بهينه‌سازي فرايند شناسايي پارامتر مدل هاي تك‌ديودي، دوديودي، و سه‌ديودي سلول خورشيدي مدل R.T.C توسط الگوريتم بهينه سازي شبكه عصبي

شناخت دقيق متغيرهاي مجهول براي انواع سلول‌هاي خورشيدي با استفاده از داده‌هاي آزمايشگاهي اهميت حياتي در طراحي، كنترل، كيفيت، برآورد هزينه، و پيش بيني عملكرد سلول‌هاي خورشيدي دارد. گسترش مشخصه‌هاي‌ يك سلول‌ خورشيدي واحد به مجموعه‌اي از سلول‌ها (پنل خورشيدي) معمولا ً براساس يك نقطه عملياتي واحد بر روي منحني مشخصه جريان ولتاژ يكي از اين سلول‌ها انجام مي‌شود. در سال‌هاي اخير، يك روش جديد براي پيش‌بيني عملكرد سلول و غربالگري سلولي با مدل‌سازي سلول با استفاده از يك مدار الكتريكي معادل ارائه شده ‌است كه در آن، هر متغير، مربوط به يك پديده فيزيكي در سلول خورشيدي است. اين مدل‌هاي تحليلي مي‌توانند با يك مدل پنج، هفت، و اخيرا نه متغيري نشان داده شوند. به واسطه غيرخطي بودن و ناتواني روش هاي بهينه سازي سنتي در شناسايي دقيق متغير هاي ناشناخته سيستم، اخيرا الگوريتم هاي بهينه سازي هوشمند، توجهات چشمگيري را در حل اين نوع مسايل مهندسي به خود جلب كرده اند. الگوريتم شبكه عصبي يك الگوريتم فراابتكاري است كه از عملكرد شبكه عصبي مغز انسان الهام گرفته است. در اين مقاله، تكنيك شناسايي پارامتر بهينه يك سلول خورشيدي تجاري براي مدل تك ديودي، دو ديودي، و سه ‌ديودي توسط الگوريتم شبكه عصبي انجام گرفته است. نتايج بدست آمده از روش پيشنهادي داراي دقت پاسخ بهتري نسبت به الگوريتم ‌هاي بهينه سازي اخير در منابع است. اين بهبود عملكرد به ترتيب براي مدل هاي تك ديودي، دو ديودي، و سه ديودي به ميزان 0.44، 0.085، و 17.97 درصد نسبت به بهترين روش مطالعه شده در منابع حاصل شده است.