Traditional MPPT algorithms have demonstrated effective performance relative to their flexibility and simplicity of implementation. However, its main disadvantages are the ineffectiveness and the large oscillations around the maximum power point under rapidly changing operating conditions. In order to achieve better performance in power production from a proton exchange membrane fuel cell system (PEMFC), we propose in this work a new hybrid controller focused on the bond graph and fuzzy logic (BG-FL-MPPT) to track the maximum power point under different weather conditions. The aim of the research is BG-FL-MPPT development, which will guarantee the optimum power reference operation of the system with greater efficiency, less error in the stability and voltage fluctuations. A rigorous comparison was made between the developed controller and the other three MPPT algorithms, including particle swarm optimization, fuzzy logic controller and Perturb and Observe, in three distinct test scenarios to check the effectiveness of the suggested controller. In terms of stability and robustness, it was found from the results obtained that the established controller assures the required operation of the studied system by tracking efficiency of up to 99.95% to achieve the maximum power point. A 90% faster convergence rate is obtained with a decrease in oscillations of 94.95%. The experimental tests were performed using a high-performance experimental platform, and in the same metrological conditions, an in-depth comparison of the experimental results with the results obtained by simulation was made.

传统的 MPPT 算法已经展示了相对于其灵活性和实现简单性的有效性能。然而，它的主要缺点是在快速变化的操作条件下效率低下和最大功率点附近的大振荡。为了从质子交换膜燃料电池系统 (PEMFC) 获得更好的发电性能，我们在这项工作中提出了一种新的混合控制器，专注于键合图和模糊逻辑 (BG-FL-MPPT) 来跟踪最大功率点在不同的天气条件下。研究的目的是开发BG-FL-MPPT，这将保证系统以更高的效率、更小的稳定性误差和电压波动的最佳功率参考运行。在三个不同的测试场景中，对开发的控制器与其他三种 MPPT 算法（包括粒子群优化、模糊逻辑控制器和扰动和观察）进行了严格的比较，以检查建议控制器的有效性。在稳定性和鲁棒性方面，从获得的结果发现，所建立的控制器通过高达 99.95% 的跟踪效率来保证所研究系统的所需操作，以实现最大功率点。收敛速度提高了 90%，振荡减少了 94.95%。实验测试采用高性能实验平台，在相同计量条件下，将实验结果与仿真结果进行深入对比。包括粒子群优化、模糊逻辑控制器和扰动和观察，在三个不同的测试场景中检查建议的控制器的有效性。在稳定性和鲁棒性方面，从获得的结果发现，所建立的控制器通过高达 99.95% 的跟踪效率来保证所研究系统的所需操作，以实现最大功率点。收敛速度提高了 90%，振荡减少了 94.95%。实验测试采用高性能实验平台，在相同计量条件下，将实验结果与仿真结果进行深入对比。包括粒子群优化、模糊逻辑控制器和扰动和观察，在三个不同的测试场景中检查建议的控制器的有效性。在稳定性和鲁棒性方面，从获得的结果发现，所建立的控制器通过高达 99.95% 的跟踪效率来保证所研究系统的所需操作，以实现最大功率点。收敛速度提高了 90%，振荡减少了 94.95%。实验测试采用高性能实验平台，在相同计量条件下，将实验结果与仿真结果进行深入对比。在三个不同的测试场景中检查建议的控制器的有效性。在稳定性和鲁棒性方面，从获得的结果发现，所建立的控制器通过高达 99.95% 的跟踪效率来保证所研究系统的所需操作，以实现最大功率点。收敛速度提高了 90%，振荡减少了 94.95%。实验测试采用高性能实验平台，在相同计量条件下，将实验结果与仿真结果进行深入对比。在三个不同的测试场景中检查建议的控制器的有效性。在稳定性和鲁棒性方面，从获得的结果发现，所建立的控制器通过高达 99.95% 的跟踪效率来保证所研究系统的所需操作，以实现最大功率点。收敛速度提高了 90%，振荡减少了 94.95%。实验测试采用高性能实验平台，在相同计量条件下，将实验结果与仿真结果进行深入对比。从获得的结果中发现，所建立的控制器通过高达 99.95% 的跟踪效率来确保所研究系统的所需操作，以实现最大功率点。收敛速度提高了 90%，振荡减少了 94.95%。实验测试采用高性能实验平台，在相同计量条件下，将实验结果与仿真结果进行深入对比。从获得的结果中发现，所建立的控制器通过高达 99.95% 的跟踪效率来确保所研究系统的所需操作，以实现最大功率点。收敛速度提高了 90%，振荡减少了 94.95%。实验测试采用高性能实验平台，在相同计量条件下，将实验结果与仿真结果进行深入对比。