Parametrar identifiering av solceller

Parametrar identifiering av solcellsmodeller med förbättrad explorativ salpkedjebaserad strategi

Integrationen av solcellssystem (PVS) i framtida kraftsystem växer till ett mer attraktivt val.

Således har studierna relaterade till PVS-drift fått enormt intresse. Särskilt förblir forskning för att identifiera parametrar för solcellsmodell ett smidigt fält på grund av icke-linjäriteten hos solcellsegenskaper och dess stora beroende av meteorologiska förhållanden för bestrålningsnivå och temperatur.

Denna uppsats föreslår en oppositionsbaserad Learning Modified Salp Swarm Algorithm (OLMSSA) för korrekt identifiering av två-diodmodellparametrarna för den elektriska ekvivalenta kretsen för PV-cellen / -modulen. Sex metaheuristiska algoritmer, inklusive den nyligen släppta basalgoritmen SSA, som används med standardtest-PV-modellen för dubbeldioden och en praktisk PV-modul, används för att bedöma prestandan hos OLMSSA.

De experimentella resultaten och den fördjupade jämförande studien visar tydligt att OLMSSA är mycket konkurrenskraftig och till och med signifikant bättre än de rapporterade resultaten från majoriteten av nyligen utvecklade parametern identifieringsmetoder.