کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10140163 1645995 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Particle swarm optimisation with adaptive mutation strategy for photovoltaic solar cell/module parameter extraction
ترجمه فارسی عنوان
بهینه سازی ذرات ذرات با استراتژی جهش تطبیقی ​​برای استخراج پارامترهای سلول خورشیدی فتوولتائیک
ترجمه چکیده
توسعه یک مدل دقیق برای سلول های خورشیدی و فتوولتائیک خورشیدی، یک چالش برای بهبود کارایی کل سیستم های فتوولتائیک است. برآورد پارامتر سلول خورشیدی فتوولتائیک و مدل مدار مغناطیسی یک وظیفه حیاتی است که معمولا به مسئله بهینه سازی حل شده توسط الگوریتم های فراشناختی تبدیل می شود. از میان این الگوریتم ها، بهینه سازی ساختار ذره به دلیل ساختار ساده و واکنش سریع آن، موجب شده است. با این حال، معایب اصلی آن در همگرایی زود هنگام است. در تلاش برای مقابله با این مشکل، الگوریتم بهینه سازی ذرات بهبود یافته ذرات با استراتژی جهش تطبیقی ​​در این مقاله ارائه شده است. جهش تطبیقی ​​برای از بین بردن مشکل همگام سازی زودرس معرفی شده است و اطمینان از مناسب بودن بین قابلیت های اکتشافی و استثمار در فرایند جستجو است. الگوریتم پیشنهادی برای شناسایی پارامترهای مطلوب مدل های مختلف فتوولتائیک استفاده می شود. یک دیود تک، دو دیود و ماژول فتوولتائیک. عملکرد روش استفاده شده در ابتدا بر روی داده های اندازه گیری شده گزارش شده در ادبیات ارزیابی می شود. سپس، الگوریتم بر اساس داده های اندازه گیری شده از آزمایشگاه و از ورق داده های ماژول های مختلف آزمایش می شود. نتایج تجربی ثابت می کنند که الگوریتم مورد استفاده دقت بیشتری را به دست می دهد و کمترین میانگین خطای مربع خطی را نسبت به دیگر الگوریتم های استخراج پارامتر قبلا گزارش شده ارائه می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
چکیده انگلیسی
Developing an accurate model for photovoltaic solar cell and module represents a challenge to improve the overall efficiency of the photovoltaic systems use. Parameter estimation of photovoltaic solar cell and module circuit model is a crucial task that is commonly transformed into an optimisation issue solved by metaheuristic algorithms. Among these algorithms, the particle swarm optimisation has gained great interest due to its structure simplicity and rapid response. However, its major disadvantage lies in the premature convergence. In an endeavour to deal with this problem, an improved mutated particle swarm optimisation algorithm with adaptive mutation strategy is proposed in this paper. The adaptive mutation is introduced to alleviate the premature convergence problem and ensure a suitable trade-off between the explorative and exploitative capabilities over the search process. The proposed algorithm is used to identify the optimal parameters of different photovoltaic models; single diode, double diode, and photovoltaic module. The performance of the used method is firstly evaluated on measured data reported in the literature. Then, the algorithm is tested based on measured data from the laboratory work and from the data sheet of different modules. Experimental results prove that the used algorithm achieves higher accuracy and provides the lowest root mean square error compared to other previously reported parameter extraction algorithms.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy Conversion and Management - Volume 175, 1 November 2018, Pages 151-163
نویسندگان
, , ,