алго-
ритми MPPT, як-от Perturb and Observe (P&O), Incremental
Conductance (INC) і Double Increment (DM), у поєднанні зі штучними нейронними мережами (ANN) та ал-
горитмом оптимізації рою частинок (PSO). Використання реальних даних сонячної електростанції до-
зволило провести комп’ютерне моделювання для оптимізації параметрів системи. Результати ана-
лізу демонструють, що кожен метод має свої особливості, що дозволяє вибрати оптимальний підхід
залежно від критеріїв, таких як продуктивність, стабільність та швидкість реакції. Отримані висно-
вки можуть бути корисними для проєктування та налаштування PV-систем в умовах реальної експлу-
атації, особливо у змінних погодних умовах.
Ключові слова: гібридний підхід, MPPT, фотоелектричні системи, ефективність, стабільність, P&O,
INC, DM, штучні нейронні мережі, PSO, комп'ютерне моделювання, продуктивність, швидкість реакції,
PV-системи, погодні умови.
HYBRID APPROACH TO MAXIMUM POWER POINT TRACKING IN PHOTOELECTRIC SYSTEMS
Received Jan 21, 2025; accepted Jun. 27, 2025
Available online Jun. 30, 2025
Bosak A.1, Bodnaruk O.2, Dubovyk V.3,
Kulakovskyi L.4
Author for correspondence: Bosak Alla,
e-mail: allabosak@lll.kpi.ua
This paper explores a hybrid approach to maximum power point
tracking (MPPT) in photovoltaic systems, focusing on improving
the efficiency and stability of the methods. Various MPPT algo-
rithms, such as Perturb and Observe (P&O), Incremental Con-
ductance (INC), and Double Increment (DM), are discussed, in
combination with artificial neural networks (ANN) and particle
swarm optimization (PSO) algorithms. The use of real-world data from a solar power plant allowed computer
simulations to optimize system parameters. The analysis results demonstrate that each method has its own char-
acteristics, which allows choosing the optimal approach depending on criteria such as performance, stability, and
response speed. The conclusions obtained can be useful for designing and tuning PV systems in real-world condi-
tions, especially in variable weather conditions.
Keywords: hybrid approach, MPPT, photovoltaic systems, efficiency, stability, P&O, INC, DM, artificial neural net-
works, PSO, computer simulation, performance, response speed, PV systems, weather conditions.
1 канд. техн. наук, доцент
https://orcid.org/0000-0003-0545-9980
2 аспірант
https://orcid.org/0009-0001-3031-3644
3 старший викладач
https://orcid.org/0000-0001-8884-8222
4 канд. техн. наук, доцент
https://orcid.org/0000-0003-1273-6894
1, 2, 3, 4 Національний технічний університет
України «Київський політехнічний інститут
імені Ігоря Сікорського», м. Київ, Україна
1 Cand. of Science (Tech.), Assoc. Prof.
https://orcid.org/0000-0003-0545-9980
2 Postgraduate Student.
https://orcid.org/0009-0001-3031-3644
3 Senior Lecturer
https://orcid.org/0000-0001-8884-8222
4 Cand. of Science (Tech.), Assoc. Prof.
https://orcid.org/0000-0003-1273-6894
1, 2, 3, 4 National Technical University of Ukraine
«Igor Sikorsky Kyiv Polytechnic Institute»,
Kyiv, Ukraine
115
Відновлювана енергетика. №1/2025 | Сонячна енергетика
Використані скорочення та позначення
ВДЕ – відновлювані джерела енергії
MPPT – методи відстеження точки максимальної потуж-
ності
ФЕС – фотоелектрична станція
ВАХ – вольт-амперна характеристика
ANN – штучна нейронна мережа
PSO – оптимізація рою частинок
P&O – метод збурення та спостереження
INC – метод інкрементної провідності
DM – метод подвійного збільшення
Вступ
Енергетичний сектор стикається з постійними викли-
ками, зокрема із забезпеченням стабільного та екологі-
чно чистого енергопостачання. Сонячна енергія завдяки
своїй доступності та невичерпності стає ключовим еле-
ментом у переході на відновлювані джерела енергії.
Фотоелектричні (PV) системи, які перетворюють соня-
чну енергію на електричну, широко використовуються
завдяки своїй простоті та ефективності. Однак ефектив-
ність цих систем залежить від зовнішніх факторів, таких
як рівень освітленості й температура довкілля, які мо-
жуть істотно варіюватися протягом дня. Це вимагає за-
стосування передових рішень для оптимізації їх роботи.
Методи відстеження точки максимальної потужності
(MPPT) є критично важливими для забезпечення макси-
мального виходу енергії у PV-системах. Традиційні під-
ходи, як-от Perturb and Observe (P&O), Incremental
Conductance (INC) і Double Increment (DM), пропонують
ефективні рішення, але кожен з них має свої особливо-
сті, які можуть обмежувати їх застосування в умовах
швидкозмінного середовища. Сучасні наукові дослі-
дження зосереджені на розробці гібридних підходів.
