Araştırma Makalesi
Meta-sezgisel algoritmalar kullanarak güneş pili modellerinin parametre çıkarımında karşılaştırmalı performans analizi
Öz
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
Kaynakça
- 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
Toplam 27 adet kaynakça vardır.
Ayrıntılar
| Birincil Dil | Türkçe |
|---|---|
| Konular | Mühendislik |
| Bölüm | Makaleler |
| Yazarlar | |
| Yayımlanma Tarihi | 5 Mart 2021 |
| Gönderilme Tarihi | 3 Temmuz 2019 |
| Kabul Tarihi | 1 Ocak 2021 |
| Yayımlandığı Sayı | Yıl 2021 |