《ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING》：Marine Predators Algorithm for Photovoltaic System Optimization: A Systematic Review and Research Perspective
编辑推荐：
随着全球对清洁能源需求的增长，光伏（PV）系统已成为现代可再生能源基础设施的重要组成部分。然而，其非线性行为、对辐照度和温度变化的敏感性以及复杂的运行条件，需要先进的优化与控制方法。在此背景下，海洋捕食者算法（MPA）因其灵活的搜索能力和平衡的探索-开发结构而
随着全球对清洁能源需求的增长，光伏（PV）系统已成为现代可再生能源基础设施的重要组成部分。然而，其非线性行为、对辐照度和温度变化的敏感性以及复杂的运行条件，需要先进的优化与控制方法。在此背景下，海洋捕食者算法（MPA）因其灵活的搜索能力和平衡的探索-开发结构而受到越来越多的关注。本综述对应用于PV能源系统的基于MPA的方法进行了系统分析。研究人员共审查了124项研究，仅考虑了那些以PV系统为主要研究焦点，且MPA被用作核心优化、估计、控制或能源管理工具的工作。文献被分为九个应用领域：PV参数估计、PV建模技术、最大功率点跟踪（MPPT）研究、部分遮蔽下的MPPT、PV控制系统、并网PV系统、PV系统设计与规模确定、PV能源管理系统以及高级PV优化应用。基于性能指标（如收敛行为、跟踪性能、均方根误差（RMSE）、稳定性、鲁棒性、效率及成本相关指标）提供了比较性见解。研究结果表明，标准MPA仍是最广泛使用的方法，而混合与改进变体被越来越多地提出以提高精度、收敛性和适应性。本综述还强调，大多数研究基于仿真，而基于真实世界数据和实验验证的研究仍然有限。总体而言，本研究为基于MPA的PV优化提供了关于当前趋势、实际局限性和未来研究方向的系统性视角。
**1 引言**
PV能源系统因其环境可持续性、低碳排放以及对全球能源需求的日益贡献而成为最重要的可再生能源技术之一。智能电网、混合可再生能源系统、分布式发电基础设施、电池支持的能源管理系统以及电动汽车集成的快速发展进一步提升了高效可靠PV系统运行的重要性。PV系统固有的非线性电气特性及其对太阳辐照度和温度变化的高度敏感性，以及现代PV应用中涉及的最大功率提取、参数估计、变换器控制、并网集成、系统稳定性和能源管理等复杂工程问题，对优化与控制方法提出了挑战。部分遮蔽条件、快速变化的辐照度水平、变换器非线性、参数不确定性以及功率-电压曲线上的多个局部最大值显著复杂化了PV系统中的优化与控制过程。传统优化与控制技术在处理动态环境下的多维非线性搜索空间时存在困难，因此具有强全局搜索能力和自适应探索-开发行为的元启发式优化算法被广泛用于PV相关优化问题。其中，MPA（Marine Predators Algorithm）受海洋捕食者觅食与生存策略启发，因其平衡的探索-开发机制、鲁棒的全局搜索能力、收敛性能及灵活的优化结构而受到广泛关注。文献中MPA已被应用于包括PV参数估计、PV建模技术、MPPT（Maximum Power Point Tracking）应用、部分遮蔽下的MPPT、逆变器与变换器控制优化、并网PV系统、PV系统设计与规模确定、PV能源管理系统以及涉及智能预测、混合可再生能源系统和AI辅助优化框架的高级PV优化应用在内的广泛PV相关工程问题。此外，各种自适应、改进、修改、量子启发及混合MPA变体也被开发出来以提升收敛速度、优化精度、鲁棒性和稳定性。近期研究表明PV优化研究正日益转向自适应和实验验证的优化框架。尽管该领域研究数量不断增加，但现有文献在不同PV应用领域之间仍然分散。大多数已发表研究侧重于特定工程问题，而基于系统分类学、覆盖更广泛PV优化领域的综合分析相对有限。此外，许多研究主要强调仿真环境下的算法优化性能，而对实际适用性、硬件可行性、可扩展性、计算复杂度和实验验证方面的关键评估较少。混合与改进MPA结构的日益增长需要对其在不同PV研究领域的应用趋势、验证方法、实际实施能力和比较工程贡献进行更系统的评估。本综述旨在从方法论和应用导向两个角度对MPA在PV能源系统中的应用进行全面系统的分析。文献被分为九个主要研究领域：PV参数估计、PV建模技术、MPPT研究、部分遮蔽下的MPPT、PV控制系统、并网PV系统、PV系统设计与规模确定、PV能源管理系统和高级PV优化应用。
**2 背景**
**2.1 PV系统建模**
PV系统建模是指在不同环境和运行条件下对PV组件行为的数学和电气表示。建模过程旨在准确描述PV系统的非线性电流-电压和功率-电压特性作为太阳辐照度和电池温度的函数。等效电路模型用于表示PV电池的内部物理机制，并为仿真和控制研究提供计算效率。最广泛采用的等效电路方法是单二极管模型（SDM）和双二极管模型（DDM）。
**2.1.1 单二极管模型（SDM）**
SDM（Single-Diode Model）是用于表示PV电池电气行为的最古老且最广泛使用的等效电路模型之一。该模型基于由电流源、二极管以及串联和并联电阻元件组成的简化电路结构。SDM由五个主要参数定义：光生电流、二极管饱和电流、二极管理想因子、串联电阻和并联电阻。准确确定模型参数对于可靠估计PV系统的电流-电压特性至关重要。
**2.1.2 双二极管模型（DDM）**
DDM（Double-Diode Model）是一种以更详细方式表示PV电池电流-电压行为的等效电路模型。该模型在单二极管结构基础上引入第二个二极管以分别模拟电池内不同的物理电流分量。DDM在低太阳辐照度和部分遮蔽条件下提供比单二极管模型更高的精度。模型的准确性取决于其参数的正确估计，该过程旨在考虑不同的环境条件。在PV系统建模框架内，SDM和DDM因其能够表示PV系统的非线性电气行为而被广泛用于MPPT系统。SDM从计算角度提供更简单和更快的解决方案，而DDM则有助于在可变和复杂运行条件下更精确地检测最大功率点。
**2.2 PV系统中的元启发式优化**
元启发式算法是受自然和生物过程启发的通用搜索方法，用于解决经典优化方法无法胜任的复杂、非线性和高维问题。在PV系统背景下，元启发式算法在解决由PV电池和组件的非线性电气特性引起的参数识别和MPPT问题中发挥重要作用。因其能够有效探索大型复杂解空间而不陷入局部最小值，元启发式算法已成为灵活高效的优化工具，用于提升PV系统在不同环境条件下的性能。文献中应用的算法包括改进混沌PSO（ICPSO）、搜索与救援算法（SRA）、GWO增强的PSO、鲸鱼优化算法（WOA）和GWO、休眠PSO（DPSO）与增量电导法（INC）的双算法MPPT搜索策略等。
**2.3 海洋捕食者算法（MPA）**
MPA（Marine Predators Algorithm）由Faramarzi等人于2020年提出，是一种基于种群的元启发式优化算法，模拟海洋生态系统中观察到的捕食者-猎物相互作用以及这些相互作用中发生的布朗运动和列维运动。算法受海洋捕食者觅食策略启发。
**2.3.1 初始种群**
在MPA中，初始种群通过使用搜索空间下界和上界内的均匀分布随机值生成。
**2.3.2 精英矩阵与猎物矩阵**
种群中的最佳解决方案被视为顶级捕食者，用于构建称为精英（Elite）的矩阵。具有相同大小的猎物矩阵表示搜索代理的当前位置。
**2.3.3 优化阶段**
MPA通过考虑捕食者与猎物之间的相对速度比在三个主要阶段下进行优化过程。第一阶段：高速比（探索）；第二阶段：单位速比（探索-开发平衡）；第三阶段：低速比（开发）。
**2.3.4 FADs效应**
海洋捕食者的行为可能受到涡旋形成或鱼类聚集装置（FADs）等因素的影响。因此，将FADs效应纳入模型以避免局部最小值。
**2.3.5 海洋记忆与更新**
在每次迭代中，将更新后的解决方案与前一代进行比较，更好的解决方案更新精英矩阵。
**2.3.6 计算复杂度**
MPA的计算复杂度由迭代次数、代理数量、问题维度和目标函数评估成本决定。
**3 综述方法**
本综述旨在对MPA在PV能源系统中的应用进行全面结构化的分析。文献检索仅在Scopus数据库中进行，检索时间为2026年4月16日，使用查询TITLE-ABS-KEY（“Marine Predators Algorithm” AND (photovoltaic OR “PV system” OR solar OR “solar energy”)）。初步检索返回130篇出版物。经过筛选，共保留124项研究进行详细分析。根据工程目标和应用特征，确定了九个主要分类组：PV参数估计、PV建模技术、MPPT技术、部分遮蔽下的MPPT、PV控制系统、并网PV系统、PV系统设计与规模确定、PV能源管理系统和高级PV优化应用。该分类框架提供了对MPA在不同PV研究领域演变情况的更清晰理解。