Використовуючи штучні нейронні мережі (ANN) та ме-
тод оптимізації рою частинок (PSO), можна вдоскона-
лити адаптивність і стабільність роботи PV-систем, що є
особливо актуальним при виробництві енергії в умовах
змінної освітленості й температури.
Метою цього дослідження є вдосконалення, реалізація
та порівняння гібридних методів відстеження точки ма-
ксимальної потужності (MPPT) для фотоелектричних
(PV) систем, зокрема Perturb and Observe (P&O),
Incremental Conductance (INC) та Double Increment (DM),
у поєднанні зі штучною нейронною мережею (ANN) та
алгоритмом оптимізації рою частинок (PSO).
Постановка завдання. Розробити та реалізувати три ме-
тоди відстеження MPPT (P&O, INC, DM) у вигляді ней-
ронної мережі та алгоритму оптимізації рою частинок
(PSO) для оптимізації параметрів PV-системи, та прове-
сти порівняння продуктивності розроблених методів
MPPT шляхом оцінки таких метрик, як середня потуж-
ність, стандартне відхилення, час досягнення максима-
льної потужності та стабільність.
Виклад основного матеріалу. Сонячна радіація варію-
ється упродовж дня, причому найнижчі рівні спостеріга-
ються на світанку та ввечері, досягаючи максимальних
значень опівдні. Наприклад, в ясний день освітленість о
9:00 ранку буде меншою, ніж у середині дня. Цей факт
пояснюється обертанням Землі навколо своєї осі, що
приводить до коротшого шляху, який сонячне світло по-
долає через земну атмосферу орбітально, ніж опівдні. У
цей час сонячні промені падають на поверхню під пря-
мим кутом, долаючи меншу товщу атмосфери.
На рис. 1 показано сонячне випромінювання, яке надхо-
дить на фотоелектричну установку в Київській області,
орієнтовану на південь і з нахилом 30 градусів відносно
горизонталі протягом 1–10 липня (влітку).
На рис. 2 показано зміни кількості сонячної енергії,
отриманої поверхнею протягом ясного дня. Вранці та пі-
зно вдень отримується менша потужність, оскільки по-
верхня розташована не під оптимальним кутом до Со-
нця. Опівдні отримана потужність найбільша (близько
1000 Вт/м2). Однак фактична кількість отриманої мит-
тєво енергії змінюється залежно від хмар, що прохо-
дять, і ясності атмосфери через пил в атмосфері (центра-
льна частина графіка показує вплив деяких хмар, що
проходять опівдні) [1, 2].
Ці проблеми можна вирішити за допомогою методів відс-
теження точки максимальної потужності (MPPT), які відпо-
відають за отримання оптимальної потужності від фотое-
лектричної системи незалежно від кліматичних умов [3].
У реальних умовах опромінювання і температура пос-
тійно змінюються, тому точкова потужність (MPP) мо-
дуля також буде максимально варіюватися (рис. 3). При
зниженні рівня опромінювання вихідний струм знижу-
ється, хоча вплив на напругу є незначним. Водночас під-
вищення температури знижує напругу, майже не впли-
ваючи на струм.
Рис. 1. Вихідна потужність ФЕС Київської області за
десять днів
Fig. 1. Output power of the Kyiv region's solar power
plants for ten days
116
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
Рис. 2. Залежність між часом доби та вихідною поту-
жністю ФЕС
Fig. 2. Dependence between time of day and solar power
output
a
Maximum power point (MPP)
Maximum power point (MPP)
b
Рис. 3. ВАХ при зміні опромінення (а) і температури
(б) JAM72D30-540/MB
Fig. 3. I-V curve under varying irradiance (а) and tempera-
ture (b) JAM72D30-540/MB
Оскільки потужність збільшується як добуток сили
струму на напругу, то зменшення освітленості та підви-
щення температури ведуть до зниження вихідної поту-
жності (рис. 4). Технологія відстеження максимальної
потужності (MPPT), застосована в сонячних контроле-
рах, дозволяє коригувати опір навантаження, щоб мо-
дуль залишався на максимальній точці потужності, на-
віть за умов змінного струму та напруги.
Maximum power point (MPP)
а Maximum power point (MPP)
б
Рис. 4. Зміна точки максимальної потужності PV за-
лежно від (а) інтенсивності освітлення та (б) темпе-
ратури комірки [4]
Fig. 4. Variation of the PV maximum power point as a
function of (a) light intensity and (b) cell temperature
Методи MPPT можна розділити на два основних типи
управління: прямі та непрямі. Прямі методи отримання
точки максимальної потужності (MPP) засновані на по-
точних значеннях напруги і струму сонячних панелей.
