بهینه‌سازی فرایند شناسایی پارامتر مدل های تک‌دیودی، دودیودی، و سه‌دیودی سلول خورشیدی توسط الگوریتم بهینه سازی شبکه عصبی

علوم کاربردی و محاسباتی در مکانیک

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 07 مرداد 1402   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jacsm.2023.81702.1176

نویسندگان

علی سعداله^{* 1}؛ جواد ریاضت²

¹دانشکده مهندسی مکانیک. دانشگاه علم و فرهنگ، تهران، ایران

²دانشکده مهندسی مکانیک، دانشگاه علم و فرهنگ، تهران، ایران

چکیده

شناخت دقیق متغیرهای مجهول برای انواع سلول‌های خورشیدی با استفاده از داده‌های آزمایشگاهی اهمیت حیاتی در طراحی، کنترل، کیفیت، برآورد هزینه، و پیش-بینی عملکرد سلول‌های خورشیدی دارد. گسترش مشخصه‌های‌ یک سلول‌ خورشیدی واحد به مجموعه‌ای از سلول‌ها (پنل خورشیدی) معمولا ً براساس یک نقطه عملیاتی واحد بر روی منحنی مشخصه جریان- ولتاژ یکی از این سلول‌ها انجام می‌شود. در سال‌های اخیر، یک روش جدید برای پیش‌بینی عملکرد سلول و غربالگری سلولی با مدل‌سازی سلول با استفاده از یک مدار الکتریکی معادل ارائه شده ‌است که در آن، هر متغیر، مربوط به یک پدیده فیزیکی در سلول خورشیدی است. این مدل‌های تحلیلی می‌توانند با یک مدل پنج، هفت، و اخیرا نه متغیری نشان داده شوند. به واسطه غیرخطی بودن و ناتوانی روش های بهینه سازی سنتی در شناسایی دقیق متغیر های ناشناخته سیستم، اخیرا الگوریتم های بهینه سازی هوشمند، توجهات چشمگیری را در حل این نوع مسایل مهندسی به خود جلب کرده اند. الگوریتم شبکه عصبی یک الگوریتم فراابتکاری است که از عملکرد شبکه عصبی مغز انسان الهام گرفته است. در این مقاله، تکنیک شناسایی پارامتر بهینه یک سلول خورشیدی تجاری برای مدل تک دیودی، دو دیودی، و سه ‌دیودی توسط الگوریتم شبکه عصبی انجام گرفته است. نتایج بدست آمده از روش پیشنهادی دارای دقت پاسخ بهتری نسبت به الگوریتم ‌های بهینه سازی اخیر در منابع است. این بهبود عملکرد به ترتیب برای مدل های تک دیودی، دو دیودی، و سه دیودی به میزان 0.44، 0.085، و 17.97 درصد نسبت به بهترین روش مطالعه شده در منابع حاصل شده است.

کلیدواژه‌ها

سلول خورشیدی؛ بهینه سازی؛ الگوریتم های فراابتکاری؛ شناسایی پارامتر؛ الگوریتم شبکه عصبی

مراجع