Tytuł pozycji:
Identification of the parameters of a photovoltaic cell using an improved genetic algorithm (GA) technique and particular swarm optimization (PSO)
Themodelingofaphotovoltaic 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.
Modelowanie ogniwa fotowoltaicznego przewiduje zachowanie ogniwa w różnych kontekstach środowiskowych świata rzeczywistego, identyfikacja parametrów ogniwa fotowoltaicznego jest niezbędna do symulacji zachowania i optymalizacji różnych charakterystyk ogniwa fotowoltaicznego (lepsze zarządzanie energią i dobra niezawodność działania). W tej pracy wykorzystano i porównano dwa inteligentne algorytmy do identyfikacji parametrów ogniwa fotowoltaicznego. Proponowane podejście łączy prostotę równań metody jawnej z prostotą dwóch metod meta heurystycznych, mianowicie algorytmu genetycznego (GA) i algorytmu optymalizacji roju cząstek (PSO). Techniki te służą do identyfikacji parametrów nieznanego modelu, mianowicie przebiegu zdjęć (Iph), prądu nasycenia (Is), szeregu rezystancji (Rs) i współczynnika idealności (A), aby ostate cznie określić relację prąd- napięcie ogniwa słonecznego. Celem jest stworzenie funkcji celu, która ma na celu rozwiązanie problemu optymalizacji (znalezienie optymalnego rozwiązania pod względem parametrów). Panele badane w tej pracy to RTC France, a krzywe charakterystyczne panelu uzyskano, korzystając wyłącznie z informacji dostarczonych przez kartę danych producenta, unikając w ten sposób konieczności przeprowadzania danych eksperymentalnych. Wydajność i precyzja proponowanej metody są oceniane poprzez zastosowanie modelu do diody o czterech nieznanych parametrach. Połączenie równań jawnych z technikami metaheurystycznymi pozwala uzyskać doskonałą wydajność optymalizacji i wysoką precyzję szacowania wyników. Wybór parametrów PSO i GA ma bardzo duże znaczenie dla szybszej zbieżności algorytmu.
Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).
