《Energy Conversion and Management-X》：An intelligent energy management strategy for standalone PV–fuel cell–battery system using elk herd optimization approach
编辑推荐：
该研究论文提出了一种增强的功率管理策略（PMS），用于结合光伏（PV）源、燃料电池和电池的离网混合电力系统，该系统利用麋鹿群优化（EHO）算法。在该混合系统中，光伏作为主要的清洁能源，燃料电池作为太阳能可用性低时的补充单元，而电池存储则作为主要能量库，用于管理
该研究论文提出了一种增强的功率管理策略（PMS），用于结合光伏（PV）源、燃料电池和电池的离网混合电力系统，该系统利用麋鹿群优化（EHO）算法。在该混合系统中，光伏作为主要的清洁能源，燃料电池作为太阳能可用性低时的补充单元，而电池存储则作为主要能量库，用于管理功率波动、满足峰值负载并减轻不同气候和运行条件下燃料电池的压力。所提出的功率管理系统对于各种能源之间的功率有效分配至关重要，这显著影响系统的整体效率。其主要目标包括最小化氢气消耗、提高能源效率以及延长燃料电池和电池的寿命。该能量管理系统（EMS）利用基于 EHO 的 PMS，动态优化光伏阵列、燃料电池和电池之间的功率分配，以满足负载需求同时遵守系统约束。研究评估了基于 EHO 的提议能量管理系统的有效性和鲁棒性，并将其与现有技术如粒子群优化（PSO）、基于传统规则的方法（如 PI 控制器）以及两种既定方法——等效消耗最小化策略（ECMS）和外部能量最大化方法（EEMS）进行了比较。主要目标是减少氢气使用并提高能源利用率以改善日常运营。仿真结果表明，与当前方法相比，基于 EHO 的 PMS 显著降低了氢气消耗，同时保持或提高了能源寿命和整体系统效率。
随着全球人口增长及电力需求增加，能源安全在国家能源规划中的重要性日益凸显，化石燃料的枯竭与环境污染迫使各国寻求可再生能源替代方案。太阳能虽为关键清洁能源，但受昼夜更替及天气影响存在间歇性缺陷，需辅以其他能源确保持续供电。混合能源系统通过整合多种电源提升了供电可靠性与效率，其中光伏 - 燃料电池 - 电池（PV-FC-Battery）拓扑结构因兼具高效率、零排放及长时储能能力，被视为离网及关键设施的理想选择。然而，混合系统中多能源流的动态特性、可再生能源的波动性以及负载需求的变化，对能量管理策略（EMS）提出了严峻挑战。现有基于规则、人工智能或传统优化的 EMS 方法在处理非线性问题、避免局部最优解及实时性方面存在局限，难以在最小化氢气消耗、延长组件寿命与维持系统稳定性之间取得最佳平衡。为此，研究人员开展了一项针对独立光伏 - 燃料电池 - 电池混合系统的智能能量管理策略研究，旨在引入一种新型元启发式算法以优化功率分配。
本研究核心在于开发并应用了一种基于麋鹿群优化算法（Elk Herd Optimization Algorithm, EHOA）的新型能量管理系统。研究人员构建了包含 10 kW 光伏阵列、10 kW 质子交换膜燃料电池（PEMFC）及 48V/40Ah 锂离子电池的混合系统模型。研究并未采用复杂的电池老化模型，而是通过控制策略减轻电池压力以间接延长寿命。在方法论上，研究团队首先建立了光伏单二极管模型、燃料电池电化学模型（考虑活化、欧姆及浓差损失）以及基于 Thevenin 等效电路的锂离子电池模型。随后，重点阐述了 EHOA 的数学机理，该算法模拟麋鹿群的繁殖、求偶及育幼行为，通过种群初始化、求偶期（分组与竞争）、产仔期（解的更新与变异）及选择期（优胜劣汰）四个阶段实现全局探索与局部开发的平衡。研究人员将电池输出功率与直流母线电压波动作为决策变量，以最小化氢气消耗为目标函数，在满足 SOC 及电压约束条件下进行寻优。仿真实验在 MATLAB/Simulink 环境中进行，设定种群规模为 50，迭代次数 100，并将 EHOA 策略与传统比例积分（PI）控制、等效消耗最小化策略（ECMS）、外部能量最大化方法（EEMS）及粒子群优化（PSO）算法在相同工况下进行对比评估。
研究结果表明，基于 EHOA 的能量管理策略在多项关键指标上表现优异。在功率响应方面，EHOA 能够实现平滑的燃料电池功率爬坡，避免了 PI 控制中的剧烈波动，同时比 PSO 展现出更少的电池功率振荡，有效平抑了直流母线电压波动，提升了系统稳定性。在氢气消耗方面，虽然 EEMS 策略记录了最低的氢气消耗量（8.34925 g），但 EHOA 的消耗量（8.8564 g）显著低于 ECMS（15.1042 g）和 PSO（8.71795 g），且优于传统 PI 控制（8.52983 g），展现了极佳的燃料经济性。在系统整体效率上，EEMS 以 90.99% 居首，EHOA 以 89.91% 的效率紧随其后，明显高于 ECMS 的 87.89%。在电池健康状态方面，EHOA 策略下的电池终态荷电状态（SOC）为 61.768%，处于合理运行区间，既避免了过度放电也防止了过充，体现了对储能单元的良好保护。综合对比显示，EHOA 在氢气消耗、系统效率及组件寿命保护之间取得了最佳平衡，其收敛速度快且不易陷入局部最优，适用于具有高度非线性和动态变化的混合能源系统管理。
讨论部分指出，尽管 EEMS 在单一指标上略优，但 EHOA 凭借其在多目标权衡中的综合优势，特别是在维持直流母线电压稳定和提供平滑功率响应方面，展现出更高的工程应用价值。研究结论强调，提出的基于麋鹿群优化的能量管理策略是一种高效、可靠且自适应能力强的解决方案，能够显著提升离网混合可再生能源系统的运行性能。该策略不仅有效降低了氢气消耗，还通过优化的功率分配延长了关键组件的使用寿命。未来工作将致力于参数的动态调整及更多目标函数（如运营成本）的引入，并计划通过 RT-Lab OPAL 实时平台进行硬件在环验证，以推动从仿真到实际工程应用的转化。该论文发表于《Energy Conversion and Management-X》。