До них належать такі підходи, як диференціювання, ме-
тоди зворотного зв'язку, збурення та спостереження [5–
7], інкрементного опору [8–10] і методи з використан-
ням нечіткої логіки [11, 12, 1]. Непрямі методи керу-
вання засновані на математичних моделях і алгоритмах,
що враховують вплив навколишнього середовища на
роботу сонячних панелей для розрахунку MPP у різних
умовах. До непрямих методів належать підгонка кривої,
використання пошукових таблиць, вимірювання
117
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
напруги розімкнутого ланцюга, струму короткого зами-
кання та методи тестування комірок розімкнутого лан-
цюга.
Метод збурення та спостереження (P&O). Цей метод
завдяки своїй простоті та ефективності є одним з найпо-
ширеніших методів технології MPPT [4–6]. Він визначає
нахил характеристичної кривої, який дорівнює нулю в
точці максимального значення потужності (MPP). У лівій
частині кривої нахил є позитивним (область зростання),
а в правій – негативним (область зменшення). Таким чи-
ном, коливання продовжуються до досягнення MPP.
Щоб зменшити коливання, розмір кроків турбулентно-
сті зменшується, що, однак, уповільнює процес досяг-
нення точки MPP.
Початок
Δ >0 НіТак
Вимірювання
( ), ( )
Обчислення
( )= ( ) ( )
Δ = ( (
ΔV>0 ΔV<0
НіТакТак
Ні
Зменшуємо V Збільшуємо V Збільшуємо V Зменшуємо V
Кінець
ΔV=V( V( ΔV=V( V(
( ), ( )
Рис. 5. Блок-схема алгоритму P&O
Fig. 5. Block diagram of the P&O algorithm
118
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
Цей метод створює базовий регулятор замкнутого ци-
клу з мінімальною кількістю контрольованих парамет-
рів. Постійно регулюючи напругу на сонячній панелі не-
великими інкрементальними кроками, алгоритм P&O
порівнює потужність, отриману раніше, з потужністю пі-
сля зміни. Завдяки своїй простоті та використанню об-
меженої кількості вимірюваних параметрів цей алго-
ритм широко застосовується в комерційних цілях.
Метод P&O постійно змінює вихідну напругу через
клеми сонячної панелі й порівнює потужність поперед-
нього циклу з поточною. Якщо напруга й потужність ма-
ють пряму залежність, то в разі зростання одного пара-
метра зростає й інший. Обладнання відповідно
налаштовується для регулювання положення, зміню-
ючи робочу точку в іншому напрямку. Існуючі зміни від-
буваються з постійним темпом після визначення поточ-
ної позиції зміни. Цей темп можна регулювати для
досягнення стабільності через зменшення дисперсії
стану. На рис. 5 зображено блок-схему алгоритму P&O.
Метод інкрементної провідності (INC). Цей метод є
вдосконаленим алгоритмом для відстеження точки ма-
ксимальної потужності (MPPТ) в системах сонячних па-
нелей та ґрунтується на аналізі зміни провідності (тобто
відношення струму до напруги) та її приросту, що дозво-
ляє точно визначити положення MPPТ навіть за умов
змінного освітлення та навантаження. Основна мета INC
полягає в тому, щоб забезпечити максимально ефекти-
вне використання енергії, генерованої сонячними пане-
лями, оптимізувавши їхню роботу [7–9].
Завдяки своїй здатності швидко реагувати на зміни метод
INC є одним з найефективніших способів відстеження
MPP. Він забезпечує точне відстеження точки максималь-
ної потужності без значних коливань, що є характерними
для деяких інших методів, таких як метод збурення та
спостереження. Це робить його особливо корисним у ре-
альних умовах, де освітлення може змінюватися швидко
й непередбачувано, наприклад, через проходження
хмар або зміну кута падіння сонячних променів. На рис. 6
зображено блок-схему алгоритму INC.
Початок
ΔІ=0 ТакНі
Вимірювання
( ), ( )
Обчислення
ΔV=V( V(
ΔІ=І( І(
Ні
Кінець
( ), ( )
ΔІ=0ΔІ/ΔV=-I/V
Ні
ΔІ>0
Так
Так
Збільшуємо
збурення
Зменшуємо
збурення
Зменшуємо
збурення
ΔІ/ΔV>-I/V
Ні
Так
Збільшуємо
збурення
Ні
Так
Рис. 6. Блок-схема алгоритму INC
Fig. 6. Block diagram of the INC algorithm
119
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
Ще однією перевагою методу INC є його здатність працю-
вати з широким спектром сонячних панелей та інверто-
рів, що робить його універсальним рішенням для різних
типів сонячних систем. Це досягається гнучкістю алгори-
тму, який може бути налаштований для роботи з різними
характеристиками панелей та умовами експлуатації.
Однак, попри численні переваги, метод INC також має
свої виклики. Він вимагає точних вимірювань струму та
напруги, що може бути складним завданням в умовах
шуму або нестабільності в електричній системі. Крім
того, реалізація цього методу може вимагати складні-
ших обчислювальних ресурсів, що може вплинути на ва-
ртість та складність системи.
Метод подвійного збільшення (DM). Метод DM є од-
ним із підходів, що застосовуються в чисельних розра-
хунках, оптимізації або пошуку рішень у складних систе-
мах. Основна ідея цього методу полягає в поступовому
збільшенні значення змінної або досліджуваного пара-
метра з метою досягнення оптимального результату.
Починається процес з ініціалізації, де вибирається поча-
ткове значення, яке служить відправною точкою для по-
дальших ітерацій. Це значення може бути вибране на
основі попереднього досвіду, експертних оцінок або ви-
падковим чином, залежно від специфіки задачі. На
рис. 7 зображено блок-схему алгоритму DM.
Початок
V, I, t
P1>0 І
P2>0
Зберігаємо
напрямок
збурення
Змінюємо
напрямок
збурення
t = t +1
Кінець
P(t) = V(t) * I(t)
P1(t) = P(t) - P(t-1)
P(t) = V(t+1) * I(t+1)
P2(t) = P(t+1) - P(t)
P1<0 і
P2<0
Так
Ні
Так
Вимірюємо V(t), I(t)
Ні
Рис. 7. Блок-схема алгоритму DM
Fig. 7. Block diagram of the DM algorithm
120
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
Подвійне збільшення, яке є ключовою характеристикою
методу, передбачає, що на кожному кроці значення
змінної збільшується вдвічі, або на подвоєний крок. Це
дозволяє швидко досліджувати простір можливих рі-
шень і потенційно скорочувати час, необхідний для до-
сягнення оптимального результату. Однак такий підхід
може також призводити до пропуску оптимальних зна-
чень, якщо вони перебувають між подвоєними кро-
ками, тому важливо ретельно вибирати початкові пара-
метри та стратегію збільшення.
Після кожного збільшення проводиться оцінка отрима-
ного результату, до якої може входити перевірка досяг-
нення бажаного результату або оцінка близькості пото-
чного рішення до оптимального. Якщо результат не є
задовільним, процес повторюється з новим, збільше-
ним значенням. Цей цикл триває доти, доки не буде
досягнуте оптимальне рішення або не буде виконано
задану кількість ітерацій. Завершення методу настає,
коли досягнуто бажаного результату або коли подальше
збільшення не приводить до покращення.
Аналіз результатів моделювання. У дослідженні вико-
ристовувався реальний набір даних, зібраний з фотое-
лектричної (PV) системи, встановленої на сонячній еле-
ктростанції в Київській області. Набір даних охоплював
період з 1 липня по 31 грудня 2020 року і містив вимірю-
вання освітленості, температури та вихідної потужності
PV-системи. Дані були зібрані з інтервалом в одну го-
дину, що дозволяло детально аналізувати динаміку
змін параметрів упродовж дня та протягом усього пері-
оду дослідження.
Основні параметри набору даних відображені на рис. 8.
Рис. 8. Основні параметри набору даних
Fig. 8. Basic data set parameters
121
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
Для забезпечення точності та якості аналізу дані були
піддані попередній обробці. Було видалено рядки з від-
сутніми значеннями, а також відфільтровані значення
освітленості, що менші за нуль, і температури, що вихо-
дять за межі діапазону від 0 до 50 °C. Після очищення
даних вхідні параметри (освітленість і температура) та
вихідні параметри (вихідна потужність) були сформо-
вані у вигляді відповідних матриць для тренування шту-
чної нейронної мережі (ANN).
Для моделювання фотоелектричної (PV) системи вико-
ристовувалася багатошарова перцептронна нейронна
мережа (MLP). До структури мережі входили два прихо-
ваних шари, кожен з яких містив по 10 нейронів.
Вихідний шар використовував лінійну функцію акти-
вації, а приховані шари – функцію гіперболічного тан-
генса (tansig). Навчання мережі виконувалося за допо-
могою алгоритму зворотного поширення помилки
(trainlm) методом Левенберга – Марквардта. Макси-
мальна кількість епох навчання становила 1000. Такий
підхід дозволив точніше моделювати нелінійні характе-
ристики PV-системи, враховуючи залежність потужності
від освітленості й температури.
Для оптимізації параметрів MPPT використовувався ал-
горитм оптимізації рою частинок (PSO). Початкова кіль-
кість частинок становила 50, а максимальна кількість
ітерацій – 100. Коефіцієнт інерції був встановлений на
рівні 0.5, а коефіцієнти когнітивної та соціальної складо-
вих – по 1.5. Основними етапами алгоритму PSO були
ініціалізація частинок, обчислення функції пристосова-
ності, оновлення швидкостей та позицій частинок, а та-
кож збереження найкращих положень. ANN використо-
вувалася для прогнозування потужності на основі
вхідних параметрів (освітленість і температура), що доз-
волило підвищити точність і адаптивність кожного ме-
тоду MPPT.
Зібрані дані дали змогу досліджувати поведінку PV-сис-
теми в різних умовах експлуатації та оптимізувати пара-
метри MPPT за допомогою ANN та алгоритму оптиміза-
ції рою частинок (PSO). Результати моделювання були
отримані при порівнянні трьох методів відстеження
MPPT (P&O, INC, DM) з використанням нейронної ме-
режі та алгоритму оптимізації рою частинок (PSO) для
оптимізації параметрів PV-системи (рис. 9–11).
Рис. 9. Результати моделювання методом INC
Fig. 9. INC modeling results
Параметри отримання МPPT за методом INC:
• Оптимальна інтенсивність освітлення (Вт/м²): 851.28.
• Оптимальна температура (°C): 38.01.
• Оптимальна потужність (кВт): 9946.2912 .
122
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
Рис. 10. Результати моделювання методом P&O
Fig. 10. P&O modeling results
Параметри отримання МPPT за методом P&O:
• Оптимальна інтенсивність освітлення (Вт/м²): 962.89.
• Оптимальна температура (°C): 35.15.
• Оптимальна потужність (кВт): 9942.1178.
Рис. 11. Результати моделювання методом DM
Fig. 11. DM modeling results
Параметри отримання МPPT за методом DM:
• Оптимальна інтенсивність освітлення (Вт/м²): 679.69.
• Оптимальна температура (°C): 34.24.
• Оптимальна потужність (кВт): 9943.3048.
123
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
Порівняння доцільності досліджуваних методів MPPT
проводилось шляхом оцінки таких метрик, як сере-
дня потужність, стандартне відхилення, час досяг-
нення максимальної потужності та стабільність.
1. Середня потужність обчислюється як середнє зна-
чення всіх виміряних значень потужності за певний
період часу за формулою:
1
1 N
i
i
P P
N =
= , (1)
де: Р – середня потужність, N – кількість вимірів,
iP – потужність у i-му вимірі.
2. Стандартне відхилення показує ступінь коливання або
нестабільності потужності, генерованої методом MPPT.
2
1
1
( ) ,
N
i
i
P P
N
=
= − (2)
де: – стандартне відхилення, Р – середня потуж-
ність,
iP – потужність у i-му вимірі, N – кількість вимірів.
3. Час досягнення максимальної потужності визнача-
ється як кількість кроків часу, необхідних для досяг-
нення максимальної потужності.
( )maxt argmax P= , (3)
де:
maxt – час досягнення максимальної потужності,
Р – вектор значень потужності.
4. Стабільність може бути оцінена за допомогою ана-
лізу коливань потужності. Одним з методів є викори-
стання коефіцієнта варіації (CV ), який визначається
як відношення стандартного відхилення до середньої
потужності.
,CV
P
= (4)
де: CV – коефіцієнт варіації, – стандартне відхи-
лення, Р – середня потужність.
Результати порівняння досліджуваних методів відо-
бражені на рис. 12 та в таблиці.
Рис. 12. Результати моделювання методом DM
Fig. 12. DM modeling results
Таблиця. Порівняння методів визначення MPPT
Table. Comparison of MPPT determination methods
Метод Середня потужність,
кВт
Стандартне від-
хилення
Час досягнення ма-
ксимальної потуж-
ності, с
Стабільність
P&O 9942.1178 34.6104 3.5 0.00348
INC 9841.8266 36.0737 2 0.00367
DM 9943.3048 39.7400 3 0.00399
124
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
Висновки. У цьому дослідженні були проаналізовані
три методи MPPT (P&O, INC та DM) у поєднанні зі штуч-
ною нейронною мережею та оптимальним алгоритмом
рою часточок (PSO). Результати показали, що метод
Differential Method (DM) демонструє найвищу середню
потужність (9943.3048 кВт) при стандартному відхи-
ленні 39.7400, що вказує на його високу ефективність,
але з певною варіативністю. Метод Perturb and Observe
(P&O) виявився найстабільнішим з найменшим стан-
дартним відхиленням (34.6104) та середньою потуж-
ністю 9942.1178 кВт, досягаючи максимальної потуж-
ності за 3.5 с. Метод Incremental Conductance (INC)
показав найнижчу середню потужність (9841.8266 кВт),
але досягнув максимальної потужності найшвидше
(2 с), що є важливим для систем, де швидкість реакції є
критичною. Ці результати свідчать про доцільність вико-
ристання комбінації нейронної мережі та алгоритму
рою часточок для оптимізації методів MPPT, врахову-
ючи різні критерії, як-от продуктивність, стабільність та
швидкість реакції.
ПОСИЛАННЯ:
1. Bosak, A., Matushkin, D., Davydenko, L., Kulakovskyi, L.,
& Bronytskyi, V. (2022). Short-Term Forecasting of Pho-
tovoltaic Solar Power Generation Based on Time Series:
Application for Ensure the Efficient Operation of the In-
tegrated Energy System of Ukraine. In Power Systems
Research and Operation: Selected Problems II (pp. 159–
179). Cham: Springer International Publishing.
