الگوریتم بهینه ساز جستجوی عروس دریایی (چتر دریایی) مصنوعی پیشرفته برای شناسایی پارامتر مدل‌های فتوولتائیک

عنوان فارسی مقاله:الگوریتم بهینه ساز جستجوی عروس دریایی (چتر دریایی) مصنوعی پیشرفته برای شناسایی پارامتر مدل‌های فتوولتائیک

چکیده

بهینه‌سازی سیستم‌های فتوولتائیک (PV) بر توسعه یک مدل دقیق از مقادیر پارامتر برای واحدهای تولیدکننده خورشیدی/PV متکی است. این مطالعه یک بهینه‌ساز جستجوی عروس دریایی مصنوعی (MJSO) با یک استراتژی همگرایی زودرس جدید (PCS) برای تعریف مؤثر پارامترهای ناشناخته سیستم‌های PV پیشنهاد می‌کند. PCS روی حفظ تنوع بین اعضای جمعیت و در عین حال تسریع همگرایی به سمت بهترین راه حل بر اساس دو حرکت کار می‌کند: (۱) جابجایی راه حل فعلی بین دو ذره که به طور تصادفی از جمعیت انتخاب شده‌اند، و (۲) جستجو برای راه حل‌های بهتر و تصادفی از جمعیت. برای تأیید کارایی آن، روش پیشنهادی بر روی سه فناوری PV مختلف تأیید شده و با برخی از آخرین چارچوب‌های محاسباتی رقابتی مقایسه می‌شود. شبیه‌سازی‌ها و نتایج عددی برتری الگوریتم پیشنهادی را از نظر دقت نتایج نهایی و نرخ هم‌گرایی تأیید می‌کنند. علاوه بر این، برای ارزیابی عملکرد رویکرد پیشنهادی تحت شرایط عملیاتی مختلف برای سلول‌های خورشیدی، دو ماژول PV اضافی (چند کریستالی و لایه نازک) مورد بررسی قرار می‌گیرند و سناریوهای نشان‌داده‌شده کاربرد روش پیشنهادی مبتنی بر MJSO را برجسته می‌کنند.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: An Improved Artificial Jellyfish Search Optimizer for Parameter Identification of Photovoltaic Models

Abstract

The optimization of photovoltaic (PV) systems relies on the development of an accurate model of the parameter values for the solar/PV generating units. This work proposes a modified artificial jellyfish search optimizer (MJSO) with a novel premature convergence strategy (PCS) to define effectively the unknown parameters of PV systems. The PCS works on preserving the diversity among the members of the population while accelerating the convergence toward the best solution based on two motions: (i) moving the current solution between two particles selected randomly from the population, and (ii) searching for better solutions between the best-so-far one and a random one from the population. To confirm its efficacy, the proposed method is validated on three different PV technologies and is being compared with some of the latest competitive computational frameworks. The numerical simulations and results confirm the dominance of the proposed algorithm in terms of the accuracy of the final results and convergence rate. In addition, to assess the performance of the proposed approach under different operation conditions for the solar cells, two additional PV modules (multi-crystalline and thin-film) are investigated, and the demonstrated scenarios highlight the utility of the proposed MJSO-based methodology.