**4 基于MPA的PV应用分类**
**4.1 PV参数估计**
PV参数估计是一个关键且具有挑战性的问题。MPA及其混合元启发式方法被用于评估估计精度、收敛速度和鲁棒性等性能标准。研究表明，改进和混合变体如IMPAEO、MP-SHADE、H-MPA等通常提供更快的收敛、更高的估计精度和更稳定的性能。
**4.2 PV建模技术**
MPA与深度学习模型（如DBN）结合或通过DLBMPA、HMPA等策略增强，用于捕获PV系统的非线性和复杂行为。这些方法通常实现更高的精度、效率和更可靠的性能。
**4.3 MPPT技术**
MPA及其改进版本因其强大的搜索能力、快速收敛和稳定性能而受到关注。混合方法如MPA-PSO、QMPA等被开发用于提升跟踪性能。MPA-MPC方法在并网PV系统中实现了高达97%的效率。
**4.4 部分遮蔽下的MPPT**
MPA在部分遮蔽条件下用于MPPT。混合MPA-PSO、IMPA、MPAOBL-GWO等方法提升了跟踪精度，减少了振荡，实现了更快的收敛。MPA在部分遮蔽下的阵列重构策略中可提升输出功率高达28.6%。
**4.5 PV控制系统**
MPA被用于优化控制器参数以提升稳定性、减少振荡和改善动态响应。CMPA（Improved MPA）优化FOAPID、FOPIT-FOPI、2-DOF PID等控制器，在负载频率控制、LVRT增强等应用中表现更优。
**4.6 并网PV系统**
MPA被用于解决最优潮流、无功功率调度、系统规划和控制等问题。MPA方法在降低输电损耗、改善电压稳定性和运行经济性方面表现出色。
**4.7 PV系统设计与规模确定**
MPA被用于混合可再生能源系统的优化配置、容量分配和集成。CMPA、AMPA等改进变体在减少成本、提升系统可靠性和效率方面具有优势。
**4.8 PV能源管理系统**
MPA用于能源管理中的预测、调度和优化。MPA与BiGRU、VMD等模型结合提升预测精度；在微网能量管理中，MMPA等变体降低运行成本和排放。
**4.9 高级PV优化应用**
MPA与机器学习结合用于蒸散发估计、太阳辐射预测等。XGB-MPA、ODMPA等混合模型提升了预测精度和优化性能。
**5 MPA变体与混合方法**
文献中提出了多种MPA变体，包括IMPA、H-MPA、EMPA、DLBMPA、QMPA、CMPA、AMPA、MMPA、Deep-MPA、MOEMPA、ODMPA等。混合结构如MPA-PSO、MPA-DBN、IMPAEO等应用于参数估计、MPPT、预测等。标准MPA仍最常用（69项研究），但混合（27项）和改进（28项）变体数量可观，反映了向自适应和混合策略发展的趋势。
**6 比较性能洞察**
MPA在PV参数估计中通常提供低RMSE和快速收敛；在MPPT中实现高于99%的跟踪效率；在控制系统中改善动态响应；在并网系统中降低运行成本和损耗。混合和改进变体通常优于标准MPA。仿真验证仍占主导（84/124项），实验验证和真实世界数据应用有限。统计鲁棒性分析和计算复杂度评估仍较少。
**7 讨论：优势、局限与实践考虑**
MPA在非线性、多目标和不确定性PV问题中表现出强优化能力。标准MPA仍是主要结构（69项），但混合（27项）和改进（28项）变体在高级应用和建模中更突出。主要是仿真验证（67.7%），真实世界数据（13.7%）和实验验证（18.5%）有限。计算负担、实时实现、硬件兼容性和可扩展性分析不足。缺乏标准化评估条件。
**8 未解决的挑战与未来研究方向**
主要挑战包括：仿真验证主导，真实世界应用不足；计算复杂性和实时实现问题；缺乏标准化基准；可扩展性和系统级集成问题；与AI方法的集成需进一步研究可解释性和在线学习；网络安全和通信可靠性未充分探索。建议未来研究聚焦硬件在环（HIL）验证、FPGA/DSP实现、长期户外实验和标准化基准框架。
**9 结论**
本综述系统分析了MPA在PV系统中的应用，将其分为九个领域。标准MPA仍最常用，但混合和改进变体日益增多。MPA及其变体在多个性能指标上表现出竞争力，但真实世界验证和标准化评估仍不足。未来应关注实验验证、可扩展性和实际部署。
