تخمين پارامترهاي مدل تك ديودي و دو ديودي سلول هاي خورشيدي با روش بهينه سازي علف هرز مهاجم مبتني بر تخمين توزيع

Parameters Estimation of Single and Double Diode Models of Photovoltaic Cells Using Invasive Weed Optimization Based on Distribution Estimation

تخمين پارامترهاي مدل سلول خورشيدي بر اساس مشخصه هاي اندازه گيري شده به دليل ماهيت غيرخطي ناشي از وجود ديود و مشخصه نمايي آن در مدار معادل امري دشوار است. وجود دو ديود در مدار معادل دونمايي نيز بر دشواري كار مي افزايد. بر اين اساس در اين مقاله يك روش تركيبي مبتني بر مشخصه جستجوگري الگوريتم علف هرز مهاجم، مدل هاي احتمالاتي تخمين توزيع و بهره گيري از خاصيت پراكندگي توزيع تركيبي گوس-كوشي براي تخمين پارامترهاي مدار معادل تك ديودي و دو ديودي سلول خورشيدي بر اساس يك مسيله بهينه سازي ارايه شده است. تابع هدف مورد نظر بر اساس مجذور ميانگين مربعات خطا بين منحني جريان - ولتاژ به دست آمده از مدل و منحني واقعي اندازه گيري شده تعريف شده است. روش مورد نظر براي تخمين پارامترهاي يك سلول خورشيدي واقعي بر اساس مشخصه اندازه گيري شده پياده سازي و با 8 روش بهينه سازي ديگر مقايسه شده است. مقايسه آماري توابع هدف بهينه ناشي از اختلاف منحني ولتاژ جريان به دست آمده از مدل مداري بهينه شده و اندازه گيري نشان دهنده عملكرد بسيار خوب روش پيشنهادي در مقايسه با ساير روش ها مي باشد

Parameter estimation of photovoltaic cell model based on measured characteristics is difficult due to the nonlinear behavior of the diode in the model and its exponential relation. Existence of two diodes in double-exponential model makes this estimation more difficult. A hybrid optimization algorithm is implemented based on explorative characteristic of invasive weed algorithm, probabilistic models of distribution estimation and utilizing dispersion capacities of a mixed Gaussian–Cauchy distribution to estimate parameters of the single and double diode models of photovoltaic cells as an optimization problem. The fitness function is defined as the root mean square error between current-voltage curves of the model output and the measured points. The proposed method is implemented for a practical photovoltaic cell based on measured characteristic and the obtained results are compared with other 8 optimization algorithms. The statistical comparison of the difference between current-voltage curve of the optimized circuit model and the measurements verifies more suitable performance of the implemented algorithm compared with others.