Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 11

Identification of the Parameters of a Photovoltaic Cell Using an Improved Genetic Algorithm (GA) Technique and Particular Swarm Optimization (PSO)

Identyfikacja parametrów ogniwa fotowoltaicznego przy u˙zyciu techniki ulepszonego algorytmu genetycznego (GA) i optymalizacji roju szczególnego (PSO)

10.15199/48.2024.11.06

nr katalogowy: 151330
10.15199/48.2024.11.06

Streszczenie

The modeling of a photovoltaic cell predicts the behavior of the cell in various environmental contexts of the real world, the identification of the parameters of the photovoltaic cell is essential to simulate the behavior and to optimize the different characteristics of a photovoltaic cell (better energy management and good operating reliability). In this work, two intelligent algorithms were used and compared for the identification of the parameters of a photovoltaic cell. The proposed approach combines the simplicity of the equations of the explicit method with that of two meta-heuristic methods, namely the genetic algorithm (GA) and the particle swarm optimization algorithm (PSO). These techniques used for the identification of the parameters of the unknown model namely the photos run (Iph), the current of saturation (Is), the resistance series (Rs), and the factor of ideality (A) is last to govern the relation current - voltage of a solar cell. The objective is to create an objective function that aims to solve an optimization problem (find the optimal solution in terms of parameters), The panels studied in this work is the RTC France, and the characteristic curves of the panel are obtained using only the information provided by the manufacturer’s datasheet, thus avoiding the need to carry out experimental data. The performances and the precision of the proposed method are evaluated by applying the model to a diode with four unknown parameters, the combination of the explicit equations with Meta-heuristic techniques allows to obtain an excellent performance of optimization and a high precision of estimation of the results, The choice of the parameters PSO and GA is very important for a faster convergence of the algorithm.

Abstract

Modelowanie ogniwa fotowoltaicznego przewiduje zachowanie ogniwa w ró˙znych kontekstach ´srodowiskowych ´swiata rzeczywistego, identyfikacja parametrów ogniwa fotowoltaicznego jest niezb˛edna do symulacji zachowania i optymalizacji ró˙znych charakterystyk ogniwa fotowoltaicznego (lepsze zarza˛dzanie energia˛ i dobra niezawodnos´c´ działania). W tej pracy wykorzystano i porównano dwa inteligentne algorytmy do identyfikacji parametrów ogniwa fotowoltaicznego. Proponowane podejs´cie ła˛czy prostote˛ równan´ metody jawnej z prostota˛ dwóch metod metaheurystycznych, mianowicie algorytmu genetycznego (GA) i algorytmu optymalizacji roju cza˛stek (PSO). Techniki te słuz˙a˛ do identyfikacji parametrów nieznanego modelu, mianowicie przebiegu zdje˛c´ (Iph), pra˛du nasycenia (Is), szeregu rezystancji (Rs) i współczynnika idealnos´ci (A), aby ostatecznie okres´lic´ relacje˛ pra˛d - napie˛cie ogniwa słonecznego. Celem jest stworzenie funkcji celu, która ma na celu rozwia˛zanie problemu optymalizacji (znalezienie optymalnego rozwia˛zania pod wzgle˛dem parametrów). Panele badane w tej pracy to RTC France, a krzywe charakterystyczne panelu uzyskano, korzystaja˛c wyła˛cznie z informacji dostarczonych przez karte˛ danych producenta, unikaja˛c w ten sposób koniecznos´ci przeprowadzania danych eksperymentalnych. Wydajnos´c´ i precyzja proponowanej metody sa˛ oceniane poprzez zastosowanie modelu do diody o czterech nieznanych parametrach. Poła˛czenie równan´ jawnych z technikami metaheurystycznymi pozwala uzyskac´ doskonała˛ wydajnos´c´ optymalizacji i wysoka˛ precyzje˛ szacowania wyników. Wybór parametrów PSO i GA ma bardzo du˙ze znaczenie dla szybszej zbie˙zno´sci algorytmu. (Identyfikacja parametrów ogniwa fotowoltaicznego przy u˙zyciu ulepszonej techniki algorytmu genetycznego (GA) i optymalizacji roju (PSO)).

