Algoritmo de optimización de enseñanza-aprendizaje basado en biogeografía para identificar modelos de celda y módulo fotovoltaico de un diodo, dos diodos y tres diodos
Autores: Rai, Nawal; Abbadi, Amel; Hamidia, Fethia; Douifi, Nadia; Abdul Samad, Bdereddin; Yahya, Khalid
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Algoritmo de optimización de enseñanza-aprendizaje basado en biogeografía para identificar modelos de celda y módulo fotovoltaico de un diodo, dos diodos y tres diodos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Célula solar
Módulo fotovoltaico
Parámetros
Algoritmos de optimización
Metaheurística
Identificación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
Este artículo aborda el desafiante problema de identificar los parámetros desconocidos de tres modelos de células solares por un lado y de tres modelos de módulos fotovoltaicos por otro. Este desafío sirve de base para la detección de fallos, control y modelado de sistemas fotovoltaicos. Un modelo preciso de la fotovoltaica es esencial para la investigación de simulación de sistemas fotovoltaicos, donde desempeña un papel significativo en el estudio dinámico de estos sistemas. Los modelos matemáticos de la célula y el módulo fotovoltaicos tienen características no lineales I-V y P-V con muchos parámetros indefinidos. En este artículo, este problema de identificación se resuelve como un problema de optimización basado en algoritmos de optimización metaheurística. Estos algoritmos utilizan el error cuadrático medio (RMSE) entre la corriente calculada y la medida como función objetivo. Se propone un nuevo algoritmo de amalgama metaheurística, denominado optimización basada en enseñanza-aprendizaje de biogeografía (BB-TLBO). Este algoritmo es una hibridación de dos algoritmos, el primero se llama BBO (optimización basada en biogeografía) y el segundo es TLBO (optimización basada en enseñanza-aprendizaje). El BB-TLBO se propone para identificar los parámetros desconocidos de los modelos de una, dos y tres diodos de la célula solar de silicio RTC France y del módulo solar fotovoltaico comercial monocrístalino STM6-40/36, teniendo en cuenta los índices de rendimiento: alta precisión, mayor confiabilidad, corto tiempo de ejecución y alta velocidad de convergencia. Esta identificación se realiza utilizando datos experimentales de la célula solar de silicio RTC France y el módulo fotovoltaico STM6-40/36. La eficiencia de BB-TLBO se verifica comparando sus resultados de identificación con su propio algoritmo único BBO, TLBO y algoritmos híbridos recién introducidos como DOLADE, LAPSO y otros. Los resultados revelan que el enfoque sugerido supera a todos los algoritmos comparados en términos de RMSE (RMSE mínimo, RMSE medio y RMSE máximo), desviación estándar de los valores de RMSE (STD), CPU (tiempo de ejecución) y velocidad de convergencia.
Descripción
Este artículo aborda el desafiante problema de identificar los parámetros desconocidos de tres modelos de células solares por un lado y de tres modelos de módulos fotovoltaicos por otro. Este desafío sirve de base para la detección de fallos, control y modelado de sistemas fotovoltaicos. Un modelo preciso de la fotovoltaica es esencial para la investigación de simulación de sistemas fotovoltaicos, donde desempeña un papel significativo en el estudio dinámico de estos sistemas. Los modelos matemáticos de la célula y el módulo fotovoltaicos tienen características no lineales I-V y P-V con muchos parámetros indefinidos. En este artículo, este problema de identificación se resuelve como un problema de optimización basado en algoritmos de optimización metaheurística. Estos algoritmos utilizan el error cuadrático medio (RMSE) entre la corriente calculada y la medida como función objetivo. Se propone un nuevo algoritmo de amalgama metaheurística, denominado optimización basada en enseñanza-aprendizaje de biogeografía (BB-TLBO). Este algoritmo es una hibridación de dos algoritmos, el primero se llama BBO (optimización basada en biogeografía) y el segundo es TLBO (optimización basada en enseñanza-aprendizaje). El BB-TLBO se propone para identificar los parámetros desconocidos de los modelos de una, dos y tres diodos de la célula solar de silicio RTC France y del módulo solar fotovoltaico comercial monocrístalino STM6-40/36, teniendo en cuenta los índices de rendimiento: alta precisión, mayor confiabilidad, corto tiempo de ejecución y alta velocidad de convergencia. Esta identificación se realiza utilizando datos experimentales de la célula solar de silicio RTC France y el módulo fotovoltaico STM6-40/36. La eficiencia de BB-TLBO se verifica comparando sus resultados de identificación con su propio algoritmo único BBO, TLBO y algoritmos híbridos recién introducidos como DOLADE, LAPSO y otros. Los resultados revelan que el enfoque sugerido supera a todos los algoritmos comparados en términos de RMSE (RMSE mínimo, RMSE medio y RMSE máximo), desviación estándar de los valores de RMSE (STD), CPU (tiempo de ejecución) y velocidad de convergencia.