基于多目标遗传算法（MOGA）的混合神经模糊最优控制器在光伏（PV）电池充电系统中的应用

摘要： 本文提出一种基于最大功率点跟踪（MPPT）技术和恒流-恒压（CC-CV）充电方式的混合神经模糊/模糊控制器（NFC-CC/FLC-CV），用于光伏铅酸电池充电系统的电压调节。通过多目标遗传算法（MOGA）对NFC和FLC的参数（包括规则选择）进行优化，应用于NFC-CC设计以提升跟踪精度并降低复杂度，经遗传优化后模糊规则数量可减少50%。同时采用GA优化FLC-CV设计以提高电压调节（VR）精度。在满足MOGA和GA确定的稳定性条件后，通过暂态响应、稳态精度、充电时间、能量利用率及充电效率等多指标，评估控制器在快速变化天气条件下的性能表现。结果表明：该控制器相比现有方案具有无超调的最快上升时间、最高且振荡极小的MPPT与VR精度、缩短12-23%的充电时间，以及提升5-15%的能量利用率和1-6%的充电效率。此外，其通过最小化乘法运算次数和系统参数实现最优计算复杂度，并以最低赤池信息准则（AIC）值获得高可靠性。