Zeynep GARİP, Murat Erhan ÇİMEN, Ali Fuat BOZ

Meta-sezgisel algoritmalar kullanarak güneş pili modellerinin parametre çıkarımında karşılaştırmalı performans analizi

Güneş pili modellenmesinde parametrelerin optimizasyonu sistemin farklı çalışma koşullarında durumunu izlemek ve modeldeki olası hataları bulmaya imkân sağlar. Güneş pillerinin tek ve çift diyot modellerindeki optimal parametrelerinin doğru ve verimli çıkarılması amacıyla parçacık sürü optimizasyon(PSO), ateş böceği (FA), guguk kuşu (CS) ve çiçek tozlaşma (FPA) meta-heuristik algoritmaları kullanılmıştır. Tekli ve çift diyot modellerinin hesaplanan ve deneysel veriler arasındaki hatayı minimize etmek amacıyla IAE ve RMSE amaç fonksiyonları kullanılmıştır. Geliştirilen algoritmaların performanslarını incelemek amacıyla literatürde bulunan diğer meta-heuristik algoritmalarla sayısal ve grafiksel olarak karşılaştırılmıştır. Karşılaştırmalı analiz verileri FPA’nın diğer yöntemlere göre yakınsama hızının daha hızlı, daha sağlam, verimli ve doğruluk açısından en iyi performansa sahip olduğu gösterilmiştir.

Anahtar Kelimeler:

Güneş pili, meta-sezgisel, algoritma, optimal

PDF

___

Kunjie Yu, Liang J.J., Qu B.Y., Chen X., Wang H., Parameters identification of photovoltaic models using an improved JAYA optimization algorithm, Energy Conversion and Management 150, 742–753, 2017
Wu Z., Yu D., Kang X., Parameter identification of photovoltaic cell model based on improved ant lion optimizer, Energy Conversion and Management 151, 107–115, 2017
Maouhoub N., Photovoltaic module parameter estimation using an analytical approach and least squares method, Journal of Computational Electronics, 17,784–790, 2018
AlHajri M.F., El-Naggar K.M., AlRashidi M.R, Al-Othman., A.K.,Optimal extraction of solar cell parameters using pattern search, Renewable Energy 44, 238-245, 2012
Merchaoui M., Sakly A., Mimouni M.F., Particle swarm optimisation with adaptive mutation strategy for photovoltaic solar cell/module parameter extraction, Energy Conversion and Management 175,151–163, 2018
Chopde A., Magare D., Patil M., Gupta R., Sastry O.S., Parameter extraction for dynamic PV thermal model using particle swarm optimisation, Applied Thermal Engineering 100, 508–517, 2016
Harrag A., Messalti S., Three, Five and Seven PV Model Parameters Extraction using PSO, Energy Procedia 119, 767-774, 2017
Merchaoui M., Sakly A., Mimouni M.F., Particle swarm optimisation with adaptive mutation strategy for photovoltaic solar cell/module parameter extraction, Energy Conversion and Management 175, 151–163, 2018
Louzazni M., Crăciunescu A., Aroudam E.H., Dumitrache A.,Identification of Solar Cell Parameters with Firefly Algorithm, Second International Conference on Mathematics and Computers in Sciences and in Industry, 7-12,2015
Louzazni M., Khouya, A., Amechnoue K., Gandelli A., Mussetta M., Crăciunescu A., Metaheuristic Algorithm for Photovoltaic Parameters: Comparative Study and Prediction with a Firefly Algorithm, Appl. Sci., 8, 339,2018
Abed I.A., An Improved Technique Based on Firefly Algorithm to Estimate the Parameters of the Photovoltaic Model, Iraq J. Electrical and Electronic Engineering 12,2, 2016
Ma J., Ting T.O., Man K.L., Zhang N., Guan S.-U., Prudence W.H., Wong, Parameter Estimation of Photovoltaic Models via Cuckoo Search, Hindawi Publishing Corporation Journal of Applied Mathematics,2013
Alam D.F., Yousri D.A., Eteiba M.B., Flower Pollination Algorithm based solar PV parameter estimation, Energy Conversion and Management 101, 410–422, 2015
Chellaswamy C., Ramesh R., Parameter extraction of solar cell models based on adaptive differential evolution algorithm, Renewable Energy 97, 823-837, 2016.
Yang XS., Flower pollination algorithm for global optimization. In Unconventional Computation and Natural Computation, 240- 249, 2012
Glover B., Understanding flowers and flowering ,Oxford University,2014.
Yang X.S., Deb S., Cuckoo Search via L´evy Flights. Nature & Biologically Inspired Computing, 210 – 214, 2009.
Gandomi A.H., Yang X.S., Alavi, A.H., Cuckoo search algorithm: a meta heuristic approach to solve structural optimization problems. Eng Comput, 29(1), 17–35, 2013.
Yang, X.S., Nature-Inspired Optimization Algorithms, 1st Edition Elsevier,2014
Kaya T., İnce M. C., Genetik Algoritmaların Aktif Filtrelerde Kullanımı, ELECO-2008 Elektrik-Elektronik-Bilgisayar Mühendisliği Sempozyumu, 512-515, 2008.
Karaarslan E., Zengin, K., Ateş Böceği Algoritması ile Haftalık Ders Programı Hazırlama, EEB 2016 Elektrik-Elektronik ve Bilgisayar Sempozyumu, 2016.
Kennedy, K., Eberhart R., Particle swarm optimization, Neural Networks Proceedings, 1995
Gao Z., Zeng X., Wang J., Liu J., FPGA implementation of adaptive IIR filters with particle swarm optimization algorithm, 2008 11th IEEE Singapore International Conference on Communication Systems,2009
Ismail M, Moghavvemi M, Mahlia T., Characterization of PV panel and global optimization of its model parameters using genetic algorithm. Energy Convers Manage, 73:10–25, 2013
AlHajri M.F, El-Naggar K.M, AlRashidi M.R, Al-Othman AK., Optimal extraction of solar cell parameters using pattern search. Renew Energy 44, 238–45, 2012
El-Naggar KM, AlRashidi MR, AlHajri MF, Al-Othman AK., Simulated annealing algorithm for photovoltaic parameters identification. Sol Energy, 86,266–74, 2012
Askarzadeh A, Rezazadeh A., An innovative global harmony search algorithm for parameter identification of a PEM fuel cell model. IEEE Trans Ind Electron 59, 3473–80, 2012