2. Bosak, A., Matushkin, D., Dubovyk, V., Homon, S., & Ku-
lakovskyi, L. (2021). Determination of the concepts of
building a solar power forecasting model. Scientific Ho-
rizons, 10(24), 9–16.
3. Saady, I., Karim, M., Bossoufi, B., El Ouanjli, N., Motah-
hir, S., & Majout, B. (2023). Optimization and control of
photovoltaic water pumping system using kalman filter
based MPPT and multilevel inverter fed DTC-IM. Results
in Engineering, 17, 100829.
4. Гаєвський О., Іванчук В., Гаєвська А. (2023). АНАЛІЗ
ВЗАЄМОЗЛЕЖНОСТЕЙ ПАРАМЕТРІВ ФЕЛЕКТРИЧНИХ
МОДУЛІВ ТА ЇХ ЗМІН ПРИ РІЗНИХ РІВНЯХ СОНЯЧНОГО
ВИПРОМІНЮВАННЯ. Відновлювана енергетика,
(3(74), 59–65. https://doi.org/10.36296/1819-
8058.2023.3(74).59-65
5. Ali, M. N., Mahmoud, K., Lehtonen, M., & Darwish, M.
M. (2021). Promising MPPT methods combining me-
taheuristic, fuzzy-logic and ANN techniques for grid-
connected photovoltaic. Sensors, 21(4), 1244.
6. Ali, A. I. M., Mousa, H. H., Mohamed, H. R. A., Kamel, S.,
Hassan, A. S., Alaas, Z. M., ... & Abdallah, A. R. Y. (2023).
An enhanced P&O MPPT algorithm with concise search
area for grid-tied PV systems. IEEE Access, 11, 79408–
79421.
7. AlZubaidi, A. A., Khaliq, L. A., Hamad, H. S., Al-Azzawi,
W. K., Jabbar, M. S., & Shihab, T. A. (2022). MPPT imple-
mentation and simulation using developed P&O algo-
rithm for photovoltaic system concerning effi-
ciency. Bulletin of Electrical Engineering and
Informatics, 11(5), 2460–2470.
8. Singh, P., Shukla, N., & Gaur, P. (2021). Modified varia-
ble step incremental-conductance MPPT technique for
photovoltaic system. International Journal of Infor-
mation Technology, 13, 2483–2490.
9. Shang, L., Guo, H., & Zhu, W. (2020). An improved MPPT
control strategy based on incremental conductance al-
gorithm. Protection and Control of Modern Power Sys-
tems, 5(2), 1–9.
10. Parvaneh, M. H., & Khorasani, P. G. (2020). A new hybrid
method based on fuzzy logic for maximum power point
tracking of photovoltaic systems. Energy Reports, 6,
1619–1632.
11. Napole, C., Derbeli, M., & Barambones, O. (2021). Fuzzy
logic approach for maximum power point tracking im-
plemented in a real time photovoltaic system. Applied
Sciences, 11(13), 5927.
12. Eydi, M., Hosseini Sabzevari, S. I., & Ghazi, R. (2020). A
novel strategy of maximum power point tracking for pho-
tovoltaic panels based on fuzzy logic algorithm. Advances
in Electrical and Electronic Engineering, 18(1), 1–10.
13. Derbeli, M., Napole, C., & Barambones, O. (2023). A
Fuzzy Logic Control for Maximum Power Point Tracking
Algorithm Validated in a Commercial PV System. Ener-
gies, 16(2), 748.
REFERENCES:
1. Bosak, A., Matushkin, D., Davydenko, L., Kulakovskyi, L.,
& Bronytskyi, V. (2022). Short-Term Forecasting of Pho-
tovoltaic Solar Power Generation Based on Time Series:
Application for Ensure the Efficient Operation of the In-
tegrated Energy System of Ukraine. In Power Systems
Research and Operation: Selected Problems II (pp. 159–
179). Cham: Springer International Publishing.
2. Bosak, A., Matushkin, D., Dubovyk, V., Homon, S., & Ku-
lakovskyi, L. (2021). Determination of the concepts of
building a solar power forecasting model. Scientific Ho-
rizons, 10(24), 9–16.
3. Saady, I., Karim, M., Bossoufi, B., El Ouanjli, N., Motah-
hir, S., & Majout, B. (2023). Optimization and control of
photovoltaic water pumping system using kalman filter
based MPPT and multilevel inverter fed DTC-IM. Results
in Engineering, 17, 100829.
