Extracción de parámetros de modelos fotovoltaicos utilizando un nuevo algoritmo de optimización artificial sin parámetros
Autores: Alanazi, Mohana; Alanazi, Abdulaziz; Almadhor, Ahmad; Rauf, Hafiz Tayyab
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Extracción de parámetros de modelos fotovoltaicos utilizando un nuevo algoritmo de optimización artificial sin parámetros
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Parámetros
Celda fotovoltaica
Modelos de módulos
Algoritmos metaheurísticos
Optimización
APLO
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
Identificar parámetros en modelos de celdas y módulos fotovoltaicos (PV) es uno de los principales desafíos de la simulación y diseño de sistemas fotovoltaicos. Los algoritmos metaheurísticos pueden encontrar soluciones casi óptimas en un tiempo razonable para estos desafiantes problemas de optimización del mundo real. Los parámetros de control deben ajustarse con muchos algoritmos existentes, lo que los hace difíciles de usar. En problemas del mundo real, muchos de estos algoritmos deben combinarse o hibridarse, lo que resulta en algoritmos más complejos y que consumen más tiempo. Este artículo presenta un nuevo algoritmo de optimización artificial sin parámetros (APLO) para la estimación de parámetros de modelos de PV. Se diseñan nuevos operadores de mutación en el algoritmo propuesto. La fase de explotación de APLO se ve reforzada por cada individuo que busca la mejor solución en este operador de actualización. Además, el mejor actual, el mejor antiguo y la posición actual del individuo se utilizan en el término diferencial del operador de mutación para ayudar en la fase de exploración y controlar la velocidad de convergencia. El algoritmo utiliza una longitud de paso aleatoria basada en una distribución normal para garantizar la diversidad de la población. Presentamos los resultados de un estudio comparativo utilizando APLO y conocidos algoritmos metaheurísticos sin parámetros como la optimización del lobo gris, el algoritmo del enjambre de salpas, JAYA, la optimización basada en aprendizaje enseñanza-aprendizaje, la optimización de cuerpos en colisión, así como tres importantes algoritmos basados en parámetros como la evolución diferencial, el algoritmo genético y la optimización por enjambre de partículas para estimar los parámetros de los módulos de PV. Los resultados revelaron que el algoritmo propuesto podría proporcionar un excelente equilibrio entre exploración y explotación y consistencia durante las iteraciones. Además, el algoritmo APLO muestra una alta confiabilidad y precisión en la identificación de los parámetros de los modelos de celdas PV.
Descripción
Identificar parámetros en modelos de celdas y módulos fotovoltaicos (PV) es uno de los principales desafíos de la simulación y diseño de sistemas fotovoltaicos. Los algoritmos metaheurísticos pueden encontrar soluciones casi óptimas en un tiempo razonable para estos desafiantes problemas de optimización del mundo real. Los parámetros de control deben ajustarse con muchos algoritmos existentes, lo que los hace difíciles de usar. En problemas del mundo real, muchos de estos algoritmos deben combinarse o hibridarse, lo que resulta en algoritmos más complejos y que consumen más tiempo. Este artículo presenta un nuevo algoritmo de optimización artificial sin parámetros (APLO) para la estimación de parámetros de modelos de PV. Se diseñan nuevos operadores de mutación en el algoritmo propuesto. La fase de explotación de APLO se ve reforzada por cada individuo que busca la mejor solución en este operador de actualización. Además, el mejor actual, el mejor antiguo y la posición actual del individuo se utilizan en el término diferencial del operador de mutación para ayudar en la fase de exploración y controlar la velocidad de convergencia. El algoritmo utiliza una longitud de paso aleatoria basada en una distribución normal para garantizar la diversidad de la población. Presentamos los resultados de un estudio comparativo utilizando APLO y conocidos algoritmos metaheurísticos sin parámetros como la optimización del lobo gris, el algoritmo del enjambre de salpas, JAYA, la optimización basada en aprendizaje enseñanza-aprendizaje, la optimización de cuerpos en colisión, así como tres importantes algoritmos basados en parámetros como la evolución diferencial, el algoritmo genético y la optimización por enjambre de partículas para estimar los parámetros de los módulos de PV. Los resultados revelaron que el algoritmo propuesto podría proporcionar un excelente equilibrio entre exploración y explotación y consistencia durante las iteraciones. Además, el algoritmo APLO muestra una alta confiabilidad y precisión en la identificación de los parámetros de los modelos de celdas PV.