Geometrik Ortalama Optimizasyonunu Kullanarak PV Parametre Tahmini
Öz
Bu makale, geometrik ortalama optimizasyon (GMO) algoritmasından yararlanarak güneş fotovoltaik (PV) modüllerini modellemek için yeni bir metodoloji önermektedir. PV özelliklerinin doğru modellenmesi, tasarımı optimize etmek ve değişen çevre koşulları altında PV sistemlerinin performansını tahmin etmek için kritik öneme sahiptir. Ancak sınırlı üretici verileri (V_mp,I_mp,V_oc,I_sc), doğru modelleme için kesin parametre tahminini engellemektedir. Bu çalışma, GMO'yu model parametrelerini çıkarmak için bir optimizasyon tekniği olarak kullanmaktadır. Bu parametreler modelin doğruluğunu önemli ölçüde etkiler ve bunların kesin tahmini verimli bir modelleme için çok önemlidir. Önerilen GMO tabanlı modelin verimliliği, bir güneş PV paneli kullanılarak değerlendirilmektedir. GMO'nun etkinliğini değerlendirmek için balina optimizasyon algoritması ve gri kurt optimizeri gibi yerleşik optimizasyon teknikleriyle bir performans karşılaştırması yapılmaktadır. GMO tabanlı yaklaşımın üstünlüğünü kanıtlayacak kapsamlı simülasyonlar sunulmaktadır. Bu simülasyon sonuçlarına göre GMO algoritması, 10-160 bir hata oranı ile PV parametre değerlerini tek diyot ve iki diyot modeline göre tahmin etmiştir. Diğer iki algoritma ile yapılan tahminlerde bu başarı oranı elde edilememiştir. Bu araştırma, güneş enerjisi sistemlerinin tasarımının, performans tahmininin ve optimizasyonunun geliştirilmesine yol açacak şekilde PV modelleme doğruluğunu önemli ölçüde artırma potansiyeline sahiptir.
Anahtar Kelimeler
Geometrik ortalama optimizasyon, Pv parametre tahmini, Balina optimizasyon algoritması, Gri kurt optimizeri
Kaynakça
- M. Hacıbeyoğlu, M. Çelik, Ö. Erdaş Çiçek, K en yakın komşu algoritması ile binalarda enerji verimliliği tahmini, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 5(2) (2023), 65–74. doi:10.47112/neufmbd.2023.10
- S. Ata, M.E. Boyacıoğlu, R. Şahin, A. Kahraman, ORÇ ile düşük sıcaklıklı isı kaynaklarından elektrik üretilmesinde islak ve yeni nesil akışkanların çevresel ve termodinamik performanslarının karşılaştırılması, Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 2(1) (2021), 1–13. doi:10.47112/neufmbd.2021.6
- G20 Climate Sustainability Working Group, Country experiences on climate and energy, (2018). https://g20.utoronto.ca/2018/g20_country_experiences_on_climate_and_energy.pdf
- IRENA, Opportunities to accelerate national energy transitions through advanced deployment of renewables, (2018). https://www.apren.pt/contents/publicationsothers/irena-g20-opportunities-2018.pdf
- K. Ishaque, Z. Salam, H. Taheri, Simple, fast and accurate two-diode model for photovoltaic modules, Solar Energy Materials and Solar Cells. 95(2) (2011), 586–594. doi:10.1016/j.solmat.2010.09.023
- M. Siddiqui, M. Abido, Parameter estimation for five- and seven-parameter photovoltaic electrical models using evolutionary algorithms, Applied Soft Computing. 13(12) (2013), 4608–4621. doi:10.1016/j.asoc.2013.07.005
- O. Abdalla, H. Rezk, E.M. Ahmed, Wind driven optimization algorithm based global MPPT for PV system under non-uniform solar irradiance, Solar Energy. 180 (2019), 429–444. doi:10.1016/j.solener.2019.01.056
- S.P. Aly, S. Ahzi, N. Barth, An adaptive modelling technique for parameters extraction of photovoltaic devices under varying sunlight and temperature conditions, Applied Energy. 236 (2019), 728–742. doi:10.1016/j.apenergy.2018.12.036
- A. Antoniou, W.S. Lu, Practical optimization: Algorithms and engineering applications, Springer International Publishing, 2007. doi:10.1007/978-0-387-71107-2_16
- R. Abbassi, A. Abbassi, A.A. Heidari, S. Mirjalili, An efficient salp swarm-inspired algorithm for parameters identification of photovoltaic cell models, Energy Conversion and Management. 179 (2019), 362–372. doi:10.1016/j.enconman.2018.10.069