4. Gaevskyi O., Ivanchuk V. and Gaevska A. (2023). ANAL-
YSIS OF INTERRELATIONSHIPS OF PARAMETERS OF
FETELECTRIC MODULES AND THEIR CHANGES AT DIF-
FERENT LEVELS OF SOLAR RADIATION. Vidnovluvana
https://doi.org/10.36296/1819-8058.2023.3(74).59-65
https://doi.org/10.36296/1819-8058.2023.3(74).59-65
125
Відновлювана енергетика. № 2/2025 | Сонячна енергетика
Energetika, 3(74), 59–65.
https://doi.org/10.36296/1819-8058.2023.3(74).59-65
5. Ali, M. N., Mahmoud, K., Lehtonen, M., & Darwish, M.
M. (2021). Promising MPPT methods combining me-
taheuristic, fuzzy-logic and ANN techniques for grid-
connected photovoltaic. Sensors, 21(4), 1244.
6. Ali, A. I. M., Mousa, H. H., Mohamed, H. R. A., Kamel, S.,
Hassan, A. S., Alaas, Z. M., ... & Abdallah, A. R. Y. (2023).
An enhanced P&O MPPT algorithm with concise search
area for grid-tied PV systems. IEEE Access, 11, 79408–
79421.
7. AlZubaidi, A. A., Khaliq, L. A., Hamad, H. S., Al-Azzawi,
W. K., Jabbar, M. S., & Shihab, T. A. (2022). MPPT imple-
mentation and simulation using developed P&O algo-
rithm for photovoltaic system concerning efficien-
cy. Bulletin of Electrical Engineering and Informa-
tics, 11(5), 2460–2470.
8. Singh, P., Shukla, N., & Gaur, P. (2021). Modified varia-
ble step incremental-conductance MPPT technique for
photovoltaic system. International Journal of Infor-
mation Technology, 13, 2483–2490.
9. Shang, L., Guo, H., & Zhu, W. (2020). An improved MPPT
control strategy based on incremental conductance al-
gorithm. Protection and Control of Modern Power Sys-
tems, 5(2), 1–9.
10. Parvaneh, M. H., & Khorasani, P. G. (2020). A new hybrid
method based on fuzzy logic for maximum power point
tracking of photovoltaic systems. Energy Reports, 6,
1619–1632.
11. Napole, C., Derbeli, M., & Barambones, O. (2021). Fuzzy
logic approach for maximum power point tracking im-
plemented in a real time photovoltaic system. Applied
Sciences, 11(13), 5927.
12. Eydi, M., Hosseini Sabzevari, S. I., & Ghazi, R. (2020). A
novel strategy of maximum power point tracking for
photovoltaic panels based on fuzzy logic algorithm. Ad-
vances in Electrical and Electronic Engineering, 18(1), 1–
10.
13. Derbeli, M., Napole, C., & Barambones, O. (2023). A
Fuzzy Logic Control for Maximum Power Point Tracking
Algorithm Validated in a Commercial PV System. Ener-
gies, 16(2), 748.
https://doi.org/10.36296/1819-8058.2023.3(74).59-65
|
| id | veorgua-article-532 |
| institution | Vidnovluvana energetika |
| keywords_txt_mv | keywords |
| language | Ukrainian |
| last_indexed | 2026-07-19T01:15:53Z |
| publishDate | 2025 |
| publisher | Institute of Renewable Energy National Academy of Sciences of Ukraine |
| record_format | ojs |
| resource_txt_mv | veorgua/ae/995671ea822f399fc49f1e79fafb6eae.pdf |
| spelling | veorgua-article-5322026-07-18T06:32:22Z HYBRID APPROACH TO MAXIMUM POWER POINT TRACKING IN PHOTOELECTRIC SYSTEMS ГІБРИДНИЙ ПІДХІД ДО ВІДСТЕЖЕННЯ МАКСИМАЛЬНОЇ ТОЧКИ ПОТУЖНОСТІ У ФОТОЕЛЕКТРИЧНИХ СИСТЕМАХ Bosak , A. Bodnaruk , O. Dubovyk , V. Kulakovskyi , L. hybrid approach, MPPT, photovoltaic systems, efficiency, stability, P&O, INC, DM, artificial neural networks, PSO, computer simulation, performance, response speed, PV systems, weather conditions. гібридний підхід, MPPT, фотоелектричні системи, ефективність, стабільність, P&O, INC, DM, штучні нейронні мережі, PSO, комп'ютерне моделювання, продуктивність, швидкість реакції, PV-системи, погодні умови. This paper explores a hybrid approach to maximum power point tracking (MPPT) in photovoltaic systems, focusing on improving the efficiency and stability of the methods. Various MPPT algorithms, such as Perturb and Observe (P&amp;O), Incremental Conductance (INC), and Double Increment (DM), are discussed, in combination with artificial neural networks (ANN) and particle swarm optimization (PSO) algorithms. The use of real-world data from a solar power plant allowed computer simulations to optimize system parameters. The analysis results demonstrate that each method has its own characteristics, which allows choosing the optimal approach depending on criteria such as performance, stability, and response speed. The conclusions obtained can be useful for designing and tuning PV systems in real-world conditions, especially in variable weather conditions. Стаття досліджує гібридний підхід до відстеження максимальної точки потужності (MPPT) у фотоелектричних системах, зосереджуючись на підвищенні ефективності та стабільності методів. Обговорюються різноманітні алгоритми MPPT, як-от Perturb and Observe (P&amp;O), Incremental Conductance (INC) і Double Increment (DM), у поєднанні зі штучними нейронними мережами (ANN) та алгоритмом оптимізації рою частинок (PSO). Використання реальних даних сонячної електростанції дозволило провести комп’ютерне моделювання для оптимізації параметрів системи. Результати аналізу демонструють, що кожен метод має свої особливості, що дозволяє вибрати оптимальний підхід залежно від критеріїв, таких як продуктивність, стабільність та швидкість реакції. Отримані висновки можуть бути корисними для проєктування та налаштування PV-систем в умовах реальної експлуатації, особливо у змінних погодних умовах.&nbsp; Institute of Renewable Energy National Academy of Sciences of Ukraine 2025-06-30 Article Article application/pdf https://ve.org.ua/index.php/journal/article/view/532 10.36296/1819-8058.2025.2(81).114-125 Vidnovluvana energetika ; No. 2(81) (2025): Scientific and applied Journal renewable energy ; 114-125 Возобновляемая энергетика; ##issue.no## 2(81) (2025): Scientific and applied Journal renewable energy ; 114-125 Відновлювана енергетика; № 2(81) (2025): Науково-прикладний журнал Відновлювана енергетика; 114-125 2664-8172 1819-8058 10.36296/1819-8058.2025.2(81) uk https://ve.org.ua/index.php/journal/article/view/532/440 Copyright (c) 2025 A. Bosak , O. Bodnaruk , V. Dubovyk , L. Kulakovskyi https://creativecommons.org/licenses/by-nc-nd/4.0 |
| spellingShingle | hybrid approach MPPT photovoltaic systems efficiency stability P&O INC DM artificial neural networks PSO computer simulation performance response speed PV systems weather conditions. Bosak , A. Bodnaruk , O. Dubovyk , V. Kulakovskyi , L. HYBRID APPROACH TO MAXIMUM POWER POINT TRACKING IN PHOTOELECTRIC SYSTEMS |
| title | HYBRID APPROACH TO MAXIMUM POWER POINT TRACKING IN PHOTOELECTRIC SYSTEMS |
| title_alt | ГІБРИДНИЙ ПІДХІД ДО ВІДСТЕЖЕННЯ МАКСИМАЛЬНОЇ ТОЧКИ ПОТУЖНОСТІ У ФОТОЕЛЕКТРИЧНИХ СИСТЕМАХ |
| title_full | HYBRID APPROACH TO MAXIMUM POWER POINT TRACKING IN PHOTOELECTRIC SYSTEMS |
| title_fullStr | HYBRID APPROACH TO MAXIMUM POWER POINT TRACKING IN PHOTOELECTRIC SYSTEMS |
| title_full_unstemmed | HYBRID APPROACH TO MAXIMUM POWER POINT TRACKING IN PHOTOELECTRIC SYSTEMS |
| title_short | HYBRID APPROACH TO MAXIMUM POWER POINT TRACKING IN PHOTOELECTRIC SYSTEMS |
| title_sort | hybrid approach to maximum power point tracking in photoelectric systems |
| topic | hybrid approach MPPT photovoltaic systems efficiency stability P&O INC DM artificial neural networks PSO computer simulation performance response speed PV systems weather conditions. |
| topic_facet | hybrid approach MPPT photovoltaic systems efficiency stability P&O INC DM artificial neural networks PSO computer simulation performance response speed PV systems weather conditions. гібридний підхід MPPT фотоелектричні системи ефективність стабільність P&O INC DM штучні нейронні мережі PSO комп'ютерне моделювання продуктивність швидкість реакції PV-системи погодні умови. |
| url | https://ve.org.ua/index.php/journal/article/view/532 |
| work_keys_str_mv | AT bosaka hybridapproachtomaximumpowerpointtrackinginphotoelectricsystems AT bodnaruko hybridapproachtomaximumpowerpointtrackinginphotoelectricsystems AT dubovykv hybridapproachtomaximumpowerpointtrackinginphotoelectricsystems AT kulakovskyil hybridapproachtomaximumpowerpointtrackinginphotoelectricsystems AT bosaka gíbridnijpídhíddovídstežennâmaksimalʹnoítočkipotužnostíufotoelektričnihsistemah AT bodnaruko gíbridnijpídhíddovídstežennâmaksimalʹnoítočkipotužnostíufotoelektričnihsistemah AT dubovykv gíbridnijpídhíddovídstežennâmaksimalʹnoítočkipotužnostíufotoelektričnihsistemah AT kulakovskyil gíbridnijpídhíddovídstežennâmaksimalʹnoítočkipotužnostíufotoelektričnihsistemah |