Słowa kluczowe

Keywords

Bibliografia

[1] SIARRY P. :Application des métaheuristiques d’optimisation en électronique, ITechniques de l’Ingénieur, traité Recherche et Innovation, RE (8), 2002.
[2] TERKI N., AZOUI B., et CHENNI R.: Thèse Zaghba Layachi, Biskra, algeria, 2017.
[3] BAFLAH A et BENABDELHAFID Y.: Acquisition des données en temps réel du panneau solaire. Thèse de doctorat. UNIVERSITY OF KASDI MERBAH OUARGLA,algeria, 2022.
[4] DRÉO J.: Adaptation de la métaheuristique des colonies de fourmis pour l’optimisation difficile en variables continues. Application en génie biologique et médical. 2003. Thèse de doctorat. Université Paris XII Val de Marne.
[5] BENYAMINA A.: Application des algorithmes de colonies de fourmis pour l’optimisation et la classification des images. 2013. Thèse de doctorat. USTO (MB).
[6] GUISSER M.:Stratégies de Commande pour l’Optimisation des Systèmes Photovoltaïques Autonomes et Connectés au Réseau. 2015. L’HABILITATION UNIVERSITAIRE, casablanca, marrakhech
[7] WANG R.: Parameter identification of photovoltaic cell model based on enhanced particle swarm optimization. Sustainability, 2021, vol. 13, no 2, p. 840.
[8] KHEZZAR R., ZEREG M., et KHEZZAR A. : Comparaison entre les différents modèles électriques et détermination des paramètres de la caractéristique IV d’un module photovoltaïque. Journal of Renewable Energies, 2010, vol. 13, no 3, p. 379–388-379–388.
[9] CHEN H., JIAO S., WANG M., et al. : Parameters identification of photovoltaic cells and modules using diversificationenriched Harris hawks optimization with chaotic drifts. Journal of Cleaner Production, 2020, vol. 244, p. 118778.
[10] EBRAHIMI S. Mohammadreza S., Esmaeil M M., et al. : Parameters identification of PV solar cells and modules using flexible particle swarm optimization algorithm. Journal of Energy, 2019, vol. 179, p. 358-372.
[11] VILLALVA M G., GAZOLI J R., et RUPPERT F E.: Comprehensive approach to modeling and simulation of photovoltaic arrays. IEEE Transactions on power electronics, 2009, vol. 24, no 5, p. 1198-1208.
[12] VALLÉE T. et YILDIZOG˘ LU M.: Présentation des algorithmes génétiques et de leurs applications en économie. Revue d’économie politique, 2004, p. 711-745.
[13] BOULAYOUNE A., GUERROUDJ C., SAOU R., et al. : Optimisation par essaim de particule et algorithme génétique d’une machine à inversion de flux. Rev. Roum. Sci. Techn. Électrotechn. et Énerg, 2017, vol. 62, p. 19-24.
[14] KUMAR S., SINGH A., et DHAR A. : Parameter extraction using global particle swarm optimization approach and the influence of polymer processing temperature on the solar cell parameters. AIP Advances, 2017, vol. 7, no 8.
[15] OLIVA D., CUEVAS E. et PAJARES G.: Parameter identification of solar cells using artificial bee colony optimization. Energy, 2014, vol. 72, p. 93-102.
[16] JEAN J., BROWN P R., JAFFE R L., et al. : Pathways for solar photovoltaics. Energy & Environmental Science, 2015, vol. 8, no 4, p. 1200-1219.
[17] SINGH G K.: Solar power generation by PV (photovoltaic) technology: A review. Energy, 2013, vol. 53, p. 1-13.
[18] ELTAWIL M A. et ZHAO Z. : Grid-connected photovoltaic power systems: Technical and potential problems—A review. Renewable and sustainable energy reviews, 2010, vol. 14, no 1, p. 112-129.
[19] CHELLASWAMY C. et RAMESH R. : An optimal parameter extraction and crack identification method for solar photovoltaic modules. ARPN Journal of Engineering and Applied Sciences, 2016, vol. 11, no 24, p. 14468-14481.
[20] DALI A., BOUHARCHOUCHE A., DIAF S.: Parameter identification of photovoltaic cell/module using genetic algorithm (GA) and particle swarm optimization (PSO). In: Proceedings of the 3rd International Conference on Control, Engineering & Information Technology (CEIT), Tlemcen, Algeria, 25-27 May, 2015. IEEE, 2015. p. 1-6.
[21] HARRAG A. , MESSALTI S.: Three, five and seven PV model parameters extraction using PSO. ). In: Proceedings of the International Conference on Technologies and Materials for Renewable Energy, Environment and Sustainability, TMREES17, Beirut Lebanon , 21-24 April 2017, Energy procedia, 2017, vol. 119, p. 767-774.
[22] VILLALVA M.G., GAZOLI J.R, et RUPPERT F E.: Modeling and circuit-based simulation of photovoltaic arrays. In : Proceedings of Brazilian Power Electronics Conference , IEEE, 2009. p. 1244-1254.
[23] SERRA R. et OLIVIER J.: Apport de l’optimisation par essaims particulaires pour la détection de modifications structurelles à partir des propriétés dynamiques. In : Proceedings of the 23ème Congrès Français de Mécanique CFM 2017. AFM, Maison de la Mécanique, 39/41 rue Louis Blanc-92400 Courbevoie, 2017.
[24] Gharib A., Benhra J.: Tuning manuel de l’algorithme d’optimisation par essaims de particules appliqué au problème de voyageur de commerce. Xème Conférence Internationale : Conception et Production Intégrées, Dec 2015, Tanger, Maroc. ffhal-01260694
[25] HAMID N F A., RAHIM N A., et SELVARAJ J.: Solar cell parameters extraction using particle swarm optimization algorithm, in: Proceeding of the conference on clean energy and technology (CEAT). IEEE, 2013. p. 461-465.
[26] MOTAHHIR S., EL GHZIZAL A., SEBTI S., et al: Proposal and implementation of a novel perturb and observe algorithm using embedded software. In : : preceding of the 3rd International Renewable and Sustainable Energy Conference (IRSEC). IEEE, 2015. p. 1-5.
[27] CHERMITTI A. , BENCHERIF M. , BECHAR H.: Évaluation des paramètres d’un panneau solaire.in: proceedinf of the 16èmes Journées Internationales de Thermique (JITH 2013) Marrakech (Maroc), du 13 au 15 Novembre, 2013

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2024-11 , nr katalogowy 151330 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2024-11 licencja: Osobista Produkt cyfrowy Nowość	85.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2024-11

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma